Fast simulations of X-ray absorption spectroscopy for battery materials on a quantum computer
本文提出了一种用于模拟电池材料中 X 射线吸收光谱的高度优化的量子算法，该算法利用特定的哈密顿量表示、以特征值为核心的误差界限以及样本分布策略，从而能够实现对 LiMnO 等复杂系统的有效容错模拟，并显著降低资源需求。
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
为电动汽车和储存可再生能源提供动力的电池正不断被推向更高的储电容量。一条充满前景的路径涉及使用富含锂的特殊正极材料，但这些材料往往会迅速退化，在仅经过几次充放电循环后就失去储电能力。为了理解这一现象的原因，科学家需要观察材料内部原子结构的微观变化，特别是原子在工作过程中的化学键合方式及其电子状态。窥探这个隐藏世界的首要工具是一种被称为 X 射线吸收光谱的技术。通过向材料发射 X 射线，研究人员可以测量原子吸收能量的程度，从而生成一个独特的“指纹”，揭示电子和原子的局部排列情况。然而，解读这种指纹极其困难。原始数据非常复杂，为了将其转化为材料状态的清晰图像，科学家必须运行大规模的计算机模拟。对于先进电池中发现的大型且复杂的分子，这些模拟的计算成本极高，以至于在当今的经典计算机上往往耗时过长，或者需要根本不存在的计算资源。
现在，一组研究人员开发了一种利用量子计算机进行这些模拟的新方法，量子计算机是一种专为处理量子系统特定复杂性而设计的机器。在他们的工作中，他们专注于一个代表富锂电池材料的原子模型簇，该系统目前已超出了标准超级计算机的处理能力。他们并没有尝试一次性模拟材料行为的完整历史（这是传统且昂贵的方法），而是设计了一种观察系统随时间演变的方法。他们将模拟分解为一系列易于处理的小步骤，并使用一种数学策略来压缩描述原子相互作用所需的信息。这使得他们能够以比以往认为的更少的计算资源来模拟 X 射线吸收光谱。
研究人员在包含四个锂原子、两个锰原子和一个氧原子的特定原子簇上测试了他们的方法，这一设置代表了 Li4Mn2O 系统。虽然该簇的完整模型涉及 18 个空间轨道和 22 个电子，但用于验证阶段的特定模拟使用了标记为 CAS(14e,11o) 的较小活性空间，该空间侧重于 10 个 Mn 3d 轨道和核心 O 1s 轨道。在经典模拟中，求解这么多电子的行为需要计算无数种可能状态的能量，随着系统规模的增大，这项任务的难度呈指数级增长。然而，这种新的量子算法避开了这种复杂性的爆炸。通过使用一种将原子相互作用分组为高效区块的技术，并仔细选择重复模拟步骤的次数，他们大幅降低了计算负荷。他们发现，仅需使用 100 个逻辑量子比特（量子计算机的基本信息单位）以及每电路少于 4 亿个特定的逻辑门，即可模拟这一具有挑战性的系统。与未优化的方法相比，这在成本上降低了 5 个数量级，使该任务进入了未来容错量子设备的实现范围。
为了确保结果的准确性，团队首先在经典模拟器上运行了他们的算法，以验证其能否正确重现一个较简单的氮分子的已知吸收光谱。一旦方法得到验证，他们便将其应用于带有缩减活性空间的锂-锰-氧原子簇。该模拟成功生成了符合系统预期物理行为的光谱，证实了该算法能够获取对 X 射线分析至关重要的核心激发态。研究人员还将他们的方法与现有的最佳经典方法（如受限活性空间技术）进行了比较。虽然经典超级计算机可能需要数周时间通过计算逐个状态来模拟这个特定系统，但他们的量子算法表明，在假设的运行速度下的量子计算机上，运行时间不到两天。这种差异源于量子方法的扩展性随系统规模的变化较为平缓，而经典方法则会随着加入更多原子而变得指数级困难。
这项工作的意义在于其加速更好电池开发的潜力。通过使模拟复杂电池材料的 X 射线吸收光谱成为可能，科学家终于可以推断出原子在退化过程中的精确氧化态。这些信息是理解为什么富锂正极会失效以及如何修复它们的关键。本文并未声称已经解决了电池问题或是在物理量子计算机上运行了这些模拟；相反，它证明了一个高度优化的算法确实存在，并且可以利用现实的资源估算来完成这项工作。团队展示了通过改进计算机处理原子相互作用的数学方式以及采样数据的方式，可以降低进行这些关键模拟的门槛。这为将量子计算机不仅作为理论工具，而且作为设计可持续未来所需的高容量储能系统的实用工具铺平了道路。
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。