Benchmarking a randomized quantum algorithm for estimating expectation values of molecular observables
本文对一种用于估计氢气和细胞色素 P450 系统分子观测值的随机量子算法进行了基准测试，结果表明，尽管解析误差界限较为宽松，但由此产生的测量开销对于工业应用而言仍然过高，这表明需要进行重大的算法改进。
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
在探索物质在最基本层面如何运作的过程中，科学家们长期以来一直转向量子化学，这是一个致力于预测分子性质的领域。几十年来，最强大的经典超级计算机在处理这一任务时一直步履维艰，当分子变得庞大或电子以复杂方式相互作用时，便会遭遇瓶颈。量子计算的承诺在于利用量子力学的奇特规则直接模拟这些系统，从而跨越这道障碍。然而，我们今天能够制造的量子机器仍然太小，且太容易出错，无法运行那些解决现实世界问题所需的完美且复杂的模拟。为了弥补这一差距，研究人员开发了“早期容错”算法。这些是巧妙的变通方法，旨在通过牺牲一种资源来换取另一种资源，从而在不完美的硬件上运行：它们使用更短、更简单的量子电路，但必须将这些电路运行得非常多次，才能获得可靠的答案。该领域的中心问题在于，这种权衡是否真的具有实际意义，或者说，如果一个人需要运行机器的次数如此之多，是否会让这种方法对于制药公司和材料科学家真正需要研究的大分子而言变得不再可行。
一个研究小组着手测试一种旨在解决这一问题的特定且极具前景的方法，重点是估算分子性质（例如维持原子结合力的力）的平均值。这种被称为“随机基态性质采样算法”的方法是由王（Wang）及其同事提出的。其构思十分优雅：与其试图构建一个单一的、庞大的、无误差的量子电路来测量分子的行为，不如将问题分解为成千上万个微小的、随机的步骤。它利用单个额外的量子比特来提供帮助，并通过反复执行这些简单的步骤，逐步构建出分子状态的统计图景。人们希望这种方法足够高效，能够在不久的将来运行在量子计算机上。为了查明这种希望是否现实，该团队在简单的氢分子上进行了详细的数值模拟，并使用数学估算来预测该方法在规模更大、具有工业相关性的系统上的表现：即细胞色素 P450 的活性位点，这是人体内帮助代谢药物的一种关键酶。
研究人员首先在氢分子上模拟该算法，这是一个足以在经典计算机上进行完美建模的小型系统。这使他们能够检查算法创造者所预测的理论误差极限与现实之间的匹配程度。他们发现，用于预测最坏情况误差的数学公式过于悲观；他们在模拟中观察到的实际误差远小于公式所暗示的误差。然而，关于量子模拟需要运行多长时间的公式却是相当准确的，仅略微高估了所需时间。这是理论上的一个小胜利，表明数学模型并未出现严重偏差。但当他们观察量子计算机运行这些电路的总次数时，情况发生了剧烈变化。即使对于微小的氢分子，该算法也需要极其庞大的样本量才能获得精确的答案，并且随着系统规模的增大，这个数字呈爆炸式增长。
随后，团队将注意力转向了对制药业具有重要意义的细胞色素 P450 酶。他们模拟了该分子的不同版本，范围从小型简化版本到包含数十个电子和轨道的非常大型且详细的活性空间。利用模拟数据和算法的数学边界，他们计算了达到“化学精度”（即进行药物设计预测所需的精度水平）所需的资源。结果是残酷的。对于该分子的最小版本，该算法仅为了估算单个性质就需要大约一百亿次采样。随着他们增加分子模型的规模以包含更多电子和轨道，所需的样本量急剧飙升，在他们考虑的最大系统中达到了惊人的千万亿次（一千万亿）。直观来看，最大系统所需的样本数量如此巨大，以至于即使在完美的量子计算机上，收集这些样本所需的时间和能量也是不切实际的。
研究还探讨了研究人员是否可以通过简单地缩减电路深度来节省时间，即利用算法的灵活性来通过“以电路深度换取更多样本”来进行权衡。他们发现，虽然缩短电路确实降低了单次运行的复杂度，但这会导致所需样本量呈指数级爆炸增长。不存在一个让方法变得容易的“甜点区”；过度降低电路深度只会让总工作量变得无法承受。研究人员得出结论，尽管该算法在理论上是成立的，并为处理不完美硬件提供了一种独特的方式，但其测量开销（即机器必须运行的次数）对于工业应用而言目前仍是难以承受的。主要的成本驱动因素是分子的规模以及准备正确初始态的难度，而这些因素是目前的算法设计无法轻易克服的。
最终，这项工作为该领域提供了一次至关重要的现实检验。它表明，虽然随机算法为早期量子计算机提供了一条充满希望的路径，但它们尚未准备好解决驱动制药和材料工业的复杂问题。这些方法的理论潜力与实际可行性之间的差距仍然巨大。研究人员建议，要使这些算法真正具有竞争力，需要在如何进行测量以减少所需样本量，或者如何在算法本身随系统规模缩放方面取得重大突破。在这些改进实现之前，使用这些早期量子机器来设计新药或新材料的梦想仍将遥不可及，等待着下一代科学创新来缩小这一距离。
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。