Quantum-Classical Effective Fragment Potential Embedding for Condensed-Phase Quantum Chemistry
本文介绍了量子-经典有效片段势（Q-EFP）方法，该方法将用于化学活性区域的量子算法嵌入到经典有效片段势环境中，从而在保持模拟凝聚相系统高精度的同时，显著降低对量子比特的需求。
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
化学是研究原子如何结合与分离以形成我们周围世界的学科。为了以完美的精度理解这些相互作用，科学家使用功能强大的计算机来求解描述电子行为的复杂方程。然而，当一个分子溶解在液体中，被成千上万的其他分子（如水或盐）所包围时，计算量会变得大到无法想象。计算机必须追踪整个混合物中的每一个电子，而不仅仅是感兴趣的那一个分子。这造成了一个巨大的瓶颈：环境越真实，所需的计算能力就越高，往往会超过即使是最先进的超级计算机的极限。这在量子计算这一新兴领域尤其如此，因为这些机器本身仍处于早期阶段，一次只能处理少量的信息单元。研究人员需要一种方法，能够在不要求计算机完成不可能的任务的情况下，研究这些拥挤且真实的化学环境。
一个科学团队开发了一种新方法来解决这个问题，即通过在量子计算机和经典计算机之间分配工作。他们将这种方法称为量子-经典有效片段势（Q-EFP）。在这个系统中，分子的化学活性部分——即发生反应或科学家想要观察详细变化的特定部分——由量子算法进行处理。周围的环境（例如水分子或离子的壳层）并不被视为需要从头开始计算的单个电子的集合。相反，它被表示为作用于活性区域的一套复杂的力与势能。可以将环境想象成一个沉重且复杂的背景，它对主角进行推力和拉力，但计算机并不是在模拟这个背景中的每一个原子，而是使用一张预先计算好的关于该背景如何行为的地图。这使得量子计算机能够将其有限的算力集中在微小且关键的区域，而由经典计算机处理系统的其余部分。
研究人员使用三种不同的化学场景测试了这种方法，以观察它是否能准确模拟整个系统的行为。在一次测试中，他们观察了一个被水和甲醇混合物包围的氢化锂分子。在另一次测试中，他们检查了一个嵌套在五个水分子集群中的单个水分子。第三次测试涉及一个置于铵根离子和硝酸根离子环境中的氢化铍分子。在每种情况下，他们都将这种新的混合方法与传统的、将系统中每个原子都进行高水平物理处理的全经典计算进行了对比。结果显示，这种新的混合方法具有极高的准确性。混合方法计算出的能量值与全经典计算相比，其差异仅在每摩尔 0.01 到 0.38 个能量单位之间。这些差异如此之小，以至于它们很可能是由于计算设置中的微小细节导致的，而非该方法本身存在根本性缺陷。
然而，最重要的发现不仅在于准确性，还在于所需资源的剧烈减少。通过使用这种嵌入技术，研究人员能够缩小量子计算机需要解决的问题规模。在他们研究的示例中，进行全系统模拟所需的估计信息单元（即量子比特）数量从 84 到 246 个，降至仅需 4 到 8 个量子比特来处理活性区域。这代表了大约 10 到 35 倍的缩减。由于量子计算机的内存大小取决于活性区域而非周围环境的大小，这种方法允许科学家研究比以往任何时候都更大、更复杂的化学系统。环境可以变得更大、更复杂，而不需要更大的量子计算机。
这项工作是一项概念验证，证明了这种混合方法的软件和数学框架是可靠的。计算是使用完美的、无噪声的模拟而非实际的、有噪声的量子硬件进行的，这意味着结果表明该方法在理论和理想条件下是有效的。作者指出，虽然该方法尚未准备好用于有噪声的现实世界量子设备或解决每一类化学问题，但它成功验证了工作流程。它表明，通过将环境分离为经典势，科学家可以绕过将每个溶剂分子都编码进量子寄存器的需求。这为研究更大的溶剂化系统（例如水中的蛋白质或复杂溶液中的材料）开辟了一条路径，可以通过将这种技术与其他将分子分解为更小碎片的现有方法相结合来实现。该研究证实，在化学领域，量子计算与经典计算之间的桥梁不仅是可能的，而且在管理现实世界分子环境的规模方面非常有效。
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。