به سمت یک کامپیوتر کوانتومی که انرژی مولکولی را محاسبه می کند — ScienceDaily


کامپیوترهای کوانتومی در حال بزرگ‌تر شدن هستند، اما هنوز راه‌های عملی کمی برای استفاده از قدرت محاسباتی اضافی آن‌ها وجود دارد. برای غلبه بر این مانع، محققان در حال طراحی الگوریتم هایی هستند تا انتقال از کامپیوترهای کلاسیک به کوانتومی را تسهیل کنند. در یک مطالعه جدید در طبیعت، محققان از الگوریتمی رونمایی کردند که خطاهای آماری یا نویز تولید شده توسط بیت‌های کوانتومی یا کیوبیت‌ها را در معادلات سخت شیمی کاهش می‌دهد.

این الگوریتم که توسط پروفسور شیمی کلمبیا، دیوید رایشمن و پسادکتر جونهو لی به همراه محققان هوش مصنوعی گوگل کوانتوم ابداع شد، از حداکثر 16 کیوبیت در Sycamore، رایانه 53 کیوبیتی گوگل، برای محاسبه انرژی حالت پایه، پایین‌ترین حالت انرژی یک مولکول استفاده می‌کند. رایشمن گفت: «اینها بزرگترین محاسبات شیمی کوانتومی هستند که تا کنون بر روی یک دستگاه کوانتومی واقعی انجام شده است.

لی، که همچنین محقق مدعو در هوش مصنوعی گوگل کوانتوم است، گفت: توانایی محاسبه دقیق انرژی حالت پایه، شیمیدان ها را قادر می سازد تا مواد جدیدی تولید کنند. او گفت که از این الگوریتم می توان برای طراحی موادی برای تسریع تثبیت نیتروژن برای کشاورزی و هیدرولیز برای تولید انرژی پاک از جمله دیگر اهداف پایداری استفاده کرد.

این الگوریتم از یک مونت کارلو کوانتومی استفاده می کند، سیستمی از روش ها برای محاسبه احتمالات زمانی که تعداد زیادی متغیر تصادفی و ناشناخته در حال بازی هستند، مانند یک بازی رولت. در اینجا، محققان از الگوریتم خود برای تعیین انرژی حالت پایه سه مولکول استفاده کردند: هلیوسید (H4)، با استفاده از هشت کیوبیت برای محاسبه. نیتروژن مولکولی (N2)، با استفاده از 12 کیوبیت. و الماس جامد، با استفاده از 16 کیوبیت.

انرژی حالت زمین تحت تأثیر متغیرهایی مانند تعداد الکترون‌های یک مولکول، جهتی که در آن می‌چرخند و مسیرهایی که هنگام چرخش به دور یک هسته طی می‌کنند، قرار می‌گیرد. این انرژی الکترونیکی در معادله شرودینگر کدگذاری شده است. حل معادله در یک کامپیوتر کلاسیک با بزرگتر شدن مولکول ها به طور تصاعدی سخت تر می شود، اگرچه روش های تخمین راه حل این فرآیند را آسان تر کرده است. اینکه چگونه کامپیوترهای کوانتومی ممکن است مشکل مقیاس نمایی را دور بزنند یک سوال باز در این زمینه بوده است.

در اصل، کامپیوترهای کوانتومی باید قادر به انجام محاسبات به طور نمایی بزرگتر و پیچیده تر، مانند محاسبات مورد نیاز برای حل معادله شرودینگر باشند، زیرا کیوبیت های تشکیل دهنده آنها از حالت های کوانتومی بهره می برند. برخلاف ارقام باینری یا بیت‌ها که از یک و صفر تشکیل شده‌اند، کیوبیت‌ها می‌توانند در دو حالت به طور همزمان وجود داشته باشند. با این حال، کیوبیت‌ها شکننده و مستعد خطا هستند: هر چه کیوبیت‌های بیشتری استفاده شود، پاسخ نهایی دقیق‌تر است. الگوریتم لی قدرت ترکیبی کامپیوترهای کلاسیک و کوانتومی را برای حل موثرتر معادلات شیمی در حالی که اشتباهات کامپیوتر کوانتومی را به حداقل می رساند، مهار می کند.

لی گفت: «این بهترین هر دو جهان است. ما از ابزارهایی که قبلاً داشتیم و همچنین ابزارهایی که در علم اطلاعات کوانتومی پیشرفته به شمار می‌روند برای اصلاح شیمی محاسباتی کوانتومی استفاده کردیم.»

یک کامپیوتر کلاسیک می تواند بیشتر شبیه سازی مونت کارلو کوانتومی لی را انجام دهد. سیکامور برای آخرین و پیچیده ترین مرحله محاسباتی وارد می شود: محاسبه همپوشانی بین یک تابع موج آزمایشی — حدس زدن در توصیف ریاضی انرژی حالت پایه که می تواند توسط رایانه کوانتومی پیاده سازی شود — و یک تابع موج نمونه ، که بخشی از فرآیند آماری مونت کارلو است. این همپوشانی مجموعه ای از محدودیت ها را که به عنوان شرایط مرزی شناخته می شود، برای نمونه گیری مونت کارلو فراهم می کند، که کارایی آماری محاسبه را تضمین می کند.

رکورد قبلی برای حل انرژی حالت پایه از 12 کیوبیت و روشی به نام حل ویژه کوانتومی متغیر یا VQE استفاده می کرد. اما VQE اثرات برهمکنش الکترون‌ها را نادیده گرفت، یک متغیر مهم در محاسبه انرژی حالت پایه که الگوریتم کوانتومی مونت کارلو لی اکنون شامل می‌شود. لی گفت، افزودن تکنیک‌های همبستگی مجازی از رایانه‌های کلاسیک می‌تواند به شیمیدانان کمک کند تا با مولکول‌های بزرگ‌تر مقابله کنند.

محاسبات ترکیبی کلاسیک-کوانتومی در این کار جدید به اندازه برخی از بهترین روش‌های کلاسیک دقیق هستند. این نشان می دهد که مشکلات را می توان با دقت و/یا سریعتر حل کرد با یک کامپیوتر کوانتومی نسبت به بدون – یک نقطه عطف کلیدی برای محاسبات کوانتومی. لی و همکارانش به اصلاح الگوریتم خود برای کارآمدتر کردن آن ادامه خواهند داد، در حالی که مهندسان برای ساخت سخت افزار کوانتومی بهتر تلاش می کنند.

لی گفت: «امکان سنجی حل مشکلات شیمیایی بزرگتر و چالش برانگیزتر با گذشت زمان افزایش می یابد. این به ما امیدواری می دهد که فناوری های کوانتومی که در حال توسعه هستند عملاً مفید باشند.»

منبع داستان:

مواد تهیه شده توسط دانشگاه کلمبیا. نوشته اصلی توسط الن نف. توجه: محتوا ممکن است برای سبک و طول ویرایش شود.



منبع

Matthew Newman

Matthew Newman Matthew has over 15 years of experience in database management and software development, with a strong focus on full-stack web applications. He specializes in Django and Vue.js with expertise deploying to both server and serverless environments on AWS. He also works with relational databases and large datasets
[ Back To Top ]