Fragmentation of Virtual Orbitals for Quantum Computing: Reducing Qubit Requirements through Many-Body Expansion

Stellen Sie sich vor, Sie versuchen, ein riesiges, kompliziertes Puzzle zu lösen, aber der Tisch, an dem Sie arbeiten, ist viel zu klein, um alle Teile auf einmal aufzunehmen. Dies ist die aktuelle Realität für Wissenschaftler, die Quantencomputer nutzen, um die Chemie zu verstehen. Um zu simulieren, wie Atome binden und interagieren, müssen sie jeden möglichen „Sitz“, den ein Elektron einnehmen kann, auf ein physisches Stück Hardware namens Qubit abbilden. Das Problem ist, dass zwar die „besetzten“ Sitze (wo sich Elektronen tatsächlich aufhalten) wenige sind, die „virtuellen“ Sitze (leere Plätze, die erklären helfen, wie Elektronen wackeln und miteinander korrelieren) jedoch zahlreich sind. In vielen chemischen Systemen machen diese leeren virtuellen Sitze den weitaus größten Teil des Puzzles aus und verlangen mehr Qubits, als heutige Maschinen überhaupt halten können. Wissenschaftler brauchen einen Weg, das Puzzle zu schrumpfen, ohne das Bild zu verlieren, aber das willkürliche Wegwerfen von Teilen ruiniert die Mathematik.

Hier kommt das Konzept der „Fragmentierung“ ins Spiel, was so ist, als würde man ein riesiges Jigsaw-Puzzle in kleinere, handhabbare Boxen zerlegen. Anstatt zu versuchen, das gesamte Bild auf einmal zu lösen, löst man ein paar Teile, dann noch ein paar, und fügt die Ergebnisse zusammen. Dieses Paper stellt eine kluge neue Wendung dieser Idee vor, die Virtual-Orbital Fragmentation (Q-FVO) genannt wird. Denken Sie an dies als einen klugen Sortierhut für jene leeren virtuellen Sitze. Anstatt jeden einzelnen leeren Sitz in der Berechnung zu behalten, gruppiert die Methode sie in chemisch sinnvolle Cluster. Sie verwendet dann einen mathematischen „Inklusions-Exklusions“-Trick – ähnlich wie man die Gesamtfläche eines Raumes berechnen könnte, indem man die Flächen der Ecken addiert und dann die Überlappungen subtrahiert – um das vollständige Energiebild aus diesen kleineren, mundgerechten Stücken wieder aufzubauen. Das Ziel ist einfach, aber revolutionär: komplexe Chemie auf die winzigen Quantencomputer von heute zu bringen.

Die große Idee: Den virtuellen Raum beschneiden

Die Forscher Federico Zahariev, Vassiliki-Alexandra Glezakou und Mark S. Gordon schlagen vor, dass wir nicht jeden einzelnen virtuellen Orbital in unseren Quantenberechnungen behalten müssen. Tatsächlich ist das Beibehalten aller Orbitale das, was das Problem für die heutige Technologie zu groß macht. Ihre Methode, Q-FVO, behält alle „besetzten“ Orbitale (die Elektronen, die definitiv da sind) bei, aber zerlegt den „virtuellen“ Raum (die leeren Sitze) in kleinere, lokalisierte Fragmente.

Stellen Sie sich eine überfüllte Konzerthalle vor. Die „besetzten“ Sitze sind die Menschen, die gerade sitzen. Die „virtuellen“ Sitze sind die leeren Stühle auf dem Balkon und in den Gängen. Normalerweise müssten Sie jeden einzelnen leeren Stuhl berücksichtigen, um die Energie der Menge zu verstehen, da Menschen dorthin rücken könnten. Aber dieses Paper argumenttiert, dass Sie nicht jeden leeren Stuhl gleichzeitig verfolgen müssen. Stattdessen können Sie die leeren Stühle in Sektionen (Fragmente) gruppieren. Sie berechnen die Energie der Menge mit nur einer Sektion leerer Stühle, dann mit einer anderen und kombinieren dann diese Ergebnisse. Durch dies können sie die Anzahl der benötigten Qubits drastisch reduzieren.

Die Ergebnisse: Die Qubit-Rechnung senken

Als das Team diese Methode an sechs verschiedenen molekularen Systemen testete, waren die Ergebnisse beeindruckend. In der unfragmentierten Version benötigten die größten Systeme 128 Qubits (für Wasserstoffperoxid) und 100 Qubits (für Ammoniak). Diese Zahlen sind oft für die heutigen Quantengeräte unerreichbar.

Durch die Anwendung ihrer neuen Fragmentierungsmethode:

• Ein-Körper-Berechnungen (Betrachtung eines Fragments nach dem anderen) reduzierten den Qubit-Bedarf um 46–66 %. Für das Beispiel Wasserstoffperoxid sank der Bedarf von 128 Qubits auf nur 46.
• Zwei-Körper-Berechnungen (Betrachtung von Paaren von Fragmenten) reduzierten den Bedarf um etwa 31–42 %. Für dasselbe Wasserstoffperoxid bedeutete dies, dass nur 74 Qubits anstelle von 128 benötigt wurden.

Dies ist eine massive Ersparnis. Es verwandelt ein Problem, das vielleicht einen supergroßen Quantencomputer erfordern würde, in eines, das potenziell auf kleineren, leichter zugänglichen Maschinen laufen kann, die es heute oder in naher Zukunft gibt.

Bleibt das Bild klar? (Genauigkeit)

Man könnte sich fragen: „Wenn wir die meisten der virtuellen Sitze wegwerfen, wird das Bild dann nicht unscharf?“ Das Paper beantwortet dies mit einem entschiedenen „Nein, nicht wenn man es richtig macht“.

Die Forscher fanden heraus, dass das Betrachten von nur einem Fragment gleichzeitig zwar einen großen Fehler hinterließ (bis zu 147 kcal mol⁻¹ in einigen Fällen), das Hinzufügen der Interaktionen zwischen Paaren von Fragmenten (Zwei-Körper-Expansion) jedoch fast alles korrigierte.

• Mit Zwei-Körper-Berechnungen sank der Fehler auf winzige 0,9–7,5 kcal mol⁻¹. Dies ist genau genug für die meisten chemischen Vorhersagen.
• Wenn sie noch einen Schritt weiter gingen zu Drei-Körper-Berechnungen (Betrachtung von Gruppen von drei Fragmenten), wurde der Fehler noch kleiner. Bei allen ihren Tests unter Verwendung der CCSD-Methode lag der Fehler unter 0,53 kcal mol⁻¹, und selbst für die komplexere CCSD(T)-Methode blieb er unter 2 kcal mol⁻¹.

In der Welt der Chemie gilt das Erreichen von 1 kcal mol⁻¹ oft als „chemische Genauigkeit“, was bedeutet, dass die Vorhersage gut genug ist, um für reale Anwendungen vertrauenswürdig zu sein. Das Paper zeigt, dass sie durch das Hinzufügen von nur wenigen weiteren Ebenen der Komplexität (von Ein-Körper zu Zwei-Körper oder Drei-Körper) fast die gesamte fehlende Energie zurückgewinnen können, ohne mehr Qubits zu benötigen.

Der Bonus der Schaltkreis-Tiefe

Über die bloße Qubit-Ersparnis hinaus hilft die Methode auch bei der „Schaltkreis-Tiefe“ (Circuit Depth), einem Maß dafür, wie viele Schritte ein Quantencomputer unternehmen muss, um ein Problem zu lösen. Lange Schaltkreise sind anfällig für Fehler, da Quantenzustände fragil sind.

In illustrativen Tests mit einem Statevector-Simulator (einer perfekten, rauschfreien Simulation eines Quantencomputers):

• Reduzierte die Methode bei einem Wassertest-Versuch die Schaltkreis-Tiefe um 62 % (von 2.840 Schritten auf 1.080) bei einem niedrigen Energiefehler von 0,48 kcal mol⁻¹.
• Bei Ammoniak sank die Tiefe um 48 % (von 5.650 auf 2.940) bei einem Fehler von 0,31 kcal mol⁻¹.

Das bedeutet, dass die Berechnungen nicht nur kleiner, sondern auch schneller und weniger anfällig für Fehler durch Rauschen sind, was ein entscheidender Vorteil für die heutige Hardware ist.

Eine verschachtelte Strategie: Der Matroschka-Ansatz

Das Paper legt auch nahe, dass diese Methode mit anderen bestehenden Techniken kombiniert werden kann. Stellen Sie sich eine Reihe von russischen Matroschka-Puppen vor.

1. Die äußere Puppe ist die Q-EFP-Methode, die die Umgebung (wie ein Lösungsmittel) mittels klassischer Physik behandelt.
2. Die mittlere Puppe ist Q-EFMO, die das Hauptmolekül in kleinere Fragmente im realen Raum (Monomere und Dimere) zerlegt.
3. Die innerste Puppe ist Q-FVO, die diese Fragmente nimmt und deren virtuellen Orbitalraum weiter zerteilt.

Indem sie Q-FVO in diese anderen Methoden einbetten, schaffen die Forscher eine mehrschichtige Verteidigung gegen die Komplexität. Sie reduzieren das Problem im „Realraum“ (durch Zerlegung der Moleküle) und im „Orbitalraum“ (durch Zerlegung der virtuellen Orbitale). Diese Hierarchie ermöglicht es ihnen, viel größere Systeme als je zuvor anzugehen, indem sie das Wachstum der Quantenressourcen in drei verschiedenen Dimensionen reduzieren.

Das Fazit

Dieses Paper behauptet nicht, die gesamte Quantenchemie gelöst oder diese bereits auf einem physischen Quantencomputer ausgeführt zu haben (das sind zukünftige Schritte). Stattdessen liefert es einen fundierten, simulierten Proof-of-Concept. Es demonstriert, dass wir – indem wir klug darüber entscheiden, wie wir die „leeren Sitze“ in unseren Elektronenberechnungen aufteilen – die Anforderungen an die Quantenressourcen um fast die Hälfte senken können, während wir eine hohe Genauigkeit beibehalten.

Für einen neugierigen Teenager ist die Kernbotschaft: Quantencomputer sind leistungsstark, aber derzeit zu klein, um das ganze Bild einer chemischen Reaktion aufzunehmen. Diese neue Methode ist wie ein kluger Editor, der das unnötige Hintergrundrauschen herausschneidet und nur die wesentlichen Teile der Geschichte behält, damit der Computer das ganze Buch lesen kann, ohne dass ihm die Seiten ausgehen. Es deutet darauf hin, dass wir nicht auf einen Quantencomputer in der Größe einer Stadt warten müssen, um Chemieprobleme zu lösen; mit besserer Organisation können wir dies vielleicht schon mit den Maschinen bewältigen, die wir jetzt haben.