Analyzing Common Electronic Structure Theory Algorithms for Distributed Quantum Computing

探索原子如何结合形成分子是科学领域中最基本的挑战之一。为了实现这一目标，研究人员需要求解一个被称为薛定谔方程的复杂数学问题，该方程描述了在原子核周围旋转的电子行为。几十年来，科学家们一直依赖强大的经典计算机来近似这些解，但随着分子变得越来越大、越来越复杂，计算量变得如此巨大，以至于即使是世界上最快的超级计算机也难以应对。这正是量子计算介入之处。与处理比特（bits）信息的经典计算机不同，量子计算机使用量子比特（qubits），它们可以同时存在于多种状态中。这种独特的特性提供了以经典机器无法比拟的速度和精度模拟化学反应的潜力，有望在药物研发和材料科学领域取得突破。然而，目前的量子机器规模仍然很小，且容易出错，仅拥有少量的量子比特。为了解决需要数百或数千个量子比特的现实世界化学问题，研究人员正在探索一种称为分布式量子计算的策略。这种方法涉及将大规模计算拆分到多个较小的量子设备上，并将它们连接在一起，作为一个更大的机器共同工作。

多伦多大学的一个研究小组最近通过检查用于在量子计算机上模拟化学结构的五种流行方法，对这一想法进行了测试。他们的目标是确定这些特定的算法是否可以通过一种称为“电路切割”（circuit cutting）的技术，有效地拆分并在多个设备上运行。在这个过程中，单个量子电路被切成较小的碎片，可以在不同的机器上运行，随后再将结果缝合在一起。研究人员专注于一种称为“局部操作”（local operations）的特定方式，这种方式依赖于设备在计算过程中独立工作，而无需在执行期间发送复杂的信号进行往返通信。他们在一分子氢上测试了这些方法，然后将其扩展到更长的氢原子链，以观察难度是如何增长的。由于研究人员无法获得足够大的联网量子计算机网络来亲自运行完整的实验，因此该研究是通过详细的计算机模拟进行的。

调查结果非常严峻，揭示了分布式量子化学未来的一个重大障碍。研究人员发现，他们测试的五种方法中有四种——目前被认为是该领域的标准工具——如果拆分到多个设备上运行，将会极其低效。当他们尝试对这些方法进行电路切割时，为了获得可靠答案而需要运行实验的次数激增到了数万亿、数千万亿甚至更高。例如，其中一种最常用的方法，在应用于微小的氢分子时，为了达到与单次运行在未切割机器上的精度相匹配，大约需要运行约 $1.5 \times 10^{17}$ 次。为了直观理解，如果单次运行耗时一秒钟，那么分布式版本的完成时间将比宇宙的年龄还要长。这种巨大的额外工作量（被称为采样开销，sampling overhead）之所以发生，是因为这些算法的构建方式创造了一个复杂的连接网络，如果不破坏这个网络，就无法轻易拆分，否则就会丢失解决问题所需的本质信息。

相比之下，他们研究的第五种方法，即被称为“局部幺正簇 Jastrow ansatz”的方法，表现得截然不同。这种方法在系统规模增加时，展现出了更加可控的难度增长。当研究人员对这种方法应用相同的切割技术时，即使在模拟更大的氢原子链时，所需的额外运行次数仍保持在较小且合理的范围内。对于他们测试的最大系统，其开销低到足以可能由当前或近未来的量子硬件处理。这表明，虽然目前最流行的量子化学算法并不适合分布在多个机器上，但至少存在一条不会撞上指数级复杂度墙壁的前进路径。研究结果表明，量子计算界不能简单地将现有的量子化学软件直接运行在小型量子计算机网络上；这些最常用方法的底层数学结构过于僵化，无法高效地进行拆分。

研究结论指出，为了使分布式量子计算成为化学领域的实际应用，科学家必须开发从底层开始就设计为可拆分的全新算法。目前的“金标准”方法在单个大型机器上表现良好，但在被迫进入分布式框架时会失效，因为重新组装破碎部分的成本变得过高。研究人员强调，他们的工作并不意味着分布式量子计算是不可能的，而是目前的工具并不是这项工作的合适选择。通过识别哪些方法失败以及哪些方法具有前景，这项研究提供了一个明确的发展方向。它表明，要在联网的量子设备上解决复杂的化学问题，需要发明新的描述电子行为的方式，而不是试图强行让旧方法适应新架构。希望通过专注于本研究中表现良好的这类方法，该领域最终能够释放分布式量子力量在科学发现中的全部潜力。