Resource efficient Sample Based Quantum Simulation through Fragmentation and Virtual Partitioning of QPU
本文介绍了 FMO-QVM-HCI-HSQD，这是一个结合了分子碎片化、虚拟 QPU 分区和半量子比特拟设的资源高效型框架，旨在显著降低电路深度和执行时间，从而实现在当前硬件上对化学相关系统进行精确的基于样本的量子模拟。
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
想象一下，试图通过将一台复杂的机器拆解开来，孤立地研究每一个微小的零件，然后再仔细地重新组装这些知识以理解整体，从而了解这台机器是如何工作的。这就是现代分子模拟的本质——在这个领域中，科学家们试图预测原子和分子的行为，以设计新的药物和材料。几十年来，经典计算机一直难以胜任这项任务，因为支配电子的规则极其复杂，需要巨大的计算能力才能精确求解。量子计算机利用支配亚原子世界的奇异物理定律，有望自然地解决这些问题。然而，目前的量子机器规模仍然较小且容易出错，这使得运行大规模分子所需的巨量计算变得困难。挑战在于，如何找到一种方法，利用这些脆弱的、处于早期阶段的设备，去处理大型且具有化学相关性的系统，而不至于迷失在噪声中，或是在等待结果的过程中耗费数十年之久。
一个研究小组开发出了一种结合了三种不同策略的新方法，使这一目标成为可能。他们将这种方法称为 FMO-QVM-HCI-HSQD，这是一个旨在将大型分子问题分解为易于管理的片段、在单个量子处理器上同时运行这些片段，并使用一种简化的数据采集方式以减轻硬件负担的框架。该策略的第一部分涉及“碎片化”。与其尝试一次模拟整个大型分子（这需要目前尚不存在的更多量子比特），不如将分子拆分为较小的、独立的块。他们将每个块（或称碎片）视为一个独立的小问题，在计算其能量的同时，考虑周围部分的电学影响。这使得他们能够解决许多个小问题，而不是解决一个不可能完成的巨大问题。
第二项创新解决了这些小问题如何在量子计算机上运行的问题。通常，量子处理器被视为一个单一单元，一次只能运行一个程序。研究人员转而使用了一种称为“量子虚拟机”的技术，将物理处理器划分为几个独立的区域。这使得多个不同的碎片计算可以同时在芯片的不同部分上运行。通过这样做，他们避免了任务排队等待时产生的漫长等待时间，实际上是将一台量子计算机变成了一个许多产品正在同时制造的小型工厂。第三部分涉及一种巧妙的数据采集捷径。他们没有使用描述电子所有可能状态所需的完整量子比特集，而是采用了一种“半量子比特”方法，仅关注电子自旋的一侧。这使所需的比特数减少了一半，并显著缩短了电路深度（即计算机必须执行的操作序列的长度）。更短的电路更不容易受到困扰当前量子设备的噪声的影响。
为了测试这种组合思路是否奏效，研究小组使用来自 IBM 的真实量子硬件，对两个截然不同的系统进行了实验。第一个系统是水三聚体，即由氢键结合在一起的三个水分子簇。第二个是更复杂的生物系统：一种名为卡莫福（carmofur）的药物分子，它与新冠病毒（SARS-CoV-2）的一种蛋白质靶点结合，而该靶点是抗病毒药物研发的关键目标。在这些实验中，他们将新方法与运行此类模拟的旧有的、更传统的方法进行了对比。对于水三聚体，他们发现与逐一运行碎片相比，该方法减少了 82% 的量子计算机占用时间。它还将计算复杂度降低了近 40%。最重要的是，结果非常准确，达到了与成本高得多的经典计算相当的精度，而使用的实际数据空间却极小。
针对药物-蛋白质复合物的结果则更具说服力。在标准设置下，模拟这种分子需要一个深且复杂的量子电路，这使得获得可靠结果变得困难。通过使用这种碎片化、并行化且简化的方法，研究人员将电路深度降低了 47%，并将量子处理器上的时间缩减了 20%。他们达到了“化学精度”（这是预测分子相互作用的金标准），同时访问的数据组合不到传统方法所需量的百分之一。这表明该方法不仅更快，而且在寻找正确答案方面效率更高，不会被不必要的计算所困扰。
研究人员随后进一步挑战极限，使用一个甚至更大、更详细的电子模型来模拟该药物-蛋白质复合物，这种设置需要多达 52 个量子比特。对于目前的硬件来说，这是一个显著的规模，但他们的方法成功完成了任务。计算出的分子总能量与现有的最佳经典估值仅有微小的偏差，完全处于药物研发公认的准确范围内。这证明了该框架可以处理比以往使用相同硬件进行模拟的系统大得多的系统。团队指出，虽然该方法功能强大，但它并非万能灵药；它依赖于特定量子处理器的质量以及碎片映射到硬件的方式。如果硬件噪声过大，或者碎片太大无法放入可用区域，其优势就会减弱。
最终，这项工作表明，通过分解问题、并行运行以及简化数据采集，利用当今并不完美的量子计算机来研究与现实世界化学和医学相关的分子是可行的。研究人员并未声称解决了所有量子模拟的问题，但他们提供了一条清晰的前行路径。他们的结果表明，通过碎片化、处理器虚拟分区和半量子比特采样，模拟具有化学相关性的系统在当前的硬件上是可行的。这是迈向量子计算机能够常规辅助设计新药和理解复杂材料的重要一步，将曾经的理论可能性转化为了科学家的实用工具。
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。