Quantum-Computing Self-Consistent Kohn-Sham DFT: Plane-Wave-Orthonormalized Orbitals with a Dual-Basis Quantum Eigensolver

Um die hier beschriebene Arbeit zu verstehen, muss man zunächst die grundlegende Herausforderung der Simulation von Materie begreifen. Im Zentrum der Chemie und Materialwissenschaft steht die Notwendigkeit, zu berechnen, wie sich Elektronen um Atomkerne anordnen. Diese Anordnung bestimmt alles, von der Farbe eines Edelsteins bis hin zur Festigkeit eines Stahlträgers. Jahrzehntelang haben sich Wissenschaftler auf einen leistungsstarken mathematischen Rahmen namens Dichtefunktionaltheorie verlassen, um dieses Problem auf konventionellen Computern zu lösen. Sie funktioniert, indem sie den komplexen Tanz der Elektronen als eine Wolke von Dichte behandelt, was es Forschern ermöglicht, die Energie und das Verhalten von Molekülen mit hoher Genauigkeit vorherzusagen. Doch wenn die Systeme größer oder komplexer werden, werden die Berechnungen so anspruchsvoll, dass selbst die leistungsstärksten Supercomputer der Welt Schwierigkeiten haben, Schritt zu halten. Diese Einschränkung hat die Suche nach einer neuen Art von Maschine angestoßen: dem Quantencomputer. Im Gegensatz zu herkömmlichen Maschinen, die Informationen in binären Bits verarbeiten, nutzen Quantencomputer Quantenbits, oder Qubits, die gleichzeitig in mehreren Zuständen existieren können, was theoretisch einen Weg bietet, Quantensysteme wie Moleküle direkt und effizient zu simulieren.

Die Forscher dieser Studie, die bei IonQ arbeiten, haben einen bedeutenden Schritt getan, um diese Vision Wirklichkeit werden zu lassen, indem sie eine vollständige, selbstkonsistente Simulation eines Moleküls auf einem Quantencomputer demonstrierten. Sie konzentrierten sich auf eine Kette aus acht Wasserstoffatomen – ein System, das klein genug ist, um handhabbar zu sein, aber komplex genug, um die Grenzen der heutigen Technologie zu testen. Ihr Ziel war nicht nur das Ausführen einer einzelnen Berechnung, sondern den Aufbau eines vollständigen Kreislaufs, bei dem der Computer die Elektronenanordnung löst, dieses Ergebnis nutzt, um die auf die Elektronen wirkenden Kräfte zu aktualisieren, und den Prozess wiederholt, bis sich das System in einem stabilen, natürlichen Zustand einpendelt. Dieser Prozess, bekannt als Selbstkonsistenzfeld-Methode, ist die Standardmethie, mit der Chemiker diese Probleme lösen; dies jedoch vollständig auf einem Quantenprozessor durchzuführen, war zuvor noch nie erreicht worden. Das Team führte diesen gesamten Kreislauf erfolgreich aus und bewies damit, dass ein Quantencomputer sein Verständnis der Energie eines Moleküls iterativ verfeinern kann, bis er eine präzise Lösung erreicht.

Ein großes Hindernis bei diesen Simulationen ist die schiere Anzahl der mathematischen Funktionen, die erforderlich sind, um die Elektronen zu beschreiben, insbesondere in der Nähe der Atomkerne, wo sich ihr Verhalten rapide verändert. Traditionelle Methoden, die eine einzige Art von mathematischer Funktion verwenden, bekannt als ebene Wellen (plane waves), würden zehntausende dieser Funktionen erfordern, um selbst für ein kleines Molekül eine genaue Antwort zu erhalten. Dies würde einen Quantencomputer mit weit mehr Qubits erfordern, als derzeit existieren. Um dies zu überwinden, entwickelten die Forscher einen cleveren hybriden Ansatz. Sie kombinierten die standardmäßigen ebenen Wellen mit einem zweiten Satz von Funktionen, den sogenannten Atomorbitalen, die speziell darauf ausgelegt sind, die Elektronen nahe am Kern zu beschreiben. Durch die Orthonormalisierung dieser beiden Sätze gegeneinander – was sicherstellt, dass sie mathematisch unabhängig sind und sich nicht auf verwirrende Weise überschneiden – schufen sie eine gemischte Basis, die die notwendige Detailtiefe mit weitaus weniger Funktionen insgesamt einfängt. Dies ermöglichte es ihnen, dasselbe physikalische System mit einem Bruchteil der Rechenressourcen zu beschreiben, was die Simulation auf heutiger Hardware machbar machte.

Der Kern ihrer Methode ist eine Dual-Basis-Strategie, die wie ein intelligenter Filter für den Speicher des Quantencomputers wirkt. Anstatt zu versuchen, das gesamte komplexe Problem auf einmal auf einem großen Quantenregister zu lösen, führt das System zuerst einige erste Schritte unter Verwendung des detaillierten, vollständigen Funktionssatzes durch. Aus diesen Schritten identifiziert es die wichtigsten Zustände – jene, die tatsächlich für die Energie des Moleküls relevant sind – und komprimiert sie in einen viel kleineren, kontrahierten Satz. Für den Großteil der Berechnung arbeitet der Quantencomputer dann nur mit diesem winzigen, komprimierten Funktionssatz, der lediglich drei Qubits zur Darstellung benötigt. Er prüft periodisch, ob diese komprimierte Ansicht noch genau ist; falls der Fehler zu groß wird, kehrt er kurzzeitig zum vollständigen Satz zurück, um die komprimierte Ansicht zu aktualisieren, und kehrt dann zur effizienten, kleinskaligen Berechnung zurück. Diese Technik erlaubte es ihnen, ein System mit über 32.000 ebenen Wellen zu simulieren, während sie für die Hauptarbeit nur ein Drei-Qubit-Register verwendeten – eine Leistung, die ohne diese Kompression unmöglich gewesen wäre.

Das Team testete ihre Methode auf zwei Arten: indem sie das Verhalten des Quantencomputers auf einem klassischen Supercomputer simulierten und indem sie tatsächliche Experimente auf einem echten Quantenprozessor durchführten. In den Simulationen zeigten sie, dass ihre Methode die Ergebnisse klassischer Berechnungen mit unglaublicher Präzision reproduzieren kann, wobei die Abweichung weniger als ein Hundertstel einer Millihartree beträgt, einer Standardeinheit für Energie in der Chemie. Sie demonstrierten auch, dass die Methode selbst dann funktioniert, wenn der Quantencomputer dem „Rauschen“ und den Fehlern unterliegt, die in der heutigen Hardware inhärent sind. Als sie die Simulation mit simuliertem Messrauschen durchführten, gelang es dem System dennoch, zu einer stabilen Lösung zu konvergieren, die sehr nah am korrekten Energiewert lag. Dies bewies, dass der Algorithmus robust genug ist, um die Unvollkommenheiten realer Quantengeräte zu bewältigen.

Schließlich brachten die Forscher ihre Simulation in die reale Welt und führten die letzten Phasen der Berechnung auf einem echten IonQ Forte-1 Quantenprozessor aus. Sie bereiteten die Quantenschaltkreise vor, die die konvergierten Elektronenzustände repräsentieren, und maßen deren Energien direkt auf dem Gerät. Auf dem kleinen, komprimierten Drei-Qubit-Register reproduzierte die Hardware die Energiedifferenz zwischen ihrer hybriden Methode und einer Standard-Atom-Methode innerhalb der experimentellen Fehlertoleranz. Dies war eine entscheidende Validierung, die zeigte, dass das theoretische Framework Bestand hat, wenn es auf tatsächlicher Hardware ausgeführt wird. Als sie jedoch versuchten, das vollständige, unkomprimierte System auf dem größeren Register zu messen, war das Hardware-Rauschen zu groß, um ein genaues Ergebnis zu erzielen, selbst nach Anwendung von Fehlerkorrekturtechniken. Dies unterstrich eine zentrale Erkenntnis: Während das volle Potenzial des Quantencomputings für die Chemie immens ist, eignen sich aktuelle Geräte am besten für diese Art von Berechnungen, wenn das Problem intelligent komprimiert wird und die kritischsten Teile auf der kleinstmöglichen Skala gemessen werden.

Die Arbeit beansprucht nicht, das Problem der chemischen Simulation gelöst oder klassische Computer in der Geschwindigkeit geschlagen zu haben. Tatsächlich merken die Forscher an, dass ihre aktuelle Implementierung langsamer als klassische Methoden ist, da sich die Quantenhardware noch in einem frühen Stadium befindet. Der Erfolg liegt stattdessen im Beweis des Konzepts: Ein Quantencomputer kann nun am vollständigen, iterativen Kreislauf einer modernen chemischen Simulation teilnehmen und seine eigenen Antworten verfeinern, bis sie konsistent sind. Durch die Kombination einer intelligenten mathematischen Basis mit einer Dual-Basis-Kompressionsstrategie hat das Team einen lebensfähigen Weg aufgezeigt, um komplexe, selbstkonsistente Elektronenstruktur-Berechnungen auf Quantenhardware durchzuführen. Dies öffnet die Tür für zukünftige Experimente, bei denen Quantencomputer Probleme angehen können, die derzeit außer Reichweite liegen, vorausgesetzt, die Algorithmen werden weiterhin unter Berücksichtigung der spezifischen Stärken und Grenzen der Hardware entwickelt.