Computing band gaps of periodic materials via sample-based quantum diagonalization
本文介绍了一种基于采样的量子对角化工作流，该工作流通过将自洽晶格哈密顿量与超导量子处理器采样相结合，能够准确预测二氧化铪和二氧化锆等周期性材料的带隙，其性能优于传统的密度泛函理论，并与实验结果保持一致。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，试图预测一种材料如何导电或阻断电流，就像是在猜测两间房间之间墙壁的高度。几十年来，科学家们一直使用一种被称为密度泛函理论（DFT）的标准配方来进行这些猜测。这就像是使用一张假设每个人都走直线、并忽略了人们会互相碰撞的地图。这种方法对某些材料很有效，但当你遇到像二氧化铪（HfO2）和二氧化锆（ZrO2）这样棘手的材料时——这些材料广泛应用于从计算机芯片到绝缘体的各个领域——这种“直线”地图就失效了。它忽略了电子之间混乱且颠簸的相互作用，导致预测结果比现实情况偏低。
于是，出现了一个全新的混合搭档：经典超级计算机与一种新型量子计算机的结合。研究人员并没有只是简单地将量子计算机投入到问题中；他们构建了一座特殊的桥梁。首先，他们利用传统的 DFT 获取材料电子结构的粗略草图。然后，他们将该草图转化为一个“晶格哈密顿量”（lattice Hamiltonian），这就像是将材料转化为一个由微小的、相互作用的岛屿组成的网格。在这个网格上，他们使用自己计算出的参数，加入了关于电子如何相互排斥（即“碰撞”部分）的具体规则。
为了解决电子在这个网格上如何行为的谜题，他们使用了一种称为基于样本的量子对角化（SQD）的方法。把量子计算机想象成不是一个一次性解决整个方程的计算器，而是一个超快速的采样器。它运行量子电路（一组特定的指令）数百万次，以收集大量的“快照”或配置。在这项研究中，他们在名为 ibm pittsville 的先进超导量子处理器上运行了这些电路，该处理器拥有 156 个量子比特。对于 HfO2，他们使用了包含 38 个量子比特的电路；对于 ZrO2，则使用了 46 个量子比特。
魔力发生于他们将这些量子快照喂给经典计算机时。经典计算机查看这份经过精选的最重要的电子排列列表，并进行繁重的数学运算，以找到最低能量状态。这就像是量子计算机是森林中寻找最佳路径的侦察兵，而经典计算机则是根据这些路径绘制最终地图的制图师。
结果如何？团队发现，这种量子-经典组合预测 HfO2 和 ZrO2 的“带隙”（即占据态与空态之间的能量墙）具有惊人的准确性。对于 ZrO2，标准的 DFT 方法完全失败了，甚至完全脱离了实验范围。然而，量子方法却精准地落在了独立实验室实验所测得的理想区间内。事实上，他们的量子预测值与一种高度精确的经典参考方法（称为 HCI）之间的差异极小：HfO2 的差异仅为 1.6 × 10⁻⁸ eV，ZrO2 为 1.3 × 10⁻⁷ eV。
重要的是，论文明确反对认为标准 DFT 方法足以处理这些材料的观点，指出由于忽略了强电子关联，DFT 会低估带隙。他们还表明，虽然仅添加一种类型的修正（位点内相互作用，即“U”）会有所帮助，但只有结合了位点内和位点间相互作用（代表不同原子间电子如何交流的“V”部分）才是至关重要的。他们的这种方法不仅优于 DFT，还优于其他先进的量子化学基准方法，如 CCSD(T)。
虽然这些结果是一个显著的进步，但作者谨慎地将其界定为在当前的“容错前”硬件上的成功模拟。他们并未声称已经解决了所有的材料科学问题；相反，他们证明了这种特定的工作流可以为这两个特定的电介质产生有用的、可经实验验证的预测。与 GW 近似法等其他高精度方法相比，该方法速度更快且资源效率更高，这表明随着未来更好的量子处理器的出现，这种方法可以扩展到处理更复杂的材料。目前，它证明了即使使用今天的嘈杂量子机器，我们也能开始窥见电子世界的真实轮廓。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。