CN111599414B - 一种基于量子计算机的全量子分子模拟方法 - Google Patents
一种基于量子计算机的全量子分子模拟方法 Download PDFInfo
- Publication number
- CN111599414B CN111599414B CN202010220433.3A CN202010220433A CN111599414B CN 111599414 B CN111599414 B CN 111599414B CN 202010220433 A CN202010220433 A CN 202010220433A CN 111599414 B CN111599414 B CN 111599414B
- Authority
- CN
- China
- Prior art keywords
- quantum
- state
- molecule
- hamiltonian
- computer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012900 molecular simulation Methods 0.000 title claims abstract description 24
- 230000005283 ground state Effects 0.000 claims abstract description 31
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 22
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 239000002096 quantum dot Substances 0.000 claims description 23
- 239000000126 substance Substances 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 239000000463 material Substances 0.000 claims description 12
- 230000015654 memory Effects 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 238000003786 synthesis reaction Methods 0.000 claims description 5
- 241001436679 Adama Species 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 abstract description 9
- 238000013459 approach Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 10
- 230000008901 benefit Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 230000007704 transition Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000005428 wave function Effects 0.000 description 3
- 238000004965 Hartree-Fock calculation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 239000003337 fertilizer Substances 0.000 description 2
- AYBCUKQQDUJLQN-UHFFFAOYSA-N hydridoberyllium Chemical compound [H][Be] AYBCUKQQDUJLQN-UHFFFAOYSA-N 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 229920002521 macromolecule Polymers 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 230000005610 quantum mechanics Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004001 molecular interaction Effects 0.000 description 1
- 239000002547 new drug Substances 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 238000004869 quantum mechanical method Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001308 synthesis method Methods 0.000 description 1
- 229920002994 synthetic fiber Polymers 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/50—Molecular design, e.g. of drugs
Landscapes
- Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Crystallography & Structural Chemistry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Medicinal Chemistry (AREA)
- Pharmacology & Pharmacy (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供了一种基于量子计算机进行全量子分子模拟方法。包括：给定分子中原子的几何坐标，计算分子哈密顿量，并将分子哈密顿量预处理为希尔伯特空间的比特哈密顿量；利用量子梯度下降的算法构造量子线路，在量子计算机上执行量子线路图，初始量子态经过量子线路会得到量子末态；量子末态会趋近哈密顿量的基态，不断进行迭代从而求得比特哈密顿量的基态和基态能量，这些信息可以确定分子的绝大部分性质。
Description
技术领域
本发明涉及量子计算和量子化学领域，尤其涉及一种基于量子计算机的全量子分子模拟方法。
背景技术
高效的分子模拟对从生物分子制药到能源等领域都具有潜在巨大价值。研制一种新药，平均花费10-12年时间，耗资约14亿美元。一般制药行业的研发费用占企业销售额的10％。在能源领域，比如太阳能电池的研发，占全球能源使用量的2％的化肥生产中，分子模拟也占有重要地位，寻找高效转化效率的太阳能电池和低能耗的化肥合成方法对能源和环境的影响是非常深刻的。
分子模拟属于量子化学的重要组成部分,量子化学里的核心问题就是对分子相互作用的精确建模，即找到化学反应的最佳结构。但这种问题十分复杂，当前的数字计算机能够分析的只是最简单的分子,迄今为止，没有高效的经典算法解决该问题。
量子计算，自从20世纪八十年代被提出以来，一直得到了广泛的研究和关注。由于量子叠加和量子纠缠的存在，量子计算具有并行的优势，利用量子优势进行量子算法设计可以对于一些经典问题的求解达到加速，比如二十世纪九十年代中后期提出的Shor算法能够对于大数质因数分解这个问题存在指数的加速，Grover算法能够在数据空间搜索中相对于传统算法存在着多项式的加速。
相对而言，在量子化学和分子制药领域，量子计算机具有天然的适用性和巨大优势，其原因在于化学反应本质上是量子化的，因为它们形成高度纠缠的量子叠加状态，充分开发的量子计算机即使模拟最复杂的过程也不会有困难。2017年IBM Q团队在量子模拟领域取得了重大的进展，他们利用量子计算机推导了氢化铍(BeH2)分子的最低能量状态。这是迄今为止量子计算机所能模拟的最大分子。该研究成为了《自然》杂志那一期的封面文章。
然而,现有利用量子计算进行分子模拟的方法也有缺点。它们大部分是利用经典计算机和量子计算机的混合计算，比如目前常用的变分本征求解器(VQE)，VQE使用量子计算机在某个量子初态下对分子哈密顿量进行测量，但是需要利用经典计算机求解梯度，然后再不断更新量子初态反复测量，直到找到测量的最小值，就是分子基态能量。这样的方法在计算过程需要经典计算机和量子计算机不断的进行数据交互，其计算复杂度较高。
发明内容
本发明的实施例提供一种基于量子计算机的分子模拟方法，相较于经典计算机的数值模拟，其在量子计算机处理过程中不需要经典计算机来辅助求解梯度，因此计算复杂度能够显著降低。随着量子计算机发展成熟，利用该技术路线能够模拟大分子，研究其化学性质，进一步地，能够进行分子材料的合成模拟与性质预测。
本发明为解决上述技术问题采用的技术方案为，一方面提供一种量子化梯度下降算法的方法，所述方法包括：
以存储在一个量子存储器中的若干量子比特作为执行计算的工作系统,以存储在另一个量子存储器中的若干量子比特作为执行计算的辅助系统；
将所述工作系统的初态，使其表示待求解量梯度下降前的状态；
将所述辅助系统制备为一种叠加态；
根据所述辅助系统的状态，对工作系统施加量子逻辑门操作，建立所述工作系统和辅助系统的量子纠缠；
对辅助系统进行阿达马门操作，使得辅助系统处于|0〉状态；
测量所述辅助系统处于|0〉状态时工作系统所处的量子末态；
输出所述工作系统所处的量子末态。
优选地，所述方法还包括，在所述将所述工作系统的初态制备为一种哈特里-福克态之前，将所述工作系统编码为一种哈特里-福克态。
优选地，所述将所述辅助系统制备为一种叠加态，包括，对所述辅助系统施加阿达马门操作，使之处于一种叠加态。
优选地，所述对工作系统进行量子逻辑门操作中，所述量子逻辑门包括：泡利X门、泡利Y门、泡利Z门。
优选地，所述对工作系统施加量子逻辑门操作，包括，维持工作系统的状态不变。
第二方面，提供一种全量子分子模拟方法，所述全量子分子模拟方法基于一种量子计算机，所述方法包括：
根据分子中原子坐标，求出所述分子的费米哈密顿量；
将所述哈密顿量映射为希尔伯特空间的比特哈密顿量；
求得分子的哈特里-福克态，将所述量子计算机中量子比特的初态制备为所述分子的哈特里-福克态；
根据权利要求1所述的方法生成梯度下降量子线路；
根据所述量子比特的初态，通过所述梯度下降量子线路，进行若干次梯度下降迭代直到所述梯度下降量子线路输出的量子末态收敛到所述分子的基态；
测量所述量子末态下分子的哈密顿量期望值，获得分子的基态能量。
优选地，所述方法还包括：
根据所述分子的基态能量、以及电子结构，预测分子的基本化学性质；所述预测分子的基本化学性质，包括，预测分子的化学反应速率；
利用所述分子的基本化学性质，筛选、组合新分子材料，以及对新分子材料进行性能预测。
第三方面，提供一种量子化分子模拟设备，所述装置包括：
预处理单元，配置为计算分子的哈密顿量；
量子计算单元，配置为制备量子比特为根据所述分子的哈密顿量求得的哈特里-福克态，执行权利要求1所述的方法的梯度下降量子线路，获得量子比特末态，测量所述量子末态下分子的哈密顿量期望值，获得分子的基态能量；
分子材料合成筛选单元，用于根据所述分子的基态能量，计算分子的化学性质，预测合成材料属性。
第四方面，提供一种量子计算机，包括被配置为实现第一、第二方面的方法的一个或多个量子电路。
第五方面，提供一种计算机可读介质，包括存储于其上的计算机可执行指令，其中所述计算机可执行指令当在量子计算机上执行时使得所述量子计算机执行第一、第二方面的方法。
附图说明
为了更清楚说明本发明实施例的技术方案，下面将对实施例描述中所需使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种量子化梯度下降算法的方法的流程图；
图2为本发明实施例提供的一种全量子分子模拟方法的流程图；
图3为本发明实施例提供的一种梯度下降量子线路的示意图；
图4为本发明实施例提供的一种量子化分子模拟设备的结构图；
图5为本发明实施例提供的量子比特示意图；
图6为本发明实施例提供的量子操作门示意图；
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如前所述，利用量子计算机进行分子模拟具有计算效率高的优点，本发明为利用这种优势提供一种利用量子态的演化代替经典梯度下降算法中的梯度下降，从而将经典梯度下降算法量子化的方法，同时将其用于分子模拟，根据分子哈密顿量的求取其基态和基态能量，从而获得分子的基本性质。
图1为本发明实施例提供的图1为本发明实施例提供的一种量子化梯度下降算法的方法的流程图。如图所示，该方法的流程至少包括：
步骤11，以存储在一个量子存储器中的若干量子比特作为执行计算的工作系统,以存储在另一个量子存储器中的若干量子比特作为执行计算的辅助系统。
量子计算机相对于传统计算机最主要的区别是：传统计算机中以0和1来编码数据，量子计算机采用量子叠加态α|0>+β|1>来进行编码，其中α和β都是复数，且|α|2+|β|2＝1，即为量子振幅。量子比特是量子计算中最基本的信息单元，如图5所示，即是一个量子比特。
一般而言，量子计算即对于多个量子比特进行初始化，然后进行一系列幺正操作(对应于实际体系脉冲操作)，然后进行测量分析的过程。量子算法为运行在量子计算机上面的算法，具体表现为对于量子比特的一系列操作门。量子算法可以用量子线路图来进行表示。
图6所示，是一个单比特酉操作门和一个两比特控制酉操作门。单比特酉操作门和两比特控制酉操作门的集合就是基本门操作。量子的基本门操作在数学可以定义为一个幺正算符，具体即对于量子比特的演化操作，其改变量子态的方式可以由该幺正算符描述。比如：阿达马(Hardmard)门：即矩阵表示为
的量子门，或叫量子逻辑门。
量子寄存器或量子存储器是具有存储量子比特的集合的能力的装置。在不同的实施例中，量子比特的具体实现可以基于不同种类的量子。相应的，容易知道，在不同的实施例中，量子寄存器或量子存储器也可以基于不同实现方式。上述量子比特基于不同种类的量子，以及不同的量子寄存器或量子存储器实现方式并不超出本发明精神和原则的范围，其得到的技术效果也未超出本发明的方法欲使其达到的，均应属于本发明的保护范围之内。
步骤12，制备所述工作系统的初态，使其表示使其表示待求解量梯度下降前的状态。在一个实施例中，制备所述工作系统的初态，使其表示一种分子的哈特里-福克态。该实施例中，目的是从分子的一种状态经过梯度下降求得分子的基态，因此将工作系统的初态设定为表示该分子状态梯度下降前的状态，即哈特里-福克态。
在利用量子力学方法具体到研究多原子结构时,通常利用哈特里-福克理论(Hartree-Fock Thoery)，原因在于此条件下的计算薛定谔方程中电子之间的相互作用项无法进行变数分离,因此原子体系薛定谔方程无法分离成单电子的薛定谔方程。对于上述问题，哈特里-福克理论的解决方法是采用中心力场近似,将每个电子看成是处在核和以核为中心的其它电子构成的场中间运动,因此只要知道其它电子的波函数,就可以近似构建出单电子的薛定谔方程。在上述思想的基础上使用自洽场方法(SCF)可以推导出原子体系电子的波函数，结合Pauli不相容原理(总波函数必须是反对称的)，而得到哈特里-福克方程(Hartree-Fock equation),这是一般量子化学分析和计算的基础。哈特里-福克态为从哈特里-福克理论的视角下微观粒子所处于的一种状态。
为了使量子计算机解决特定的计算问题，需要根据该特定问题制备量子计算机中量子比特的初态。在另一个实施例中，制备所述工作系统的初态，使其表示一种分子的哈特里-福克态包括，将工作系统的初态制备为一种表示分子的哈特里-福克态的编码。
步骤13，将辅助系统制备为一种叠加态。
具有叠加态是量子比特与经典计算机的信息单元比特的主要区别之一，将辅助系统制备为叠加态的意义在于来使其具有表现复杂状态的能力。阿达马门是只对一个量子比特进行操作的逻辑门，该逻辑门可以实现对|0〉或者|1〉进行操作，然后成为叠加态。
在一个实施例中，对辅助系统施加阿达马(Hadamard)门操作，使之处于一种叠加态。
步骤14，根据辅助系统的状态，对工作系统施加量子逻辑门操作，建立所述工作系统和辅助系统的量子纠缠。
量子纠缠(quantum entanglement)指的是，当几个量子在彼此相互作用后，各自粒子所拥有的特性集合成为整体性质，当对其中一个量子进行作用后，其影响可以瞬间反映到其余的量子。由于这种瞬间反映在相当大的距离上亦不影响其发生，因此将这种效果用于量子计算，可以提高并行计算的效率。
本发明的方案建立量子纠缠的方法是在量子逻辑门操作层级的描述，对于量子逻辑门操作本身的实现，在不同的实施例中，可以具有不同的具体方式，量子逻辑门操作本身基于不同的实现方法并不超出本发明精神和原则的范围，其得到的技术效果也未超出本发明的方法预使其达到的，均应属于本发明的保护范围之内。
在一个实施例中，所述量子逻辑门包括：泡利X门、泡利Y门、泡利Z门。
在另一个实施例中，对工作系统施加量子逻辑门操作，包括，维持工作系统的状态不变。
步骤15，对辅助系统进行阿达马门操作，使得辅助系统处于|0〉状态。
|0〉是表示量子状态中两个“纯本征态”之一，所谓“纯本征态”是相对于叠加而言的。进一步说，一个量子的叠加态，可以写成两个本征态的线性混合叠加。
容易推断，由于在步骤14中已经建立了工作系统和辅助系统的纠缠，此时对辅助系统进行的逻辑门操作，会瞬时影响到工作系统的状态。
步骤16，测量所述辅助系统处于|0〉状态时工作系统所处的量子末态。
所谓量子初态和末态，物理上是指量子跃迁前后不同的状态，量子跃迁之前的状态称为初态，跃迁之后的状态称为末态。微观状态下，量子从一个状态到另一个状态的变化常常是跳跃式的，而量子跃迁是指的量子这种跳跃式变化的过程。比如：电子在光的照射下从高(低)能级跳到低(高)能级，就是一种典型的量子跃迁。
在本发明中，由于辅助系统在步骤15中所被施加的量子逻辑门操作，其状态发生了变化，又由于辅助系统和工作系统的纠缠关系，此时工作系统的状态亦发生变化，工作系统变化后状态即其量子末态。
步骤17，输出所述工作系统所处的量子末态。
此时工作系统的量子末态即为表现一次梯度下降过程的结果的量子态。
上述表现梯度下降过程的结果的量子态还可以表现为以下数学形式：
公式(1)定义了一种量子态的演化，其可以起到与经典梯度下降算法中一次梯度下降迭代的同等作用，因此利用公式(1)，可以将经典梯度下降算法以量子计算方法替代，从而利用量子计算带来的效率优势。
公式(1)中，|X(t+1)〉表示一次演变之后的量子态，|X(t)〉表示一次演变之前的量子态，
表示泡利(Pauli)矩阵的乘积，βi为计算系数,M为操作的数量。
图3为本发明实施例提供的一种梯度下降量子线路的示意图。在图3所示的实施例的量子线路中，|x>和|ψs>分别表示工作系统和辅助系统的初始状态。0、1……M-1表示控制门操作后辅助系统，
表示泡利(Pauli)矩阵的乘积，即各类泡利门操作。HM表示M个基本的阿达马(Hadamard)门。在工作系统的初态|x>为一种HF态条件下，然后经过中间的辅助系统|ψs>控制的门操作，使两个系统纠缠起来，然后对辅助系统进行阿达马门操作，之后测量辅助系统处于|0〉的时候工作系统的末态，所述工作系统的末态即为公式(1)中|X(t+1)〉的量子态，从而实现了梯度下降的过程。
图2为本发明实施例提供的一种全量子分子模拟方法的流程图。如图所示，该方法至少包含以下步骤：
步骤21，根据分子中原子坐标，求出所述分子的哈密顿量；
哈密顿量是一种表示物理系统能量的量子力学算子，其对应于系统中所有粒子的动能加势能之和，多数情况下，即为该物理系统的总能。通常用H表示。
在一个实施例中，根据分子里的原子坐标设定，通过计算化学软件Openfermin，求出分子的哈密顿量。在另一个实施例中，所述哈密顿量包括费米哈密顿量。
步骤22，将所述哈密顿量映射为希尔伯特空间的比特哈密顿量；
希尔伯特空间是一个具有内积的向量空间，其符合空间完备性且可以具有无限的维度。量子力学中，通常以用希尔伯特空间的矢量|ψ>描写微观系统的状态，称之为态矢量或态函数。以及用希尔伯特空间的线性厄米算子表示微观系统的物理量，该物理量的可能取值是相应算子的本征值。
该步骤中，将哈密顿量映射为希尔伯特空间的量子比特形式的哈密顿量是为了方便利用量子计算机进行计算。
步骤23，根据所述哈密顿量，求得分子的哈特里-福克态，根据所述分子的哈特里-福克态制备量子计算机中量子比特的初态。
对量子计算机中量子比特的初态进行制备的作用是使得量子计算机能够针对特定的问题进行计算。
在一个实施例中，还可以根据所述哈密顿量，求得分子的其他与分子基态具有重合(overlap)的状态，并根据其制备量子计算机中量子比特的初态。
步骤24，根据图1所示的方法生成梯度下降量子线路。
前面已经叙述了图1所示的方法用来量子化经典的梯度下降算法，这里不再赘述。
步骤25，根据步骤23中得到的量子比特的初态，通过步骤24生成的梯度下降量子线路，进行若干次梯度下降迭代直到所述梯度下降量子线路输出的量子末态收敛到分子的基态。
在量子力学中，一个系统(例如一个原子，分子或原子核)的基态是指其处在最低能级的状态，这时它的电子在离核最近的轨道上运动。
在一个实施例中，基于分子的基态数据设置所述量子末态收敛应达到的阈值范围，当量子末态收敛到该阈值范围，确定其收敛到分子的基态。
步骤26，测量所述量子末态下分子的哈密顿量期望值，获得分子的基态能量。
经过步骤25中多次演化(迭代之后)，量子末态收敛到基于分子的基态的阈值范围内，测量分子的哈密顿量在量子末态下期望值，得到分子的基态能量。
在一个实施例中，根据所述分子的基态能量、以及电子结构，预测分子的基本化学性质；所述预测分子的基本化学性质，包括，预测分子的化学反应速率；
在另一个实施例中，利用所述分子的基本化学性质，筛选、组合新分子材料，以及对新分子材料进行性能预测。
根据又一方面的实施例，提供了一种量子化分子模拟设备，图4示出本发明实施例提供的一种量子化分子模拟设备的结构图。如图4所示，量子化分子模拟设备包括：
预处理单元41，配置为计算分子的哈密顿量；
量子计算单元42，配置为制备量子比特为根据所述分子的哈密顿量求得的哈特里-福克态，执行图1所示的方法的梯度下降量子线路，获得量子比特末态，测量所述量子末态下分子的哈密顿量期望值，获得分子的基态能量；
分子材料合成筛选单元43，配置为根据所述分子的基态能量，计算分子的化学性质，预测合成材料属性。
根据另一方面的实施例，还提供一种量子计算机，包括被配置为实现结合图1、图2、图3、图4所述的方法的一个或多个量子电路。
根据再一方面的实施例，还提供一种计算机可读介质，包括存储于其上的计算机可执行指令，其中所述计算机可执行指令当在量子计算机上执行时使得所述量子计算机执行结合图1、图2、图3、图4所述的方法。
从以上实施例可以看出，采用本发明实施例提供的一种基于量子计算机进行全量子分子模拟方法。该方法利用给定分子中原子的几何坐标，计算分子哈密顿量，并将分子哈密顿量预处理为希尔伯特空间的比特哈密顿量。利用量子梯度下降的算法构造量子线路，在量子计算机上执行量子线路图，初始量子态经过量子线路会得到量子末态，量子末态会趋近哈密顿量的基态，不断进行迭代从而求得比特哈密顿量的基态和基态能量，利用这些信息可以确定分子的绝大部分性质，并且进而预测化学合成材料的属性。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种量子化梯度下降算法的方法，所述方法包括：
以存储在一个量子存储器中的若干量子比特作为执行计算的工作系统,以存储在另一个量子存储器中的若干量子比特作为执行计算的辅助系统；
制备所述工作系统的初态，使其表示待求解量梯度下降前的状态；
将所述辅助系统制备为一种叠加态；
根据所述辅助系统的状态，对工作系统施加量子逻辑门操作，建立所述工作系统和辅助系统的量子纠缠；
对辅助系统进行阿达马门操作，使得辅助系统处于|0〉状态；
测量所述辅助系统处于|0〉状态时工作系统所处的量子末态；
输出所述工作系统所处的量子末态。
2.根据权利要求1所述的方法，所述将所述辅助系统制备为一种叠加态，包括，对所述辅助系统施加阿达马门操作，使之处于一种叠加态。
3.根据权利要求1所述的方法，其特征在于，所述对工作系统进行量子逻辑门操作中，所述量子逻辑门包括：泡利X门、泡利Y门、泡利Z门。
4.根据权利要求1所述的方法，其特征在于，所述对工作系统施加量子逻辑门操作，包括，维持工作系统的状态不变。
5.一种全量子分子模拟方法，所述全量子分子模拟方法基于一种量子计算机，所述方法包括：
根据分子中原子坐标，求出所述分子的费米哈密顿量；
将所述哈密顿量映射为希尔伯特空间的比特哈密顿量；
根据所述比特哈密顿量，取得分子的哈特里-福克态，根据所述分子的哈特里-福克态，制备量子计算机中量子比特的初态；
根据权利要求1所述的方法生成梯度下降量子线路；
根据所述量子比特的初态，通过所述梯度下降量子线路，进行若干次梯度下降迭代直到所述梯度下降量子线路输出的量子末态收敛到所述基于分子的基态设置的阈值范围内；
测量所述量子末态下分子的哈密顿量期望值，获得分子的基态能量。
6.根据权利要求5所述的方法，还包括：根据所述分子的基态能量、以及电子结构，预测分子的基本化学性质；所述预测分子的基本化学性质，包括，预测分子的化学反应速率。
7.根据权利要求6所述的方法，还包括：利用所述分子的基本化学性质，筛选、组合新分子材料，以及对新分子材料进行性能预测。
8.一种量子化分子模拟设备，所述设备包括：
预处理单元，配置为计算分子的哈密顿量；
量子计算单元，配置为制备量子比特为根据所述分子的哈密顿量求得的哈特里-福克态，执行权利要求1所述的方法的梯度下降量子线路，获得量子比特末态，测量所述量子末态下分子的哈密顿量期望值，获得分子的基态能量；
分子材料合成筛选单元，配置为根据所述分子的基态能量，计算分子的化学性质，预测合成材料属性。
9.一种量子计算机，包括被配置为实现根据权利要求1至7中的任一项所述的方法的一个或多个量子电路。
10.一种计算机可读介质，包括存储于其上的计算机可执行指令，其中所述计算机可执行指令当在量子计算机上执行时使得所述量子计算机执行根据权利要求1至7中的任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010220433.3A CN111599414B (zh) | 2020-03-25 | 2020-03-25 | 一种基于量子计算机的全量子分子模拟方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010220433.3A CN111599414B (zh) | 2020-03-25 | 2020-03-25 | 一种基于量子计算机的全量子分子模拟方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111599414A CN111599414A (zh) | 2020-08-28 |
| CN111599414B true CN111599414B (zh) | 2022-05-06 |
Family
ID=72187239
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010220433.3A Active CN111599414B (zh) | 2020-03-25 | 2020-03-25 | 一种基于量子计算机的全量子分子模拟方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111599414B (zh) |
Families Citing this family (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114418105B (zh) * | 2020-10-28 | 2023-08-08 | 本源量子计算科技（合肥）股份有限公司 | 一种基于量子线路处理量子应用问题的方法及装置 |
| CN112561068B (zh) * | 2020-12-10 | 2021-09-07 | 北京百度网讯科技有限公司 | 模拟方法、计算设备、经典设备、存储设备及产品 |
| CN112529196B (zh) * | 2020-12-10 | 2021-11-23 | 北京百度网讯科技有限公司 | 量子纠缠探测方法、装置、电子设备及存储介质 |
| CN113095467B (zh) * | 2021-04-29 | 2023-04-18 | 清华大学 | 一种量子化生物种群数量估计方法 |
| CN113379057B (zh) * | 2021-06-07 | 2022-04-01 | 腾讯科技（深圳）有限公司 | 量子体系基态能量估计方法及系统 |
| EP4332841A1 (en) * | 2021-06-23 | 2024-03-06 | Origin Quantum Computing Technology (Hefei) Co., Ltd | Method, system and apparatus for processing quantum computing task, and operating system |
| CN113517040B (zh) * | 2021-07-12 | 2022-03-15 | 北京百度网讯科技有限公司 | 量子本征求解器的实现方法、装置及电子设备 |
| CN113807526B (zh) * | 2021-09-26 | 2024-03-29 | 深圳市腾讯计算机系统有限公司 | 量子体系的本征态获取方法、装置、设备及存储介质 |
| CN114492815B (zh) * | 2022-01-27 | 2023-08-08 | 本源量子计算科技（合肥）股份有限公司 | 一种基于量子化学计算目标体系能量的方法、装置及介质 |
| CN114492814B (zh) * | 2022-01-27 | 2023-08-08 | 本源量子计算科技（合肥）股份有限公司 | 基于量子计算模拟目标体系能量的方法、装置及介质 |
| CN114446401A (zh) * | 2022-02-07 | 2022-05-06 | 上海图灵智算量子科技有限公司 | 量子线路生成晶体原子坐标的方法、装置、产品及介质 |
| CN115169565B (zh) * | 2022-09-09 | 2023-01-24 | 之江实验室 | 一种小分子化学体系的哈密顿量模拟方法和装置 |
| CN115564051B (zh) * | 2022-09-26 | 2023-05-30 | 北京大学 | 一种基于量子门获取待测系统本征态的方法及装置 |
| CN117852659A (zh) * | 2022-09-30 | 2024-04-09 | 本源量子计算科技（合肥）股份有限公司 | 量子线路生成方法、装置、存储介质及电子装置 |
| CN116935977B (zh) * | 2023-07-17 | 2024-04-16 | 合肥微观纪元数字科技有限公司 | 分子基态的电子结构计算方法及相关设备 |
| CN116913402B (zh) * | 2023-09-14 | 2024-01-05 | 国开启科量子技术(北京)有限公司 | 基于量子线路模拟生物光电解制氢气的装置、方法、设备及介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180165601A1 (en) * | 2016-12-08 | 2018-06-14 | Microsoft Technology Licensing, Llc | Tomography and generative data modeling via quantum boltzmann training |
| US10007885B1 (en) * | 2017-07-14 | 2018-06-26 | The United States Of Amerca, As Represented By The Secretary Of Commerce | Determining a modal amplitude of an inhomogeneous field with a quantum sensor |
| CN109800883A (zh) * | 2019-01-25 | 2019-05-24 | 合肥本源量子计算科技有限责任公司 | 量子机器学习框架构建方法、装置及量子计算机 |
| CN110692067A (zh) * | 2017-06-02 | 2020-01-14 | 谷歌有限责任公司 | 量子神经网络 |
-
2020
- 2020-03-25 CN CN202010220433.3A patent/CN111599414B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180165601A1 (en) * | 2016-12-08 | 2018-06-14 | Microsoft Technology Licensing, Llc | Tomography and generative data modeling via quantum boltzmann training |
| CN110692067A (zh) * | 2017-06-02 | 2020-01-14 | 谷歌有限责任公司 | 量子神经网络 |
| US10007885B1 (en) * | 2017-07-14 | 2018-06-26 | The United States Of Amerca, As Represented By The Secretary Of Commerce | Determining a modal amplitude of an inhomogeneous field with a quantum sensor |
| CN109800883A (zh) * | 2019-01-25 | 2019-05-24 | 合肥本源量子计算科技有限责任公司 | 量子机器学习框架构建方法、装置及量子计算机 |
Non-Patent Citations (4)
| Title |
|---|
| A Scheme for Simulation of Quantum Gates by Abelian Anyons;沈尧 等;《Commun. Theor. Phys.》;20111115;第56卷(第5期);第873-876页 * |
| 基于非幺正演化的量子算法和量子模拟的研究;魏世杰;《中国博士学位论文全文数据库 基础科学辑》;20190215;全文 * |
| 量子算法的一些进展;魏世杰 等;《中国科学》;20171031;第47卷(第10期);第1277-1299页 * |
| 量子计算算法介绍;龙桂鲁;《量子计算和量子信息专题》;20101231;第39卷(第12期);第803-809页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111599414A (zh) | 2020-08-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111599414B (zh) | 一种基于量子计算机的全量子分子模拟方法 | |
| Jiang et al. | High-fidelity potential energy surfaces for gas-phase and gas–surface scattering processes from machine learning | |
| Seeley et al. | The Bravyi-Kitaev transformation for quantum computation of electronic structure | |
| Ajagekar et al. | Quantum computing and quantum artificial intelligence for renewable and sustainable energy: A emerging prospect towards climate neutrality | |
| Wecker et al. | Gate-count estimates for performing quantum chemistry on small quantum computers | |
| Kassal et al. | Simulating chemistry using quantum computers | |
| Somma et al. | Quantum simulations of physics problems | |
| CN114091363B (zh) | 基于量子算法的计算流体动力学模拟方法、装置及设备 | |
| Li et al. | Variational quantum simulation for quantum chemistry | |
| AU2023201068B2 (en) | Plane wave dual basis for quantum simulation | |
| Lu et al. | Quantum chemistry simulation on quantum computers: theories and experiments | |
| CN114492814B (zh) | 基于量子计算模拟目标体系能量的方法、装置及介质 | |
| Rahmani et al. | Creating and manipulating a laughlin-type ν= 1/3 fractional quantum hall state on a quantum computer with linear depth circuits | |
| US20230124152A1 (en) | Method and apparatus for acquiring eigenstate of quantum system, device, and storage medium | |
| Czischek et al. | Data-enhanced variational Monte Carlo simulations for Rydberg atom arrays | |
| Hahn et al. | Quantifying qubit magic resource with Gottesman-Kitaev-Preskill encoding | |
| CN114492815B (zh) | 一种基于量子化学计算目标体系能量的方法、装置及介质 | |
| CN114444723A (zh) | 用于数据重建的模型 | |
| Zhu et al. | Graph theoretic molecular fragmentation for multidimensional potential energy surfaces yield an adaptive and general transfer machine learning protocol | |
| Cardoso et al. | Detailed account of complexity for implementation of circuit-based quantum algorithms | |
| Mukhopadhyay et al. | Quantum simulation of the first-quantized Pauli-Fierz hamiltonian | |
| CN114512194B (zh) | 用于量子化学模拟中获取目标体系试验态的方法及装置 | |
| Yu et al. | Quantum Zeno approach for molecular energies with maximum commuting initial Hamiltonians | |
| Ovrum et al. | Quantum computation algorithm for many-body studies | |
| CN114444722A (zh) | 重建数据的方法及模型 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |