Quantum-centric simulation of hydrogen abstraction by sample-based quantum diagonalization and entanglement forging

本文展示了一种以量子为核心的模拟方法，用于研究 2,2-二苯基二丙烷中的氢提取反应，该方法采用混合策略，在 IBM Heron 处理器上结合纠缠锻造与基于采样的量子对角化技术，以精确计算高达 (39e,39o) 活性空间内的反应能。

要点

以下是用通俗语言和创意类比对该论文的解读。

宏观图景：用两种“大脑”解谜题

想象你正在尝试解开一个巨大且极其复杂的三维拼图。这个拼图代表了分子在相互反应时的行为。具体而言，这篇论文关注的是这样一个反应：一个微小且极具攻击性的“小偷”（自由基）从一个较大的分子中偷走一个氢原子。这种“盗窃”是链式反应的第一步，会导致由复合材料制成的飞机部件在阳光照射下随时间推移而腐烂和剥落。

完美地解开这个拼图需要超级计算机，但这个拼图太大了，以至于即使世界上最好的经典计算机也难以在不犯错的情况下得出正确答案。

作者提出了一种新的解决方法：以量子为中心的超级计算。不要将其视为单一机器，而应视为人类数学家（经典计算机）与“通灵者”（量子计算机）之间的团队合作。

• 经典计算机是项目经理。它负责繁重的体力劳动、组织数据并检查数学计算。
• 量子计算机是通灵者。它能以经典计算机无法做到的方式“感知”电子的量子特性，但它很容易疲劳（会产生噪声/错误），并且一次只能容纳少量信息。

问题：“房间”太小了

在量子计算中，信息存储在“量子比特”（qubits）中。要模拟一个分子，通常每个电子可能的自旋方式都需要一个量子比特。这就像试图把整个图书馆塞进一个鞋盒里。对于作者想要研究的大分子来说，“鞋盒”（量子处理器）太小了。他们没有足够的量子比特来容纳整个画面。

解决方案：“纠缠锻造”（Magic Split）

为了解决房间大小的问题，团队使用了一种称为**纠缠锻造（Entanglement Forging, EF）**的技术。

类比：想象你需要描述一个涉及 100 名舞者的复杂舞蹈编排，但你的相机内存只够同时录制 50 名舞者。
与其放弃，不如将舞蹈分成两组，每组 50 人。你录制 A 组，然后录制 B 组。因为这两组是“纠缠”的（它们彼此同步起舞），你可以通过数学方法将两段独立的录像“锻造”回一起，从而重构出完整的 100 人舞蹈编排。

在论文中，这使得他们能够使用一半通常所需的量子比特来模拟分子。他们通过将电子对拆分并在稍后重新组合结果，将问题映射到了一个更小的“鞋盒”中。

方法：“基于采样的量子对角化”（SQD）

即使有了更小的房间，量子计算机仍然是有噪声的。这就像试图在一个黑暗且摇晃的房间里拍一张清晰的照片。你可能会得到一张模糊的照片，或者一张拍错对象的照片。

为了应对这种情况，他们使用了一种称为**基于采样的量子对角化（Sample-Based Quantum Diagonalization, SQD）**的方法。

类比：想象你试图在雾蒙蒙的山谷中找到最深处（分子的最低能量态）。你无法一次性看到整个山谷。

1. 采样：量子计算机对山谷拍摄数千张“快照”（样本），为你提供随机点。
2. 经典处理：经典计算机获取所有这些快照并构建地图。它寻找模式并计算最深处最可能的位置。
3. 迭代：如果地图看起来不对，量子计算机就会根据经典计算机所学到的内容拍摄更多特定的快照，该过程重复进行，直到地图准确无误。

论文声称，这种方法使他们能够校正量子计算机的“噪声”和“模糊”，有效地清理数据以找到真实答案。

实验：测试新工具

团队在特定的化学反应上测试了这种组合方法（EF + SQD）：氢提取反应。

• 目标：他们模拟了环氧树脂（用于飞机机翼的胶水）与甲基自由基反应的简化版本。
• 规模：他们在三种不同大小的“活性空间”（不同级别的细节）上测试了这一点：
  1. 小（13 个电子）：快速测试。
  2. 中（23 个电子）：中等挑战。
  3. 大（39 个电子）：巨大挑战，通常会导致标准量子模拟失败。

结果：他们的发现

1. 大规模成功：对于最大的模拟（39 个电子），他们的新方法奏效了。他们能够以高精度计算反应的能量。
2. 旧方法失败：当他们在同一大型模拟上尝试使用“旧”的标准方法（没有纠缠锻造）时，量子计算机的噪声太大了。数据被破坏得如此严重，以至于经典计算机无法理解它。“鞋盒”太满了，“模糊”也太强了。
3. 准确性：他们的结果与可用的最佳经典超级计算机模拟（称为 DMRG 和 CCSD(T)）非常吻合，证明了他们的“团队合作”方法是可靠的。

结论

该论文表明，通过将“拆分”技巧（纠缠锻造）与“采样和清理”策略（SQD）相结合，科学家现在可以在当前的量子硬件上模拟比以往更大、更复杂的化学反应。

他们不仅仅模拟了一个反应；他们证明了这种特定的工具组合能够处理当今量子计算机的“噪声”，从而解决仅靠硬件本身无法解决的过大问题。这是迈向理解飞机材料如何降解的一步，最终可能帮助工程师设计出更好、更耐用的材料。

技术摘要

以下是论文《基于样本的量子对角化与纠缠锻造进行以量子为中心的氢提取模拟》的详细技术总结。

1. 问题陈述

本文解决了模拟与航空航天工程相关的复杂化学反应的挑战，具体而言是复合材料的光降解（例如用于飞机机身的环氧树脂）。

• 背景：复合材料因由紫外/可见光引发的自由基链式反应而降解，导致氢提取、链断裂以及机械完整性的丧失。
• 科学空白：虽然存在实验加速老化测试，但缺乏针对这些降解路径的*从头算（ab initio）*计算模型。当前的计算方法难以在准确度和成本之间取得平衡，以准确模拟自由基反应所需的大活性空间。
• 计算瓶颈：标准量子模拟通常需要 $2M$ 个量子比特来表示 $M$ 个空间轨道（每个自旋轨道对应一个量子比特）。这限制了当前含噪声中等规模量子（NISQ）设备可模拟的系统规模。

2. 方法论

作者提出了一种**以量子为中心的计算（QCSC）**方法，将经典高性能计算（HPC）与超导量子处理器（IBM Heron 系列）相结合。核心方法论整合了两种特定技术：

A. 纠缠锻造（EF）

• 概念：一种量子比特缩减技术，将量子比特映射到空间轨道而非自旋轨道。这将所需的量子比特数量减少了一半（从 $2M$ 降至 $M$）。
• 波函数表示：EF 不再使用标准的 $2M$ 量子比特电路，而是将波函数表示为两个 $M$ 量子比特态的张量积之和：
  $$|\Psi\rangle = \sum_\mu c_\mu |u_\mu\rangle \otimes |v_\mu\rangle$$
  其中 $|u_\mu\rangle$ 和 $|v_\mu\rangle$ 分别代表 $\alpha$（自旋向上）和 $\beta$（自旋向下）部分。
• 推广：作者超越了以往使用简单“比特串态”和“跃迁门（hopgates）”的 EF 实现。他们引入了一种基于**幺正耦合簇双激发（uCCD）和共振哈特里 - 福克（ResHF）**的更通用 Ansatz。
  • 态 $|u_\mu\rangle$ 和 $|v_\mu\rangle$ 是使用**局部幺正簇 Jastrow（LUCJ）**电路和非正交斯莱特行列式构建的。
  • 这使得在保持量子比特缩减的同时，能够更准确地表示电子关联。

B. 基于样本的量子对角化（SQD）

• 概念：一种量子子空间方法，其中量子设备从概率分布 $p(x) = |\langle x|\Psi\rangle|^2$ 中采样电子构型（比特串）。
• 经典后处理：经典计算机在这些采样构型张成的子空间内求解薛定谔方程：
  $$\sum_n H_{mn} c_n = E c_m$$
• 构型恢复：为了处理噪声和对称性破缺（例如错误的粒子数），SQD 采用迭代自洽过程。它通过翻转比特以匹配目标自旋分辨粒子数来“恢复”构型，并根据批次中发现的最低能量更新占据数分布。

C. EF 与 SQD 的集成

• 作者推导了一种将 EF 与 SQD 结合的方法。由于 EF 波函数的联合概率分布不是简单的复合分布，他们使用复合分布的加权和对其进行近似。
• 他们在量子设备上从此近似分布中采样，并将生成的比特串输入到经典 SQD 求解器中。

3. 主要贡献

1. 方法论创新：首次成功将纠缠锻造与基于样本的量子对角化相结合。通过将量子比特需求减半，使得在现有硬件上模拟更大的活性空间成为可能（最多 39 个电子在 39 个轨道中）。
2. 广义 EF Ansatz：引入了一组更灵活的量子电路用于 EF，从简单的比特串/跃迁门组合转向基于uCCD 的 LUCJ 电路和非正交斯莱特行列式。这提高了准确度，更好地捕捉了电子关联。
3. 混合工作流：一种稳健的 QCSC 工作流，利用经典 HPC 校正由退相干引起的对称性破缺并求解大型稀疏特征值问题，同时将复杂电子构型的采样任务卸载给量子处理器。
4. 资源效率：证明与标准 LUCJ 电路（需要双倍的量子比特）相比，EF 电路需要显著更少的双量子比特门和更低的电路深度，使其对硬件噪声更具鲁棒性。

4. 结果

该方法被应用于模拟甲基自由基（$\text{CH}_3^\bullet$）从2,2-二苯基丙烷（DGEBA 环氧树脂的模型）中提取氢的过程。

• 测试的活性空间：在三个活性空间上进行了模拟：
  • (13e, 13o)
  • (23e, 23o)
  • (39e, 39o)
• 性能指标：
  • (13e, 13o) & (23e, 23o)：SQD+EF 结果与高水平经典基准（CCSD(T), DMRG）在地基态能量上的一致性在1 mEh（毫哈特里）以内。外推能量（零方差）高度准确。
  • (39e, 39o)：这是迄今为止使用该方法模拟的最大活性空间。
    • 标准 LUCJ Ansatz 因噪声过大而在硬件上失败（未恢复哈特里 - 福克比特串）。
    • SQD+EF 成功，在能量 - 方差外推后，提供了与 DMRG 基准在**~2 mEh**以内的结果。
• 反应能量：
  • 使用 SQD+EF 计算的活化能（$E_{TS} - E_R$）和反应能（$E_P - E_R$）在所有活性空间尺寸下，与 DMRG 和 CCSD(T) 的一致性在1–2 kcal/mol以内。
  • 该方法成功捕捉了过渡态和产物形成的能量学，这对于理解降解机制至关重要。

5. 意义

• 可扩展性：这项工作表明，像纠缠锻造这样的量子比特缩减技术对于在近期硬件上扩展量子化学模拟至关重要。它有效地将给定数量量子比特的可访问系统规模扩大了一倍。
• 实际应用：它为聚合物降解的从头算建模提供了一条途径，这是一个此前对高精度量子方法而言难以解决的问题。这可能导致更耐用的航空航天材料的理性设计。
• QCSC 范式：该论文验证了 QCSC 模型，表明经典超级计算机可以有效地缓解量子噪声并解决线性代数问题，而量子处理器则处理经典计算机难以处理的复杂、高维概率分布的采样这一特定任务。
• 未来展望：作者建议该框架可以扩展到具有多参考特征的体系，并结合电路编织技术以进一步扩大模拟规模。

总之，本文展示了混合量子 - 经典模拟的突破，成功利用纠缠锻造在 39 量子比特活性空间上模拟了化学上复杂的自由基反应，达到了与最先进经典方法相当的准确度。