量子计算机正变得越来越大，但仍少有实用的方法来利用它们额外的计算能力。为了克服这一障碍，国外研究团队正在设计一种算法以简化从经典计算机到量子计算机的过渡。在《Nature》期刊上的一项新研究中，研究人员公布了一种算法，该算法可减少处理化学方程式时由量子比特产生的统计误差或噪声。

该算法由哥伦比亚大学化学教授David Reichman和博士后Joonho Lee与谷歌Quantum AI的研究人员共同开发，在谷歌的53量子比特计算机“Sycamore”上使用多达16个量子比特来计算基态能量——即分子的最低能量状态。Reichman说：“这些是在真正的量子设备上进行的最大的量子化学计算。”

Lee表示，准确计算基态能量的能力将使化学家能够开发新材料，他也是谷歌Quantum AI的访问研究员。他说，该算法可用于设计材料以加快农业领域中固氮和制造清洁能源的水解反应，以及用于其他可持续的发展目标。

该算法使用了量子蒙特卡罗方法，这是一种计算概率的方法系统，可用在当有大量随机的未知变量在起作用时。在这里，研究人员使用他们的算法来确定了三个分子的基态能量：Heliocide(H4)，使用了8个量子比特进行计算；氮分子(N₂)，使用12个量子比特；钻石晶体中的碳原子，使用了16个量子比特。

基态能量容易受变量的影响，例如分子中电子的数量、它们旋转的方向以及围绕原子核运行时所采用的路径。这种电子能量被编码在薛定谔方程中。随着分子的变大，在经典计算机上求解该方程变得更加困难，尽管估计解的方法使这个过程变得更容易。量子计算机如何规避指数缩放问题一直是该领域的一个悬而未决的问题。

理论上，量子计算机可以处理指数级的更大和更复杂的计算，例如求解薛定谔方程所需的计算，因为组成它们的量子比特利用了量子态。与由1和0组成的二进制数字(经典比特)不同，量子比特可以同时以两种状态存在。然而，量子比特是脆弱且容易出错的：使用的量子比特越多，最终的答案就越不准确。Lee的算法利用了经典计算机和量子计算机的综合能力，能更有效地求解化学方程式，同时最大限度地减少量子计算机的错误。

Lee说：“这是两全其美的方法，我们利用我们已经拥有的工具以及被认为是量子信息科学中最先进的工具来改进量子计算化学。”

经典计算机可以处理Lee的大部分量子蒙特卡罗模拟。Sycamore量子处理器则跳到了最后，去计算最复杂的步骤：计算试验波函数(对量子计算机可实现基态能量的数学描述的猜测)和样本波函数之间的重叠，这是蒙特卡罗统计过程的一部分。这种重叠为蒙特卡罗采样提供了一组约束(被称为边界条件)，从而能确保计算的统计效率。

解决基态能量的之前记录使用了12个量子比特和一种被称为变分量子本征求解器(VQE)的方法。但VQE忽略了相互作用电子的影响，这是Lee的量子蒙特卡罗算法现在包含的计算基态能量的一个重要变量。Lee说，从经典计算机中添加虚拟关联技术可以帮助化学家处理更大的分子。

发现这项新工作中的混合经典量子计算与一些最好的经典方法一样准确。这表明使用量子计算机可以比没有量子计算机的能更准确和(或)更快地解决问题——这是量子计算的一个关键里程碑。Lee和他的同事将继续调整他们的算法以提高效率，而工程师们则致力于构建更好的量子硬件。

Lee说：“解决更大和更具挑战性的化学问题的难度只会随着时间的推移而增加。这种方法给了我们希望，正在开发的量子技术将具有实际的用途。”（编译:Qtech）