Sample-based quantum simulation of vibrational structure of polyyne chains

分子并非静态的雕塑；它们在不断地振动，其原子在进行复杂的跳动和拉伸。为了理解一个分子如何表现、如何吸收光线，或如何与其他物质发生反应，科学家必须极其精确地绘制出这些振动图谱。几十年来，标准方法一直是将被视为简单的、独立的弹簧来处理这些振动，这种简化被称为谐振近似（harmonic approximation）。然而，真实的分子更为复杂。它们的化学键在拉伸和挤压时会相互作用，产生一种被称为非谐性（anharmonicity）的纠缠运动网络。捕捉这种复杂性对于预测分子吸收光的精确颜色至关重要，而这正是红外光谱学的基础。然而，随着分子变得越来越大，或者当科学家试图更详细地模拟这些相互作用时，数学问题变得如此庞大，以至于即使是世界上最强大的超级计算机也难以解决。可能存在的振动状态数量增长得如此之快，以至于压倒了传统的计算方法，导致我们在预测复杂化学系统行为的能力上出现了空白。

为了填补这一空白，研究人员转向了量子计算机，量子计算机基于量子力学原理运行，天然适用于模拟像分子这样的其他量子系统。来自 IBM 研究院和埃克森美孚（ExxonMobil）的一个团队的一项新研究展示了一种利用这些机器来应对聚炔链（polyyne chains）振动结构的实用方法，聚炔链是由交替的单碳键和三键组成的分子。该团队专注于两种特定的分子：乙炔（一种简单的两碳链）和二乙炔（一种稍大的四碳链）。研究人员并没有试图一次性计算每一种可能的振动——这项任务所需的计算能力将超过现存的所有计算资源——而是开发了一种采样最重要的振动并忽略其余部分的方法。他们使用了一种称为基于样本的量子对角化（sample-based quantum diagonalization）的技术。在这种方法中，量子计算机并不试图立即找到完美答案，而是生成大量关于分子可能如何振动的样本或快照。这些样本随后被输入到经典计算机中，由经典计算机过滤掉不太可能的可能性，并仅专注于一小组具有物理相关性的、易于处理的状态。通过在这个选定的微小组内解决问题，研究人员能够高精度地重建分子的能级及其红外光谱。

研究人员测试了两种生成这些样本的方法。第一种方法称为 vib-LUCJ，它基于关于分子振动如何连接的一个特定的数学猜想。第二种方法称为 vib-SqDRIFT，通过模拟分子在短时间内的演化并观察其最终状态来进行。这两种方法都被应用于上述两种聚炔分子，并开发出了可扩展至 104 个量子比特（qubits）的大分子的量子表示。结果令人瞩目。尽管较大分子的所有可能振动的完整数学空间在天文数字般巨大——包含大约 5500 亿个可能状态——但量子采样方法成功识别出了仅 16,000 到 26,000 个状态的极小子集，而这些状态包含了几乎所有的必要信息。当研究人员从这些小子集中计算能级时，结果与现有的最佳经典计算结果相匹配，误差范围小于 10 个能量单位，即达到了所谓的“化学精度”。这证明了量子计算机可以有效地在振动可能性的“草堆”中找到那根“针”，而无需搜索整个“草堆”。

然而，研究表明，掌握正确的能量仅仅是成功的一半。研究人员还计算了红外光谱，即显示分子在不同频率下吸收光线的强度。这是一个更难的测试，因为它不仅取决于能级，还取决于振动波本身的详细形状。他们发现，即使能级看起来已经趋于稳定并停止变化，红外强度仍会随着他们在模型中添加更多细节而发生偏移。这意味着，一个计算结果可能在能量方面看起来很完美，但在描述分子如何与光相互作用方面仍会遗漏重要细节。研究表明，要获得分子行为的真实图像，必须超越最低能量状态，并确保正确捕捉到不同振动之间的复杂混合。团队发现，红外光谱是衡量模拟是否真正准确的、比能量值更敏感的指标。

这项工作代表了利用量子计算机进行化学研究的重要进展，实现了从简单的能量计算向完整的光谱预测的跨越。研究人员成功证明了基于样本的方法可以处理传统计算机无法直接解决的庞大振动问题。他们表明，通过将量子采样与经典处理相结合，可以恢复具有高达 104 个量子比特表示的分子准确的振动状态和跃迁特性。虽然目前的模拟是在特定的硬件上进行的，并使用了特定的采样策略，但结果为未来指明了清晰的路径。研究强调，分子模拟的未来不在于暴力计算，而在于智能采样——找到那讲述完整故事的少数关键状态。随着量子硬件的改进，这些方法将允许科学家预测更大、更复杂的分子性质，从而为理解目前仍无法触及的材料和化学反应开启新的大门。