Resource efficient Sample Based Quantum Simulation through Fragmentation and Virtual Partitioning of QPU

Stel je voor dat je probeert te begrijpen hoe een complexe machine werkt door hem uit elkaar te halen, elk klein onderdeel afzonderlijk te bestuderen, en vervolgens de kennis zorgvuldig weer samen te voegen om het geheel te begrijpen. Dit is de essentie van moderne moleculaire simulatie, een vakgebied waar wetenschappers proberen te voorspellen hoe atomen en moleculen zich gedragen om nieuwe medicijnen en materialen te ontwerpen. Decennialang hebben klassieke computers moeite gehad met deze taak omdat de regels die elektronen beheersen ongelooflijk ingewikkeld zijn en een enorme rekenkracht vereisen om nauwkeurig opgelost te worden. Quantumcomputers, die gebruikmaken van de vreemde natuurwetten die de subatomaire wereld beheersen, beloven deze problemen op natuurlijke wijze op te lossen. De huidige quantummachines zijn echter nog steeds klein en foutgevoelig, wat het moeilijk maakt om de massale berekeningen uit te voeren die nodig zijn voor moleculen uit de echte wereld. De uitdaging is geweest om een manier te vinden om deze fragiele, vroegtijdige apparaten te gebruiken om grote, chemisch relevante systemen aan te pakken zonder verloren te raken in de ruis of decennia te moeten wachten op de resultaten.

Een team van onderzoekers heeft een nieuwe aanpak ontwikkeld die drie verschillende strategieën combineert om dit mogelijk te maken. Ze noemen hun methode FMO-QVM-HCI-HSQD, een raamwerk ontworend om een groot moleculair probleem op te splitsen in beheersbare stukjes, die stukjes gelijktijdig op een enkele quantumprocessor uit te voeren, en een vereenvoudigde manier van gegevens verzamelen te gebruiken om de belasting op de hardware te verminderen. Het eerste deel van hun strategie betreft fragmentatie. In plaats van te proberen een heel groot molecuul in één keer te simuleren, wat meer quantum bits zou vereisen dan momenteel bestaan, splitsen ze het molecuul op in kleinere, onafhankelijke brokken. Ze behandelen elk brokstuk, of fragment, als zijn eigen kleine probleem, waarbij ze de energie berekenen terwijl ze rekening houden met de elektrische invloed van de omliggende delen. Hierdoor kunnen ze veel kleine problemen oplossen in plaats van één onmogelijke reusachtige taak.

De tweede innovatie richt zich op hoe deze kleine problemen op de quantumcomputer worden uitgevoerd. Normaal gesproken wordt een quantumprocessor behandeld als een enkele eenheid waar één programma tegelijkertijd op draait. De onderzoekers gebruikten in plaats daarvan een techniek genaamd een quantum virtuele machine, die de fysieke processor verdeelt in verschillende onafhankelijke regio's. Dit maakt het mogelijk om meerdere verschillende fragmentberekeningen tegelijkertijd uit te voeren op verschillende delen van dezelfde chip. Door dit te doen, vermijden ze de lange wachttijden die optreden wanneer taken na elkaar in een wachtrij staan, waardoor de enkele quantumcomputer effectief verandert in een kleine fabriek waar veel producten gelijktijdig worden geproduceerd. Het derde deel van hun methode betreft een slimme afkorting in de manier waarop informatie wordt verzameld. In plaats van de volledige set quantum bits te gebruiken die nodig is om elke mogelijke staat van de elektronen te beschrijven, gebruiken ze een "half-qubit"-aanpak die zich concentreert op slechts één kant van de spin van het elektron. Dit halveert het aantal vereiste bits en verkort de circuitdiepte aanzienlijk, wat de lengte van de reeks operaties is die de computer moet uitvoeren. Kortere circuits zijn minder vatbaar voor de ruis die de huidige quantumapparaten teistert.

Om te testen of deze combinatie van ideeën daadwerkelijk werkte, voerden het team experimenten uit op twee zeer verschillende systemen met echte quantumhardware van IBM. Het eerste systeem was een watertrimeer, een cluster van drie watermoleculen die door waterstofbruggen bij elkaar worden gehouden. Het tweede was een complexer biologisch systeem: een medicijnmolecuul genaamd carmofur gebonden aan een eiwitdoelwit van het SARS-CoV-2-virus, wat een belangrijk doelwit is voor de ontwikkeling van antivirale middelen. In deze experimenten vergeleken ze hun nieuwe methode met oudere, meer traditionele manieren om deze simulaties uit te voeren. Voor de watertrimeer stelden ze vast dat hun aanpak de tijd dat de quantumcomputer bezet was met 82 procent verminderde vergeleken met het een voor een uitvoeren van de fragmenten. Het verminderde ook de complexiteit van de berekening met bijna 40 procent. Het belangrijkste was dat de resultaten zeer nauwkeurig waren en overeenkwamen met de precisie van veel duurdere klassieke berekeningen, terwijl ze slechts een fractie van de mogelijke dataruimte gebruikten.

De resultaten voor het medicijn-eiwitcomplex waren nog veelzeggender. In de standaardopstelling vereiste het simuleren van dit molecuul een quantumcircuit dat diep en complex was, wat het moeilijk maakte om betrouwbare resultaten te verkrijgen. Door hun gefragmenteerde, parallelle en vereenvoudigde aanpak te gebruiken, verminderden de onderzoekers de circuitdiepte met 47 procent en verkortten ze de tijd op de quantumprocessor met 20 procent. Ze bereikten chemische nauwkeurigheid, de gouden standaard voor het voorspellen van hoe moleculen interageren, terwijl ze toegang hadden tot minder dan één honderdste van een procent van de mogelijke datacombinaties die een traditionele methode nodig zou hebben verkennen. Dit suggereert dat de methode niet alleen sneller is, maar ook efficiënter is in het vinden van de juiste antwoorden zonder te verdrinken in onnodige berekeningen.

De onderzoekers zetten de grenzen verder door het medicijn-eiwitcomplex te simuleren met een nog groter en gedetailleerder model van de elektronen, een opstelling die tot wel 52 quantum bits vereiste. Dit is een aanzienlijke omvang voor de huidige hardware, maar hun methode slaagde er toch in de taak te voltooien. De totale energie berekend voor het molecuul week slechts een minimale marge af van de beste beschikbare klassieke schatting, ruim binnen het bereik dat als nauwkeurig wordt beschouwd voor medicijnontwikkeling. Dit bewees dat het raamwerk in staat is om systemen te verwerken die veel groter zijn dan wat met voorgaande methoden op dezelfde hardware gesimuleerd kon worden. Het team merkte op dat hoewel de methode krachtig is, het geen wondermiddel is; het is afhankelijk van de specifieke kwaliteit van de quantumprocessor en de manier waarop de fragmenten aan de hardware worden toegewezen. Als de hardware te veel ruis bevat of als de fragmenten te groot zijn om in de beschikbare regio's te passen, nemen de voordelen af.

Uiteindelijk laat dit werk zien dat door problemen op te splitsen, ze parallel uit te voeren en de gegevensverzameling te vereenvoudigen, het mogelijk is om de huidige imperfecte quantumcomputers te gebruiken om moleculen te bestuderen die relevant zijn voor de echte chemie en geneeskunde. De onderzoekers beweerden niet alle problemen van quantumsimulatie te hebben opgelost, maar ze hebben een duidelijke weg vooruit geboden. Hun resultaten suggereren dat de combinatie van fragmentatie, virtuele partitionering van de processor en half-qubit sampling het haalbaar maakt om chemisch relevante systemen op de huidige hardware te simuleren. Dit is een belangrijke stap naar de dag waarop quantumcomputers routinematig kunnen helpen bij het ontwerpen van nieuwe medicijnen en het begrijpen van complexe materialen, waardoor wat ooit een theoretische mogelijkheid was, een praktisch hulpmiddel voor wetenschappers wordt.