混合量子-经典计算方法，如变分量子本征求解器，已被设计为解决量子化学问题有希望的解决方案。但该计算方法面对着因理论复杂性和实验不完善所带来的挑战，在实现可靠和准确结果方面被限制。因此，求解电子结构的实验工作，仍然局限于不可扩展或经典可模拟的假设，或者局限于几个具有较大误差的量子比特。
6月11日，中国科学技术大学郭少军、钱浩然、龚明、朱晓波、潘建伟等与北京大学孙金钊、袁骁等，完成了使用噪声量子处理器解决分子电子结构相关的关键挑战。研究人员在实验协议中，提升了电路深度和运行时间，这是化学模拟的关键指标。通过系统的硬件增强和错误缓解技术的整合，研究人员克服了理论和实验的限制，并成功地将VQE算法扩展到了12个量子比特，实现了大约两个数量级的误差抑制。相关成果以“Experimental quantum computational chemistry with optimized unitary coupled cluster ansatz”为题发表于nature physics。
量子计算化学已经引发了大量的理论研究和实验探索。特别是变分量子算法，由于它们能够在较少的量子门操作下执行任务，被认为是一种有前景的近期解决方案。尽管理论上具有潜力，但量子计算化学的发展面临着一系列复杂的挑战，这些挑战源自于分子系统的内在复杂性以及现有量子处理器的技术限制。
首先，分子系统的复杂性要求大量的量子资源来进行精确模拟，这包括大量的量子门操作、频繁的测量以及较长的算法运行时间。这些需求对于目前量子计算机的性能来说，是一项艰巨的任务。
其次，量子门计数的高要求对量子硬件提出了巨大的挑战，因为当前的量子处理器在量子门操作数量上存在明显限制。现有量子处理器的噪声问题也严重影响了量子比特状态的稳定性，进而影响了计算结果的准确性。
此外，量子化学模拟的可扩展性问题也是一个难题，目前的实验多限于小规模系统，难以扩展到更复杂的大分子模拟。量子化学模拟还需要达到化学精度，即误差控制在1.6 milli-hartree 以内，这对于算法的精确性和量子硬件的性能都提出了极高的要求。
为了克服这些挑战，研究者们需要在多个方面进行努力。改进量子算法，优化量子资源的使用，增强量子硬件的性能，以及开发有效的错误缓解技术，都是推动量子计算化学发展的关键。
在本研究中，研究团队通过一系列创新的技术和策略来克服量子计算化学中的挑战。这些方法的核心在于系统性硬件增强和错误缓解技术的整合，旨在提升量子算法的性能和结果的准确性。
超导量子处理器上变分量子本征求解器（VQE）的示意图，显示了器件、量子电路、测量和误差抑制
研究者们采用了变分量子本征求解器（VQE）作为解决量子化学问题的主要算法框架。VQE是一种混合量子-经典算法，它通过在量子处理器上准备参数化的量子态，然后使用经典优化器来更新这些参数，以最小化能量期望值。这种方法能够有效地找到分子基态的近似解。
为了提高VQE的性能，研究者们设计了一种优化的酉耦合簇（UCC）ansatz，这是一种用于描述量子态的表达式，可以有效地处理分子电子结构的激发和去激发过程。通过精心选择满足对称性约束的算符，研究者们构建了一个更为紧凑的量子电路，减少了量子门的数量，从而降低了由于量子门操作引入的误差。
在量子计算化学的实验中，硬件优化是确保高精度结果的关键之一。研究者们在“祖冲之 2.0”超导量子处理器上进行了系统性的硬件增强，以提高量子算法的性能和结果的准确性。
他们首先从66个量子比特中精选了12个高质量的量子比特，这些量子比特在相干时间、噪声水平和操作保真度方面表现优异。
算法的实验优化与实现
接着，研究者们对单量子比特门进行了优化。通过精确的校准和调整，他们提高了这些门的操作速度和准确性，减少了操作过程中可能引入的错误。其中，受控相位（CZ）门是实现两量子比特间相互作用的关键量子门，对于构建复杂的量子算法至关重要。研究者们通过优化CZ门的实现方式，比如调整脉冲形状、幅度和相位，以及优化量子比特间的耦合强度，显著提高了CZ门的保真度。
需要注意的是，读出性能的优化同样关键，任何读出过程中的误差都会影响到最终的测量结果。研究者们通过改进读出电路的设计和调整读出信号的处理方法，降低了读出误差，提高了测量结果的准确性。
不同分子的势能曲线的变分量子本征求解器（VQE）模拟
在软件优化部分，研究者们采用了先进的错误缓解技术，如动态解耦、基本操作的校准实现、读出错误缓解（REM）、Clifford拟合（CF）、有效对称性验证（SV）和连接矩展开（CMX）。这些技术的应用显著降低了实验中的误差，提高了结果的准确性。
其中，读出错误缓解（REM）技术针对测量过程中的热噪声进行了优化，通过应用校准矩阵的逆来校正测量结果。Clifford拟合（CF）方法通过学习噪声和理想期望值之间的映射关系，来减轻两量子比特Clifford门的错误。有效对称性验证（SV）通过额外测量来确保能量估计的准确性。连接矩展开（CMX）则是一种后处理程序，通过展开式来进一步纠正估计的能量。
这些优化措施共同作用，显著提高了量子处理器的整体性能，减少了由于硬件不完美带来的误差。这为实现高精度的量子化学模拟提供了可能，使得研究者们能够在量子处理器上执行复杂的量子算法，并获得了可靠的实验结果。
随着系统规模增大的资源估算和误差分析
研究者们还开发了一种创新的量子状态测量和经典后处理方法，以提升量子计算化学实验的效率。量子状态测量方法通过利用目标可观测量与量子比特的兼容性，减少了所需的测量基数。这样的并行测量策略显著降低了实验的运行时间和资源消耗。研究者们运用经典后处理技术对测量结果进行深入分析，进一步提高了结果的准确性。这包括对数据的统计处理和误差校正，确保即使在有噪声的情况下，也能获得可靠的量子化学模拟结果。
实验结果显示，通过这些方法，研究者们实现了对H2、LiH和F2分子基态能量的高精度计算。通过这些方法，他们成功地将VQE算法扩展到了12个量子比特，并且实现了大约两个数量级的误差抑制。这一进展不仅证明了量子计算机在模拟分子系统方面的优势，而且为未来更大规模和更复杂的量子化学模拟提供了可能。
这项研究展示了量子算法与量子硬件之间的协同发展。通过硬件优化和算法创新，研究者们克服了现有量子处理器的局限性，推动了量子计算化学的实验研究向前迈出了坚实的一步。
随着量子硬件技术的不断进步和量子算法的进一步完善，量子计算化学有望在药物设计、材料科学和化学反应模拟等领域发挥重要作用，为科学研究和工业应用带来革命性的变化。
该论文是由中国科学技术大学和北京大学的研究人员共同撰写。其中，论文一作作者包括中国科学技术大学合肥国家微尺度物质科学研究中心和物理科学学院郭少俊、钱浩然、龚明与北京大学计算前沿研究中心孙金钊，四人对论文的贡献相同。通讯作者为北京大学计算前沿研究中心袁骁、中国科学技术大学合肥国家微尺度物质科学研究中心和物理科学学院朱晓波与潘建伟(排名不分先后)。论文还有中科大与北大的其他研究人员共同参与。
潘建伟
潘建伟，1999年获奥地利维也纳大学实验物理博士学位。中国科学技术大学教授，中国科学院院士，量子科学实验卫星先导专项首席科学家。潘建伟教授主要从事量子光学、量子信息和量子力学基础问题检验等方面的研究。作为国际上量子信息实验研究领域的开拓者之一，他是该领域有重要国际影响力的科学家。潘建伟在包括Nature (10篇)、Nature Physics (5篇) 、Nature Photonics (5篇)、PNAS (2篇)、Physical Review Letters (44篇) 在内的国际重要学术刊物上发表SCI论文110余篇，共被SCI引用8000余次。其研究成果曾多次入选英国《自然》杂志评选的年度重大科学事件、美国《科学》杂志评选的“年度十大科技进展”等。
朱晓波
朱晓波，2003年博士毕业于在中国科学院物理研究，2003年-2008年留所工作，2008年-2013年加入日本NTT基础物性研究所超导量子计算和线路小组。2013年进入中科院物理所工作。2016年加入中国科技大学，任教授。主要从事可扩展超导量子计算的研究。先后创造了超导量子比特最大纠缠数目纪录。以一作或（共同）通讯作者在Nature，Science，Nature Physics，Physical Review Letters，Nature Communications主要顶级期刊发表论文十余篇。
袁骁
袁骁博士，现任北京大学前沿计算研究中心助理教授，博士生导师，北京大学博雅青年学者，于2020年11月正式加入中心。他于2012年和2016年分别在北京大学和清华大学获学士、博士学位，之后于2017年、2017-2019年、2019-2020年分别在中国科学技术大学、牛津大学、斯坦福大学进行博士后研究。研究兴趣包括量子计算、量子信息、量子资源理论等。截至2024年1月，袁骁博士在物理领域顶级国际会议及期刊发表论文87篇。加入中心后，袁骁博士创立量子模拟和量子信息实验室，该实验室的研究方向包括量子模拟算法设计、量子机器学习、量子基础理论等。
当我们回顾中国科学技术大学与北京大学在量子研发领域的合作历程时，不难发现，这并非他们第一次携手并进。在2023年的两个团队合作研究中，他们实现了世界最大规模的51比特量子纠缠态！
2023年7月，中国科学技术大学中国科学院量子信息与量子科技创新研究院潘建伟、朱晓波、彭承志等组成的研究团队与北京大学袁骁合作，成功实现了51个超导量子比特簇态制备和验证，刷新了所有量子系统中真纠缠比特数目的世界纪录，并首次实现了基于测量的变分量子算法的演示。
该工作将各个量子系统中真纠缠比特数目的纪录由原先的24个大幅突破至51个，充分展示了超导量子计算体系优异的可扩展性，对于多体量子纠缠研究、大规模量子算法实现以及基于测量的量子计算具有重要意义。相关研究成果以“Generation of genuine entanglement up to 51 superconducting qubits”为题发表在国际学术期刊nature。
值得注意的是，中国科学技术大学潘建伟教授和朱晓波教授领导的团队最近还取得了重要研究成果。
2024年5月16日，中国科学技术大学潘建伟、包小辉、张强等首次采用单光子干涉在独立存储节点间建立纠缠，并以此为基础构建了国际首个基于纠缠的城域三节点量子网络。该工作使得现实量子纠缠网络的距离由以往的几十米整整提升了三个数量级至几十公里，为后续开展盲量子计算、分布式量子计算、量子增强长基线干涉等量子网络应用奠定了科学与技术基础。相关研究成果以“Creation of memory–memory entanglement in a metropolitan quantum neTWork”为题发表在国际学术期刊nature。
总之，当中国科学技术大学与北京大学在这一前沿科学领域的共同努力，不仅推动了我国量子科学的发展，也为全球量子技术的进步贡献了中国智慧和中国力量。
在未来，我们期待两校能够继续深化合作，共同面对量子科学领域的挑战和机遇。通过跨学科的研究和教育，培养更多的量子科技人才，推动量子技术的创新和应用，为实现科技自立自强和建设科技强国贡献更大的力量。
可以说, 目前Google、IBM、华为、腾讯、阿里巴巴等高新技术企业斥巨资投资量子计算, 加快量子科技落地转化为实用技术。其中, 量子计算化学是量子科技走向实用化的重要应用场景之一, 这需要不同的学科交叉融合和共同探究, 从而推动量子计算化学从简单的数值求解到复杂的化学反应过程的模拟的转变, 最终实现指导材料设计和药物开发等领域的发展与创新。
“我们目前正在使用化学问题来推进量子计算，而不是使用量子计算来推进化学，”Quantinuum的战略主管Chad Edwards说。PASQAL的量子物理学家Louis-Paul Henry表示同意，PASQAL是一家位于巴黎的中性原子量子计算初创公司，也专注于化学领域。越来越多的公司开始谈论量子计算化学的应用，并关注与实际应用相关的棘手问题。”
其中，量子计算化学在材料与药物的设计等方面具有明显优势, 大大降低了新材料与新药物的实验研发成本, 体现出基于经典计算的巨大作用 。但是, 大规模和高精度经典计算仍需大力发展。量子计算化学为实现精确的化学和材料模拟提供了新的解决方案。通过操纵物质的量子态并利用它们的量子叠加与纠缠等特性, 量子计算机有望大大提高化学和材料计算的效率, 尤其在金属催化剂设计、蛋白质环境中药物小分子筛选等。
值得关注的是，短期内，量子计算可能会对药物开发产生最大的影响。如今，开发一种新药平均需要12年时间，成本超过20亿美元。Chad Edwards说，制药公司正在寻找他们在寻找下一个大片时可以获得的任何优势。罗氏（Roche）、辉瑞（Pfizer）、默克（Merck）、渤健（Biogen）和其他行业巨头已经与量子计算公司建立了早期的合作伙伴关系，希望这项新技术能够加速发现。“我绝对相信它即将到来，”药物开发商ProteinQure的研发负责人Mark Fingerhuth说。
其中一些公司已开始产生初步成果。2023年9月，PASQAL和Qubit Pharmaceuticals的研究人员发布了一份预印本，描述了一种跟踪蛋白质周围水分子的混合方法，该方法可以指示药物结合口袋的位置。研究人员首先通过使用经典算法来跟踪称为主要尿蛋白-1（MUP-1）的肝脏蛋白中和周围的水分子密度，该蛋白属于一类被认为不可成药的蛋白质。然后，他们使用PASQAL的量子计算机来确定MUP-1潜在药物结合口袋中水分子的特定位置，为使用相同的方法来识别与疾病有关的蛋白质的可成药靶标奠定了基础。
早期工作只是对更大更好的机器可能带来的事物的一种体验。谷歌和IBM的路线图表明，科学家将很快拥有数十万个量子比特。Quantinuum表示，它即将发布一种新的量子芯片，在赛道上换取一个更大的2D网格，可以处理更多的高保真离子量子比特。化学家寄予厚望。“我们认为在加速化学和药物发现方面还有很多工作要以这种方式去做，”Bilodeau说。“我们正处于拐点。”量子计算领域本身也将受益，因为其他领域的研究人员看到，这种奇特的技术具有脚踏实地的回报。“一旦量子计算能力得到提高，它将成为药物发现不可或缺的一部分，”Insilico Medicine Canada总裁Petrina Kamya说。“它将继续存在。”
尽管量子计算化学的广泛应用化时间难以精确预测，但我们已经看到相关试验成果，相信在不久的将来，通过持续的量子科技进步和跨领域科学家的通力合作，这一天会尽快到来。不过在此之前，我们还需解决一系列关键科学问题。
在量子计算化学领域需要着力解决的关键科学问题包括:
结合量子计算机的特点设计量子计算化学新理论与新算法，充分利用量子计算的潜力，与人工智能相结合，研究解决化学与材料科学中富有挑战性的典型科学问题, 最终实现量子计算在理论化学领域中的应用。
针对当前含噪的中型量子计算平台，设计误差缓解的量子计算化学算法，降低量子线路的深度， 同时结合分块的理念降低量子线路的规模，压制噪声对量子模拟的影响， 使其能够用来解决现实中实际体系的化学问题。
通过引入先进的数学物理方法结合高性能计算提升量子模拟器的计算能力，同时发展新算法提升经典计算的能力边界， 研究容错量子计算机在解决理论化学问题时的潜在优越性。
https://www.nature.com/articles/s41567-024-02530-z
https://arxiv.org/abs/2207.14142
https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.128.160502
https://www.science.org/doi/10.1126/science.ado3912
https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.129.030501
