CN115101140A - 确定分子的基态特征的方法、设备及存储介质 - Google Patents
确定分子的基态特征的方法、设备及存储介质 Download PDFInfo
- Publication number
- CN115101140A CN115101140A CN202210646457.4A CN202210646457A CN115101140A CN 115101140 A CN115101140 A CN 115101140A CN 202210646457 A CN202210646457 A CN 202210646457A CN 115101140 A CN115101140 A CN 115101140A
- Authority
- CN
- China
- Prior art keywords
- theta
- target
- ground state
- vector
- target molecule
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Chemical & Material Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了确定分子的基态特征的方法、设备及存储介质,涉及数据处理领域,尤其涉及量子计算、量子化学领域。具体实现方案为:基于第一目标态的第一测量结果,得到目标分子的密度矩阵D(θ1);所述第一目标态是目标参数化量子线路U(θ)的可调参数向量为第一向量θ1的情况下作用到计算基态上所得;至少基于所述密度矩阵D(θ1),得到损失函数C(θ)的损失值C(θ1),所述损失函数C(θ)是对所述目标分子的哈密顿量中表征电子之间库伦相关作用的表达式进行处理后所得,用于表征所述目标分子的总能量泛函;在所述损失函数的损失值C(θ1)满足终止条件的情况下,基于所述密度矩阵D(θ1)计算得到所述目标分子的基态特征。这样,有效提升了处理效率。
Description
技术领域
本公开涉及数据处理技术领域,尤其涉及量子计算、量子化学领域。
背景技术
现有的量子算法在求解较为复杂的分子(例如,水分子H2O)的基态电子密度时精度较低,而且计算开销比较大,难以适用于大规模分子。因此,亟需一种高效求解大规模分子的基态电子密度的量子计算方案。
发明内容
本公开提供了一种确定分子的基态特征的方法、设备及存储介质。
根据本公开的一方面,提供了一种确定分子的基态特征的方法,应用于经典计算设备,包括:
基于第一目标态的第一测量结果,得到目标分子的密度矩阵D(θ1);其中,所述第一目标态是目标参数化量子线路U(θ)的可调参数向量为第一向量θ1的情况下作用到计算基态上所得;所述目标参数化量子线路U(θ)所包含的量子比特的数量与所述目标分子相关;
至少基于所述密度矩阵D(θ1),得到损失函数C(θ)的损失值C(θ1),其中,所述损失函数C(θ)是基于交换关联泛函对所述目标分子的哈密顿量中表征电子之间库伦相关作用的表达式进行处理后所得,用于表征所述目标分子的总能量泛函;所述交换关联泛函表征所述目标分子的电子之间的交换关联泛函;
在所述损失函数的损失值C(θ1)满足终止条件的情况下,基于所述密度矩阵D(θ1)得到所述目标分子的基态特征,所述基态特征包括以下至少之一:基态电子密度,基态能量。
根据本公开的另一方面,提供了一种确定分子的基态特征的方法,应用于量子计算设备,包括:
获取目标参数化量子线路U(θ)中可调参数向量的第一向量θ1;所述目标参数化量子线路U(θ)所包含的量子比特的数量与所述目标分子相关;
将所述可调参数向量为所述第一向量θ1的所述目标参数化量子线路作用到计算基态上,得到第一目标态;其中,所述计算基态是基于目标分子的特征信息初始化得到的;
对所述第一目标态进行测量,得到第一测量结果。
根据本公开的再一方面,提供了一种经典计算设备,包括:
第一处理单元,用于基于第一目标态的第一测量结果,得到目标分子的密度矩阵D(θ1);其中,所述第一目标态是目标参数化量子线路U(θ)的可调参数向量为第一向量θ1的情况下作用到计算基态上所得;所述目标参数化量子线路U(θ)所包含的量子比特的数量与所述目标分子相关;
第二处理单元,用于至少基于所述密度矩阵D(θ1),得到损失函数C(θ)的损失值C(θ1),其中,所述损失函数C(θ)是基于交换关联泛函对所述目标分子的哈密顿量中表征电子之间库伦相关作用的表达式进行处理后所得,用于表征所述目标分子的总能量泛函;所述交换关联泛函表征所述目标分子的电子之间的交换关联泛函;
第三处理单元,用于在所述损失函数的损失值C(θ1)满足终止条件的情况下,基于所述密度矩阵D(θ1)得到所述目标分子的基态特征,所述基态特征包括以下至少之一:基态电子密度,基态能量。
根据本公开的再一方面,提供了一种量子计算设备,包括:
获取单元,用于获取目标参数化量子线路U(,θ)中可调参数向量的第一向量θ1;所述目标参数化量子线路U(θ)所包含的量子比特的数量与所述目标分子相关;
电路处理单元,用于将所述可调参数向量为所述第一向量θ1的所述目标参数化量子线路作用到计算基态上,得到第一目标态;其中,所述计算基态是基于目标分子的特征信息初始化得到的;
度量单元,用于对所述第一目标态进行测量,得到第一测量结果。
根据本公开的再一方面,提供了一种经典计算设备,所述经典计算设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行以上应用于经典计算设备所述的方法。
根据本公开的再一方面,提供了一种量子计算设备,所述量子计算设备包括:
至少一个量子处理单元(quantum processing unit,QPU);
存储器,耦合到所述至少一个QPU并用于存储可执行指令,
所述指令被所述至少一个量子处理单元执行,以使所述至少一个量子处理单元能够执行以上应用于量子计算设备所述的方法。
根据本公开的再一方面,提供了一种计算装置,包括:
以上所述的经典计算设备,以及以上所述的量子计算设备。
根据本公开的再一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行以上应用于经典计算设备所述的方法。
根据本公开的再一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,当至少一个量子处理单元执行时,所述计算机指令使得所述至少一个量子处理单元执行以上应用于量子计算设备所述的方法。
根据本公开的再一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现以上应用于经典计算设备所述的方法;
或者,所述计算机程序在被至少一个量子处理单元执行时实现以上应用于量子计算设备所述的方法。
这样,有效提升了处理效率。而且,相比现有方案,本公开方案更适合求解更为复杂以及规模更大的分子的基态特征。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本申请一实施例确定分子的基态特征的方法的示意性流程图一;
图2是根据本申请一实施例确定分子的基态特征的方法的示意性流程图二;
图3是根据本申请一实施例确定分子的基态特征的方法的示意性流程图三
图4是本公开方案在一具体示例中所构造的目标参数化量子线路的示意图;
图5是根据本申请一实施例确定分子的基态特征的方法的示意性流程图四;
图6是根据本申请一实施例确定分子的基态特征的方法在一具体示例中的实现流程示意图;
图7是根据本申请一实施例在实验场景中所使用的氢化锂分子的分子结构图;
图8是本公开方案在一具体示例中所构造的目标参数化量子线路中吉文斯旋转门的具体结构示意图;
图9是根据本公开实施例经典计算设备的结构示意图;
图10是根据本公开实施例量子计算设备的结构示意图;
图11是根据本公开实施例计算设备的结构示意图;
图12是用来实现本公开实施例确定分子的基态特征的方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
分子或者晶体内部的原子之间的化学键(Chemical Bond)会对它们的理化性质产生很大的影响。化学键的类型与物质中电子在空间的分布方式有关,这种分布方式可以通过物质中的电子密度(Electron Density)ρ进行定量描述。根据密度泛函理论(DensityFunctional Theory),当物质处于其能量最低的状态,也就是基态(Ground State)时,物质的总能量可以被表示为电子密度ρ的泛函(Functional)(也可简称总能量泛函),一般将其记为E[ρ]。而E[ρ]的具体形式可由物质中原子的几何结构以及电子之间的交换关联泛函(Exchange Correlation Functional)εxc[ρ]所决定。而物质的基态电子密度对应于使总能量泛函取最小值的电子密度。由此,求解物质基态电子空间排布(也即基态电子密度)的问题,即可转化为求解物质的总能量泛函的最小值和对应的最小值的电子密度的问题。
本公开方案研究此项技术问题的主要原因具体如下:
第一,求解基态电子密度。物质中原子周围的电子分布方式会对其性质产生重要影响。相比于波函数,物质的基态电子密度可以通过X射线散射(X-rays Scattering)或高能电子散射(High Energy Electron Scattering)实验直接观测到,从而能够直接与理论计算的结果进行对比。比如,在锂电池正极材料的研究中,可以通过分析材料中电子密度的变化来研究锂离子在正极材料中的脱嵌过程(Intercalation),因此,求解基态电子密度对于研究化学材料十分重要。
第二,有效解决现有方案的局限性。在同等条件下,现有量子算法求解较为复杂的分子(比如水分子H2O)的基态电子密度时精度较低,而且计算开销比较大,而本公开方案能够有效解决现有技术局限性的问题。
基于此,本公开方案提供了一个较为普适的经典量子混合解决方案,即提供了一种基于密度泛函理论的变分量子算法(以下简称DFT-VQE),以求解分子的基态电子密度和/或基态能量。
具体地,图1是根据本申请一实施例确定分子的基态特征的方法的示意性流程图一。该方法可选地可以应用于经典计算设备中,比如,个人电脑、服务器、服务器集群等任何具有经典计算能力的电子设备。该方法包括以下内容的至少部分内容。具体地,如图1所示,该方法包括:
步骤S101:经典计算设备基于第一目标态的第一测量结果,得到目标分子的密度矩阵D(θ1);其中,所述第一目标态是目标参数化量子线路U(θ)的可调参数向量为第一向量θ1的情况下作用到计算基态上所得;所述目标参数化量子线路U(θ)所包含的量子比特的数量与所述目标分子相关。
可以理解的是,步骤S101得到的密度矩阵D(θ1)是目标参数化量子线路U(θ)的可调参数向量为第一向量θ1的情况下,所述目标分子所对应的密度矩阵。
需要说明的是,所述第一向量θ1可以为初始化的初始向量,或者为更新迭代过程中对可调参数向量的取值进行调整后所得到的任意向量,本公开方案对第一向量不作具体限制。
步骤S102:经典计算设备至少基于所述密度矩阵D(θ1),得到损失函数C(θ)的损失值C(θ1);其中,所述损失函数C(θ)是基于交换关联泛函对所述目标分子的哈密顿量中表征电子之间库伦相关作用的表达式进行处理后所得,用于表征所述目标分子的总能量泛函;所述交换关联泛函表征所述目标分子的电子之间的交换关联泛函。
也就是说,本公开方案将目标分子的总能量泛函作为损失函数。此时,求解目标分子的基态特征,即可转换为求解目标分子的总能量泛函的最小值(也即基态能量)和对应的最小值的电子密度(也即基态电子密度)的问题。
步骤S103:在所述损失函数的损失值C(θ1)满足终止条件的情况下,经典计算设备基于所述密度矩阵D(θ1)计算得到所述目标分子的基态特征,所述基态特征包括以下至少之一:基态电子密度,基态能量。
这里,在所述损失函数的损失值C(θ1)满足终止条件的情况下,即可认为该第一向量θ1即为最优参数向量(也即目标参数向量)θ*。如此,基于该最优参数向量θ*所对应的密度矩阵D(θ*)计算得到所述目标分子的基态特征。
在一示例中,步骤S103可以得到所述目标分子的基态电子密度;或者,得到所述目标分子的基态能量;或者得到所述目标分子的基态电子密度和基态能量。
这里,所述终止条件可以基于实际的迭代要求而设置,比如,为迭代次数,或者为收敛条件等,本公开方案对此不作限制。
这样,本公开方案将不是目标分子的哈密顿量的数学期望作为损失函数,而是将基于密度泛函理论对目标分子的哈密顿量进行处理后的目标分子的总能量泛函作为损失函数,如此,有效提升了处理效率。而且,相比现有方案,本公开方案更适合求解更为复杂以及规模更大的分子的基态特征。
另外,由于本公开方案所使用的损失函数C(θ)是基于交换关联泛函对所述目标分子的哈密顿量中表征电子之间库伦相关作用的表达式进行处理后所得,所以,基于本公开方案所得到的目标分子的基态特征的精度高。
在一具体示例中,所述第一目标态是量子计算设备将所述可调参数向量为所述第一向量θ1的所述目标参数化量子线路作用到计算基态上所得;进一步地,所述量子计算设备在得到所述第一目标态后,对所述第一目标态进行量子测量,得到计算目标分子的密度矩阵D(θ1)所需的第一测量结果,进而,将所述第一测量结果发送至经典计算设备,以便经典计算设备基于该第一测量结果计算得到目标分子的基态特征。
在一具体示例中,所述目标参数化量子线路U(θ)所包含的量子比特的数量,与所述计算基态所包含的量子比特的数量相同,均与所述目标分子有关;比如,均与所述目标分子的化学基组的基函数的数量有关;如与所述目标分子的化学基组的基函数的数量相同。这里,所述化学基组能够表征待研究的所述目标分子的化学性质。
在本公开方案的一具体示例中,所述经典计算设备在确定所述损失函数C(θ)的损失值C(θ1)不满足所述终止条件的情况下,调整所述目标参数化量子线路U(θ)的可调参数向量,以将所述第一向量θ1调整为第二向量θ2,如此,利用经典优化方式来对可调参数向量进行优化,简便且普适性更强,同时,也为快速迭代得到最优参数向量奠定了基础。
进一步地,在得到所述第二向量θ2之后,所述经典计算设备还可以发送所述第二向量θ2,如此,便于接收端,也即量子计算设备能够基于第二向量θ2得到第二目标态,比如,所述量子计算设备将所述目标参数化量子线路U(θ)的可调参数向量为第二向量θ2的情况下作用到计算基态,得到第二目标态。如此,便于快速迭代得到最优参数向量。
在本公开方案的一具体示例中,提供了一种经典数据处理方法,具体地,图2是根据本申请一实施例确定分子的基态特征的方法的示意性流程图二,该方法可选地可以应用于经典计算设备中,比如,个人电脑、服务器、服务器集群等任何具有经典计算能力的电子设备。可以理解的是,以上图1所示方法的相关内容,也可以应用于该示例中,该示例对相关联内容不再赘述。
具体地,该方法包括以下内容的至少部分内容。具体地,如图2所示,该方法包括:
步骤S201:经典计算设备基于第一目标态的第一测量结果,得到目标分子的密度矩阵D(θ1);其中,所述第一目标态是目标参数化量子线路U(θ)的可调参数向量为第一向量θ1的情况下作用到计算基态上所得;所述计算基态所包含的量子比特的数量与所述目标分子相关。
需要说明的是,所述第一向量θ1可以为初始化的初始向量,或者为更新迭代过程中对可调参数向量的取值进行调整后所得到的任意向量,本公开方案对第一向量不作具体限制。
步骤S202:经典计算设备至少基于所述密度矩阵D(θ1),得到损失函数C(θ)的损失值C(θ1);其中,所述损失函数C(θ)是基于交换关联泛函对所述目标分子的哈密顿量中表征电子之间库伦相关作用的表达式进行处理后所得,用于表征所述目标分子的能量;所述交换关联泛函表征所述目标分子的电子之间的交换关联泛函。
步骤S203:经典计算设备在所述损失函数的损失值C(θ1)不满足所述终止条件的情况下,调整所述目标参数化量子线路U(θ)的可调参数向量,以将所述第一向量θ1调整为第二向量θ2。
如此,利用经典优化方式来对可调参数向量进行优化,简便且普适性更强,同时,也为快速迭代得到最优参数向量奠定了基础。
进一步地,在得到所述第二向量θ2之后,所述经典计算设备还可以发送所述第二向量θ2,如此,便于接收端,也即量子计算设备能够基于第二向量θ2得到第二目标态,比如,所述量子计算设备将所述目标参数化量子线路U(θ)的可调参数向量为第二向量θ2的情况下作用到计算基态,得到第二目标态。如此,便于快速迭代得到最优参数向量。
步骤S204:经典计算设备获取第二目标态的第二测量结果;其中,所述第二目标态是所述目标参数化量子线路U(θ)的可调参数向量为所述第二向量θ2的情况下作用到所述计算基态上所得。
这里,所述第二目标态是量子计算设备将所述可调参数向量为所述第二向量θ2的所述目标参数化量子线路作用到计算基态上所得;进一步地,所述量子计算设备在得到所述第二目标态后,对所述第二目标态进行量子测量,得到计算目标分子的密度矩阵D(θ2)所需的第二测量结果,进而,将所述第二测量结果发送至所述经典计算设备,以便所述经典计算设备基于该第二测量结果计算得到目标分子的基态特征。
步骤S205:经典计算设备基于所述第二目标态的第二测量结果,得到所述目标分子的密度矩阵D(θ2)。
步骤S206:经典计算设备基于所述密度矩阵D(θ2),得到所述损失函数C(θ)的损失值C(θ2),并确定所述损失函数的损失值C(θ2)是否满足所述终止条件。
在一具体示例中,在所述损失函数的损失值C(θ2)满足所述终止条件的情况下,基于所述密度矩阵D(θ2)得到所述目标分子的基态特征,所述基态特征包括以下至少之一:基态电子密度,基态能量。这里,在所述损失函数的损失值C(θ2)满足所述终止条件的情况下,即可认为该第二向量θ2即为最优参数向量(也即目标参数向量)θ*。如此,基于该最优参数向量θ*所对应的密度矩阵D(θ*)计算得到所述目标分子的基态特征。
或者,在所述损失函数C(θ)的损失值C(θ2)不满足所述终止条件的情况下,调整所述目标参数化量子线路U(θ)的可调参数向量,以将所述第二向量θ2调整为第三向量θ3。如此循环,直至满足所述终止条件为止得到最优参数向量θ*为止。
这样,通过经典优化、循环处理的方式来对可调参数向量进行优化,简便且普适性更强,为快速迭代得到最优参数向量奠定了基础。而且,该优化过程和循环处理过程是在经典计算设备中进行的,所以,节约了量子计算资源。进一步地,由于本公开方案不是将目标分子的哈密顿量的数学期望作为损失函数,而是将基于密度泛函理论对目标分子的哈密顿量进行处理后的目标分子的总能量泛函作为损失函数,所以,有效提升了处理效率,相比现有方案,本公开方案更适合求解更为复杂以及规模更大的分子的基态特征。
另外,由于本公开方案所使用的损失函数C(θ)是基于交换关联泛函对所述目标分子的哈密顿量中表征电子之间库伦相关作用的表达式进行处理后所得,所以,基于本公开方案所得到的目标分子的基态特征的精度高。
在本公开方案的一具体示例中,提供了一种经典数据处理方法,具体地,图3是根据本申请一实施例确定分子的基态特征的方法的示意性流程图三,该方法可选地可以应用于经典计算设备中,比如,个人电脑、服务器、服务器集群等任何具有经典计算能力的电子设备。可以理解的是,以上图1和图2所示方法的相关内容,也可以应用于该示例中,该示例对相关联内容不再赘述。
具体地,该方法包括以下内容的至少部分内容。具体地,如图3所示,该方法包括:
步骤S301:经典计算设备基于第一目标态的第一测量结果,得到目标分子的密度矩阵D(θ1);其中,所述第一目标态是目标参数化量子线路U(θ)的可调参数向量为第一向量θ1的情况下作用到计算基态上所得;所述目标参数化量子线路U(θ)所包含的量子比特的数量与所述目标分子相关。
在一具体示例中,所述目标参数化量子线路U(θ)所包含的量子比特的数量,与所述计算基态所包含的量子比特的数量相同,均与所述目标分子有关;比如,均与所述目标分子的化学基组的基函数的数量有关;如与所述目标分子的化学基组的基函数的数量相同。这里,所述化学基组能够表征待研究的所述目标分子的化学性质。
需要说明的是,所述第一向量θ1可以为初始化的初始向量,或者为更新迭代过程中对可调参数向量的取值进行调整后所得到的任意向量,本公开方案对第一向量不作具体限制。
步骤S302:经典计算设备基于所述密度矩阵D(θ1)以及所述目标分子的化学基组中的基函数,得到所述第一向量θ1所对应的所述目标分子的第一电子密度函数。
步骤S303:经典计算设备利用所述第一电子密度函数以及所述交换关联泛函,对所述目标分子的哈密顿量中表征电子之间库伦相关作用的表达式进行处理,得到所述损失函数C(θ)的损失值C(θ1)。
步骤S304:经典计算设备在所述损失函数的损失值C(θ1)满足终止条件的情况下,基于所述密度矩阵D(θ1)计算得到所述目标分子的基态特征,所述基态特征包括以下至少之一:基态电子密度,基态能量。
这样,本公开方案能够在得到所述目标分子的第一电子密度函数的基础上,利用该第一电子密度函数以及交换关联泛函对所述目标分子的哈密顿量中表征电子之间库伦相关作用的表达式进行处理,进而得到所述损失函数C(θ)的损失值C(θ1)。如此,有效降低了计算的复杂度、节省了计算资源、进而提升了处理效率。
在一具体示例中,步骤S303中利用所述第一电子密度函数以及所述交换关联泛函,对所述目标分子的哈密顿量中表征电子之间库伦相关作用的表达式进行处理,得到所述损失函数C(θ)的损失值C(θ1),可以具体包括:
利用所述第一电子密度函数,以及所述目标分子中电子之间的交换关联泛函,得到交换关联势函数;
基于交换关联势函数,对所述目标分子的哈密顿量中表征电子之间库伦相关作用的表达式进行替换,得到所述可调参数向量为第一向量θ1的情况下的目标哈密顿量;
基于所述可调参数向量为第一向量θ1的情况下的目标哈密顿量,得到所述损失函数C(θ)的损失值C(θ1)。
这样,由于本公开方案在计算损失函数时不直接对目标分子的哈密顿量求期望值,而是将哈密顿量中表征电子之间库伦相关作用的表达式,利用密度泛函理论,比如利用电子之间的交换关联泛函进行替换,这样,极大减少了哈密顿量中的项数,使得后续所需进行的量子测量远远少于传统的VQE方法,比如只需O(N2)次测量;因此,本公开方案有效降低了计算的复杂度、节省了计算资源、进而提升了处理效率;而且,由于本公开方案使用了密度泛函理论中的交换关联泛函,将电子之间因为库仑排斥带来的交换关联能考虑进来,所以,计算得到的基态特征的精度也较高。相比于现有方案,本公开方案更适合求解更为复杂以及规模更大的分子的基态特征,且处理效率和精度均更高。比如,模拟相同的目标分子时,本公开方案所需的量子比特数会更少。
这里,具体示例可参见下述图6中的步骤5至步骤9,此处不再赘述。
可以理解的是,在所述损失函数C(θ)的损失值C(θ1)不满足所述终止条件的情况下,以及将所述第一向量θ1调整为第二向量θ2之后,也可基于以上所述的方式得到损失值C(θ2),如此,循环处理,直至得到最优参数向量。
在本公开方案的一具体示例中,所述目标哈密顿量为科恩-沈吕九哈密顿量。这样,将哈密顿量中表征电子之间库伦相关作用的表达式,利用密度泛函理论,比如利用电子之间的交换关联泛函进行替换,如此,极大减少了哈密顿量中的项数,使得后续所需进行的量子测量远远少于传统的VQE方法。而且,由于采用了科恩-沈吕九哈密顿量,所以,将目标参数化量子线路得到极大的简化,并消除了由特罗特分解方法引入的误差,有效减小了线路消耗的量子资源。
在本公开方案的一具体示例中,所述目标参数化量子线路U(θ)包括有多个具有可调参数的吉文斯旋转门;所述多个具有可调参数的吉文斯旋转门是基于对幺正矩阵进行分解得到的分解式所得。这样,本公开方案所使用的目标参数化量子线路U(θ)结构简单,而且,能够在理论上有效保证本公开方案所构造的参数化量子线路中不存在冗余的参数,如此,为降低计算的复杂度、节省计算资源、进而提升处理效率奠定了基础。
在本公开方案的一具体示例中,所述目标参数化量子线路U(θ)为斯莱特行列式态的参数化量子线路。如此,有效避免了由特罗特分解等近似方法引入的误差,同时有效减小了目标参数化量子线路所消耗的量子资源,也即所需的量子比特的数量也较少。而且,在理论上有效保证了本公开方案所构造的参数化量子线路中不存在冗余的参数,如此,为降低计算的复杂度、节省计算资源、进而提升处理效率奠定了基础。
举例来说,如图4所示,展示了斯莱特行列式态的参数化量子线路的具体结构。该斯莱特行列式态的参数化量子线路包括6个量子比特,可分别记为量子比特Q1至量子比特Q6,以及包括8个吉文斯旋转门,在经典计算设备中,该吉文斯旋转门可由吉文斯旋转矩阵G表示,可以理解的是,为便于理解,图4中的吉文斯旋转门也使用G来表示;其中,吉文斯旋转矩阵G1(θ1)所表示的吉文斯旋转门作用于量子比特Q2和量子比特Q3,所述吉文斯旋转矩阵G2(θ2)表示的吉文斯旋转门作用于量子比特Q1和量子比特Q2,所述吉文斯旋转矩阵G3(θ3)表示的吉文斯旋转门作用于量子比特Q3和量子比特Q4,所述吉文斯旋转矩阵G4(θ4)表示的吉文斯旋转门作用于量子比特Q2和量子比特Q3,所述吉文斯旋转矩阵G5(θ5)表示的吉文斯旋转门作用于量子比特Q4和量子比特Q5,所述吉文斯旋转矩阵G6(θ6)表示的吉文斯旋转门作用于量子比特Q3和量子比特Q4,所述吉文斯旋转矩阵G7(θ7)表示的吉文斯旋转门作用于量子比特Q5和量子比特Q6,所述吉文斯旋转矩阵G8(θ8)表示的吉文斯旋转门作用于量子比特Q4和量子比特Q5。
在本公开方案的一具体示例中,所述计算基态所包含的量子比特的数量与目标分子相关;所述计算基态中部分量子比特处于第一基态,另外部分量子比特处于第二基态。这里,所述计算基态是基于目标分子的特征信息初始化得到的,比如,在量子计算设备中,基于目标分子的总电子数量以及化学基组的基函数的数量初始化得到。如此,为快速得到目标分子的基态特征奠定了基础。
进一步地,所述计算基态中处于所述第一基态或所述第二基态的量子比特的数量,与所述目标分子的总电子数量有关。如此,为简化处理流程,提升处理效率奠定了基础。
举例来说,所述目标分子的化学基组包括Nbasis(为大于等于2的自然数)个正交的基函数,可记为:基于此,可以初始化一个含有Nbasis个量子比特的计算基态|x>,这里,比如,在一示例中,在所述目标分子的总电子数Ne为偶数的情况下,可将所述计算基态中前Ne/2个量子比特设置为第一基态|1>,其余量子比特设置为第二基态|0>,也即前Ne/2个量子比特置于|1>,其余量子比特置于|0>。
或者,在总电子数Ne为奇数的情况下,可将个量子比特设置为第一基态|1>,其余量子比特设置为第二基态|0>。或者,在总电子数Ne为奇数的情况下,将个量子比特设置为第一基态|1>,其余量子比特设置为第二基态|0>。如此,得到初始化的计算基态,为后续为快速得到目标分子的基态特征奠定了基础。
综上所述,相比于现有方案,本公开方案存在如下有益效果:
第一,本公开方案的DFT-VQE能够利用吉文斯旋转方法构造得到斯莱特行列式态的参数化量子线路,如此,避免了由特罗特分解等近似方法引入的误差,而且在理论上保证了本公开方案所构造的参数化量子线路中不存在冗余的参数。
第二,本公开方案所采用的DFT-VQE,在计算损失函数时不直接对分子的哈密顿量求期望值,而是将哈密顿量中表征电子之间库伦相关作用的表达式,利用密度泛函理论,比如利用电子之间的交换关联泛函进行替换,这样,极大减少了哈密顿量中的项数,使得计算总能量泛函时需要的泡利测量的数量要远远少于传统的VQE方法;因此,相比于现有方案,本公开方案更适合求解更为复杂以及规模更大的分子的基态特征,且处理效率更高。
本公开方案还提供了一种确定分子的基态特征的方法,具体地,图5是根据本申请一实施例确定分子的基态特征的方法的示意性流程图四。该方法可选地可以应用于量子计算设备中。该方法包括以下内容的至少部分内容。
具体地,如图5所示,该方法包括:
步骤S501:量子计算设备获取目标参数化量子线路U(θ)中可调参数向量的第一向量θ1;所述目标参数化量子线路U(θ)所包含的量子比特的数量与所述目标分子相关。
需要说明的是,所述第一向量θ1可以为初始化的初始向量,或者为更新迭代过程中对可调参数向量的取值进行调整后所得到的任意向量,本公开方案对第一向量不作具体限制。
步骤S502:量子计算设备将所述可调参数向量为所述第一向量θ1的所述目标参数化量子线路作用到计算基态上,得到第一目标态;其中,所述计算基态是基于目标分子的特征信息初始化得到的。
步骤S503:量子计算设备对所述第一目标态进行测量,得到第一测量结果。
这样,本公开方案通过量子计算设备所构造的目标参数化量子线路U(θ)来辅助经典计算设备完成可调参数向量的优化,如此,为有效提升处理效率奠定了基础。同时,也为求解更为复杂以及规模更大的分子的基态特征奠定了基础。
在一具体示例中,所述第一测量结果是计算目标分子的密度矩阵D(θ1)所需的测量结果,进一步地,所述量子计算设备在得到所述第一测量结果后,会将所述第一测量结果发送至经典计算设备,以便经典计算设备基于该第一测量结果计算得到目标分子的基态特征。
在一具体示例中,所述目标参数化量子线路U(θ)所包含的量子比特的数量,与所述计算基态所包含的量子比特的数量相同,均与所述目标分子有关;比如,均与所述目标分子的化学基组的基函数的数量有关,如与所述目标分子的化学基组的基函数的数量相同。这里,所述化学基组能够表征待研究的所述目标分子的化学性质。
在本公开方案的一具体示例中,所述量子计算设备还可以构造包含多个具有可调参数的吉文斯旋转门的目标参数化量子线路U(θ);其中,所述多个具有可调参数的吉文斯旋转门是基于对幺正矩阵进行分解得到的分解式所得。这样,本公开方案所使用的目标参数化量子线路U(θ)结构简单,而且,能够在理论上有效保证本公开方案所构造的参数化量子线路中不存在冗余的参数,如此,为降低计算的复杂度、节省计算资源、进而提升处理效率奠定了基础。
在本公开方案的一具体示例中,所述目标参数化量子线路U(θ)为斯莱特行列式态的参数化量子线路。如此,有效避免了由特罗特分解等近似方法引入的误差。而且,在理论上有效保证了本公开方案所构造的参数化量子线路中不存在冗余的参数,如此,为降低计算的复杂度、节省计算资源、进而提升处理效率奠定了基础。
在本公开方案的一具体示例中,所述计算基态所包含的量子比特的数量与目标分子相关;所述计算基态中处于所述第一基态的量子比特的数量,与所述目标分子的总电子数量有关。这里,所述计算基态是基于目标分子的特征信息初始化得到的,比如,在量子计算设备中,基于目标分子的总电子数量以及化学基组的基函数的数量初始化得到。如此,为快速得到目标分子的基态特征奠定了基础。
进一步地,所述计算基态中处于所述第一基态或所述第二基态的量子比特的数量,与所述目标分子的总电子数量有关。如此,为简化处理流程,提升处理效率奠定了基础。
举例来说,所述目标分子的化学基组包括Nbasis(为大于等于2的自然数)个正交的基函数,可记为:基于此,可以初始化一个含有Nbasis个量子比特的计算基态|x>,这里,比如,在一示例中,在所述目标分子的总电子数Ne为偶数的情况下,可将所述计算基态中前Ne/2个量子比特设置为第一基态|1>,其余量子比特设置为第二基态|0>,也即前Ne/2个量子比特置于|1>,其余量子比特置于|0>。
或者,在总电子数Ne为奇数的情况下,可将个量子比特设置为第一基态|1>,其余量子比特设置为第二基态|0>。或者,在总电子数Ne为奇数的情况下,将个量子比特设置为第一基态|1>,其余量子比特设置为第二基态|0>。如此,得到初始化的计算基态,为后续为快速得到目标分子的基态特征奠定了基础。
在本公开方案的一具体示例中,所述量子计算设备还会获取所述目标参数化量子线路U(θ)中可调参数向量的第二向量θ2;将所述可调参数向量为所述第二向量θ2的所述目标参数化量子线路作用到所述计算基态上,得到第二目标态;对所述第二目标态进行测量,得到第二测量结果。
在一具体示例中,所述第二测量结果是经典计算设备计算目标分子的密度矩阵D(θ2)所需的测量结果,进一步地,所述量子计算设备在得到所述第二测量结果后,会将所述第二测量结果发送至经典计算设备,以便经典计算设备基于该第二测量结果计算得到目标分子的基态特征。
举例来说,所述经典计算设备在确定所述损失函数C(θ)的损失值C(θ1)不满足所述终止条件的情况下,还需要调整所述目标参数化量子线路U(θ)的可调参数向量,以将所述第一向量θ1调整为第二向量θ2,进而发送所述第二向量θ2,如此,便于接收端,也即量子计算设备能够基于第二向量θ2得到第二目标态,进而得到第二测量结果,如此,来通过量子计算设备-经典计算设备的优化迭代,为快速迭代得到最优参数向量奠定了基础。
进一步地,所述经典计算设备在得到所述第二测量结果之后,会基于所述第二测量结果计算得到损失值C(θ2),进而确定所述损失函数的损失值C(θ2)是否满足所述终止条件。比如,所述损失函数的损失值C(θ2)满足终止条件的情况下,此时,所述经典计算设备会基于所述密度矩阵D(θ2)得到所述目标分子的基态特征,这里,具体处理流程可参见以上内容,此处不再赘述。
或者,在所述损失函数C(θ)的损失值C(θ2)不满足所述终止条件的情况下,所述经典计算设备会调整所述目标参数化量子线路U(θ)的可调参数向量,以将所述第二向量θ2调整为第三向量θ3,并将所述第三向量θ3发送至所述量子计算设备,以便所述量子计算设备基于该第三向量θ3得到第三测量结果,如此循环,直至满足所述终止条件为止得到最优参数向量θ*为止。
这样,通过循环处理的方式来对可调参数向量进行优化,简便且普适性更强,为快速迭代得到最优参数向量奠定了基础。而且,该优化过程和循环处理过程是在经典计算设备中进行的,所以,节约了量子计算资源。
以下结合具体示例对本公开方案做进一步详细说明;具体地,本公开方案提供了一种基于密度泛函理论的变分量子算法来求解分子的基态特征,具体地,利用吉文斯旋转(Givens Rotation)方法精确构造出斯莱特行列式态(Slater Determinant State)的参数化量子线路(也即目标参数化量子线路);随后,将哈密顿量中表征电子与电子之间库仑相互作用的表达式使用电子之间的交换关联泛函取代;如此,高效求解得到目标分子的基态特征。如图6所示,具体步骤包括:
步骤1:在量子计算设备中,输入目标分子的分子信息,以及能够表征所述目标分子的化学性质的化学基组,以及所述目标分子中电子之间的交换关联泛函εxc[ρ]。
这里,所述目标分子的分子信息可以具体包括:所述目标分子的几何结构,组成所述目标分子的原子的原子序数和位置信息,以及所述目标分子的总电子数。比如,所述目标分子中包含I(为大于等于1的自然数)个原子和Ne(为大于等于1的自然数)个电子,其中,所述I个原子的原子序数可分别记为A1,A2,…,Ai,…,AI,所述Ai(i=1,2,…,I)表示第i个原子的原子序数;所述目标分子的几何结构可由所述目标分子中包含的所述I个原子的位置信息表示,比如,通过所述I个原子的笛卡尔坐标来表示所述目标分子的几何结构,进一步地,所述I个原子的笛卡尔坐标可分别记为R1,R2,…,Ri,…,RI。所述Ri(i=1,2,…,I)表示第i个原子的原子核的坐标。
该示例中,具体输入内容如下:
(1)组成所述目标分子的各原子的笛卡尔坐标,即R1,R2,…,Ri,…,RI,所述Ri(i=1,2,…,I)表示第i个原子的原子核的坐标;
(2)组成所述目标分子的各原子的原子序数,即A1,A2,…,Ai,…,AI,所述Ai(i=1,2,…,I)表示第i个原子的原子序数;
(3)所述目标分子中的总电子数Ne。比如,该示例中,考虑总电子数Ne为偶数的情况,此时,该目标分子为处于自旋单态(Spin Singlet State)的分子;
(4)所述化学基组,包括Nbasis(为大于等于2的自然数)个两两正交的基函数,可记为:
(5)所述目标分子中电子之间的交换关联泛函εxc[ρ],所述ρ为所述目标分子的电子密度(Electron Density)。
步骤2:在量子计算设备中,初始化一个含有Nbasis个量子比特的计算基态(Computational Basis)|x>。
这里,可以理解的是,化学基组中基函数上至多有2个电子,因此,该Ne<2Nbasis。
进一步地,在总电子数Ne为奇数的情况下,可将个量子比特设置为第一基态|1>,其余量子比特设置为第二基态|0>。或者,在总电子数Ne为奇数的情况下,将个量子比特设置为第一基态|1>,其余量子比特设置为第二基态|0>。
需要说明的是,该初始化过程仅为一具体示例,实际应用中,还可以采用其他初始化方式得到计算基态|x>,本公开方案对此不作限制。
步骤3:在经典计算机中,随机初始化一个Nbasis×Nbasis的幺正矩阵U,并得到幺正矩阵U的分解式,其中,所述分解式包括多个吉文斯旋转矩阵G的乘积;在量子计算设备上,基于所述分解式构造目标参数化量子线路,并初始化该目标参数化量子线路为U(θ0),该θ0为一初始向量。
可以理解的是,本公开方案对步骤3中初始化幺正矩阵和步骤2初始化计算基态的执行顺序不作具体限制,比如,两者先后执行,或两者同步执行等。
这里,构造得到的目标参数化量子线路为斯莱特行列式态的参数化量子线路。比如,在经典计算设备上利用QR分解方法将幺正矩阵U分解为m个Nbasis×Nbasis的吉文斯旋转矩阵G的乘积,即U=G1(θ1),G2(θ2),…,Gm(θm),此时,向量θ0可记为θ0=[θ1,θ2,…,θm],所述向量θ0=[θ1,θ2,…,θm]为所述目标参数化量子线路U所包含的可调参数向量(或称为变分参数向量)θ的初始向量;进一步,在量子计算设备上,基于m个Nbasis×Nbasis的吉文斯旋转矩阵G的乘积,构造斯莱特行列式态的参数化量子线路,并将构造的斯莱特行列式态的参数化量子线路作为目标参数化量子线路U(θ)。
这里,所述吉文斯旋转矩阵G表示包含有可调参数(或可称变分参数)θ的吉文斯旋转门。
举例来说,以Nbasis=6为例,具体构造过程包括:
在经典计算机上随机初始化一个6×6的幺正矩阵U;利用QR分解将幺正矩阵U分解为8个6×6的吉文斯旋转矩阵G的乘积,即U=G1(θ1)G2(θ2),…,G8(θ8),也就是说,使用QR分解,将幺正矩阵U分解成8个包含有可调参数θ的吉文斯旋转门,共8个吉文斯旋转门。这里,基于初始化的幺正矩阵U,即可得到吉文斯旋转矩阵G所包含的可调参数θ的初始值,可记为初始向量θ0=[θ1,θ2,…,θ8]。进一步地,在量子计算设备中,基于8个6×6的吉文斯旋转矩阵G即可构造得到斯莱特行列式态的参数化量子线路。
如图4所示,展示了斯莱特行列式态的参数化量子线路的具体结构。该斯莱特行列式态的参数化量子线路包括6个量子比特,可分别记为量子比特Q1至量子比特Q6,以及包括8个吉文斯旋转门;其中,所述吉文斯旋转矩阵G1(θ1)所表示的吉文斯旋转门作用于量子比特Q2和量子比特Q3,所述吉文斯旋转矩阵G2(θ2)表示的吉文斯旋转门作用于量子比特Q1和量子比特Q2,所述吉文斯旋转矩阵G3(θ3)表示的吉文斯旋转门作用于量子比特Q3和量子比特Q4,所述吉文斯旋转矩阵G4(θ4)表示的吉文斯旋转门作用于量子比特Q2和量子比特Q3,所述吉文斯旋转矩阵G5(θ5)表示的吉文斯旋转门作用于量子比特Q4和量子比特Q5,所述吉文斯旋转矩阵G6(θ6)表示的吉文斯旋转门作用于量子比特Q3和量子比特Q4,所述吉文斯旋转矩阵G7(θ7)表示的吉文斯旋转门作用于量子比特Q5和量子比特Q6,所述吉文斯旋转矩阵G8(θ8)表示的吉文斯旋转门作用于量子比特Q4和量子比特Q5。
步骤4:在量子计算设备中,在可调参数向量θ为初始向量θ0的情况下,将斯莱特行列式态的参数化的量子线路作用到步骤2得到的计算基态上,得到斯莱特行列式态(也可称为目标态),即|Ψ(θ0)>=U(θ0)|x>。
这里,在得到目标态后,可以使用泡利测量方法从目标态中测量计算密度矩阵D(θ0)所需的元素。
步骤5:在经典计算设备中,基于步骤4得到的斯莱特行列式态,计算得到目标分子的密度矩阵D(θ0)。密度矩阵D(θ0)是一个Nbasis×Nbasis的实对称矩阵,密度矩阵D(θ0)的对角元Dll(l∈{1,2,…Nbasis})为:
密度矩阵D(θ0)的非对角元Dkl(k<l,k∈{1,2,…Nbasis})为:
这里,Xk为作用在第k个量子比特上的泡利X门,Yl为作用在第l个量子比特上的泡利Y门,Zl是作用在第l个量子比特上的泡利Z门。上述Xk、Yl以及Zl的数值可以通过在量子计算设备上对|Ψ(θ0)>使用泡利测量得到,也就是说,所述Xk、Yl以及Zl的数值为对|Ψ(θ0)>进行泡利测量所到的测量结果。
步骤6:在经典计算设备中,利用密度矩阵D(θ0)以及输入的所述化学基组中的基函数,计算得到初始向量θ0所对应的电子密度函数ρ(x)为:
其中,所述D(θ0)pq表示密度矩阵D(θ0)中的第p行第q列的矩阵元,p和q为从1到Nbasis的正整数;表示ψp(x)的复共轭,所述ψp(x)表示化学基组中的第p个基函数,ψq(x)表示化学基组中的第q个基函数。
步骤7:在经典计算设备上,根据输入的交换关联泛函εxc[ρ]和电子密度函数ρ(x)计算得到交换关联势(Exchange Correlation Potential)函数Vxc[ρ](x),即:
步骤8:在经典计算设备上,基于步骤7的交换关联势函数Vxc[ρ](x),计算得到科恩-沈吕九哈密顿量(Kohn-Sham Hamiltonian)HKS,即
其中,表示对三维笛卡尔坐标求梯度的运算;x和x′均表示所述目标分子的原子中电子的三维笛卡尔坐标,所述x′表示所述目标分子中除x处的电子之外其余电子的三维笛卡尔坐标。进一步地,该科恩-沈吕九哈密顿量HKS可由Nbasis×Nbasis的厄米矩阵表示,该厄米矩阵的第p行第q列的矩阵元(HKS)pq可以通过下列公式计算得到:
步骤9:在经典计算设备上,计算得到目标分子的总能量泛函,并将所述目标分子的总能量泛函作为损失函数C(θ),计算可调参数向量θ取值为初始向量θ0的情况下,得到损失函数C(θ)的损失值C(θ0);这里,
举例来说,计算损失函数C(θ)关于可调参数向量θ的一阶导数
其中表示对可调参数向量θ中的可调参数θ求梯度的运算。可以通过parameter shift方法或者差分法在量子计算设备上计算出来。若使用无梯度优化方法,比如Nelder-Mead,则可忽略此步骤。进一步地,将向量θ0代入上述公式,即可得到C(θ0)。这里,所述损失值C(θ0)表示在可调参数向量的取值为θ0的情况下的科恩-沈吕九能量。
步骤10:在经典计算设备上,计算出的损失值C(θ0)是否满足终止条件,比如是否收敛,若是,得到优化后的目标参数向量θ*,且该目标参数向量θ*=θ0;否则,利用经典计算设备,比如经典优化器更新可调参数向量θ,比如,将初始向量θ0更新为第一向量θ1,重复步骤4至10,即将步骤4至10中的初始向量θ0替换为第一向量θ1后重新计算得到C(θ1),并确定C(θ1)是否收敛,如此循环,直至损失函数C(θ0)的损失值收敛,得到目标参数向量θ*为止。
步骤11:在经典计算设备上,在损失函数C(θ)收敛的情况下,即可得到目标分子的基态电子密度ρ*以及基态能量C(θ*)。
这里,在得到最优的目标参数向量θ*后,可基于密度矩阵D(θ*)计算得到基态电子密度ρ*和基态能量C(θ*)。
需要说明的是,该方案的核心原理为:
第一,科恩-沈吕九拟设(Kohn-Sham ansatz):对于任意一个有相互作用的Ne个电子组成的物理系统,总可以找到一个含有无相互作用的Ne个费米子(Fermion)组成的物理系统,使得这两个物理系统的基态电子密度相同。利用这个拟设,使得本公开方案的DFT-VQE中所使用的参数化量子线路得到极大的简化,并消除由特罗特分解方法引入的误差,同时可以有效减小线路消耗的量子资源。
第二,Thouless定理:对于处于自旋单态的分子,描述分子中电子状态的任意两个不等价的斯莱特行列式之间都存在一个幺正变换,且该幺正变换中只有个独立的复参数。如此,保证了本公开方案所构造的参数化量子线路中不存在冗余的参数。
综上所述,相比于现有方案,本公开方案存在如下有益效果:
第一,相比于面向量子硬件的量子线路的变分量子本征值求解器(HardwareEfficient VQE)和基于幺正耦合簇方法的量子线路的变分量子本征值求解器(UnitaryCoupled Cluster VQE)而言,本公开方案的DFT-VQE能够利用吉文斯旋转方法构造得到斯莱特行列式态的参数化量子线路,如此,避免了由特罗特分解等近似方法引入的误差,而且基于Thouless定理在理论上保证了本公开方案所构造的参数化量子线路中不存在冗余的参数。
第二,本公开方案所采用的DFT-VQE,在计算损失函数时不直接对分子的哈密顿量求期望值,而是将哈密顿量中表征电子之间库伦相关作用的表达式,比如项),利用密度泛函理论,比如利用电子之间的交换关联泛函进行替换,如替换为项,这样,极大减少了哈密顿量中的项数,使得计算总能量泛函时需要的泡利测量的数量要远远少于传统的VQE方法;因此,相比于现有方案,本公开方案更适合求解更为复杂以及规模更大的分子的基态特征,且处理效率更高。
以下通过具体示例来对本公开方案的效果进行验证;具体地,利用本公开方案的DFT-VQE对氢化锂分子(化学式为LiH)的基态电子密度进行了数值模拟,如图7为LiH的分子结构。
该示例在计算的过程中使用的化学基组为STO-3G基组,使用的交换关联泛函为Perdew–Burke-Ernzerhof(PBE)交换关联泛函。在此条件下,将LiH分子中电子的科恩-沈吕九波函数编码在6个量子比特上,并将包含6个量子比特的计算基态初始化为|110000>。
进一步地,构建如图4所示的目标参数化量子线路,其中,所述目标参数化量子线路包含8个吉文斯旋转门,每个吉文斯旋转门包含有一个变分参数,该目标参数化量子线路共包含8个变分参数。如图8所示,各每个吉文斯旋转门在具体示例中的线路结构,如图8所示,该吉文斯旋转门包括两个CNOT门,以及一个旋转门Ry,此时,变分参数θ为旋转门Ry的参数。
进一步地,基于本公开方案得到具体地密度矩阵D(θ),并计算得到电子密度函数ρ(x);进而根据PBE交换关联泛函和ρ(x)计算得到εxc[ρ]和从LiH分子的几何结构和出发,计算得到LiH分子的科恩-沈吕九哈密顿量在STO-3G基组下的厄米矩阵,进而计算得到LiH分子的总能量泛函,并将LiH分子的总能量泛函作为损失函数,并进行迭代优化,直至图4中目标参数化量子线路中的参数收敛。
进一步地,将本公开方案的DFT-VQE与基于Hardware Efficient Ansatz的VQE算法进行了对比(基态能量的参考值为-8.0192Hartree)。如下表所示,相对于HardwareEfficient VQE方法,本公开方案DFT-VQE可以节省50%的量子比特,而且相较于HardwareEfficient VQE,本公开方案所构造的目标参数化量子线路中的原生门的数量减少了70%,基态能量的计算精度提升37%。
这里,该示例中基态能量的计算精度通过以下公式得到,
其中EHF=-7.8620Hartree,Erefer为基态能量的参考值。
综上所示,与现有方案相比,本公开方案具有如下优势:
第一,在基态特征,比如基态能量以及基态电子密度的求解上,本公开方案的计算精度更高。具体地,本公开方案使用了密度泛函理论中的交换关联泛函,并将电子之间因为库仑排斥带来的交换关联能考虑进来,因此,求解上更加精确。
第二,节省了所占用的计算资源,降低了计算的复杂度,更适用于解决更为复杂的且规模较大的分子的电子密度的求解问题。具体地,本公开方案使用了不同于现有方案的量子线路和损失函数,即使用了吉文斯旋转方法制备目标参数化量子线路,简化了目标参数化量子线路的结构;其次,在损失函数的处理过程中使用了密度泛函理论,因此,计算损失函数时所需进行的泡利测量次数更少,比如只需O(N2)次测量,降低了计算的复杂度。此外,模拟相同的分子,相比于现有方案,本公开方案所需的量子比特数更少,极大节省了计算资源。而且,模拟相同的目标分子时,本公开方案所需的量子比特数会更少,比如,为现有方案的二分之一。
需要说明的是,本公开方案所构造的目标参数化量子线路的深度与待研究的目标分子的系统规模之间存在严格的线性关系,而且,在损失函数的处理过程中使用了密度泛函理论的基础上,计算损失函数所需使用的测量次数为O(N2)次,因此,在较大分子的模拟上更具有效性。
另外,需要说明的是,本公开方案至少可以应用到如下领域:第一,功能性材料领域,如新能源电池正极材料设计领域、新奇的量子物态研究(如拓扑绝缘体、外尔半金属等)。第二,量子化学领域,如预测分子的稳定结构、化学反应的速率等。
本公开方案还提供了一种经典计算设备,如图9所示,包括:
第一处理单元901,用于基于第一目标态的第一测量结果,得到目标分子的密度矩阵D(θ1);其中,所述第一目标态是目标参数化量子线路U(θ)的可调参数向量为第一向量θ1的情况下作用到计算基态上所得;所述目标参数化量子线路U(θ)所包含的量子比特的数量与所述目标分子相关;
第二处理单元902,用于至少基于所述密度矩阵D(θ1),得到损失函数C(θ)的损失值C(θ1),其中,所述损失函数C(θ)是基于交换关联泛函对所述目标分子的哈密顿量中表征电子之间库伦相关作用的表达式进行处理后所得,用于表征所述目标分子的总能量泛函;所述交换关联泛函表征所述目标分子的电子之间的交换关联泛函;
第三处理单元903,用于在所述损失函数的损失值C(θ1)满足终止条件的情况下,基于所述密度矩阵D(θ1)得到所述目标分子的基态特征,所述基态特征包括以下至少之一:基态电子密度,基态能量。
在本公开方案的一具体示例中,所述第三处理单元,还用于:
在所述损失函数C(θ)的损失值C(θ1)不满足所述终止条件的情况下,调整所述目标参数化量子线路U(θ)的可调参数向量,以将所述第一向量θ1调整为第二向量θ2。
在本公开方案的一具体示例中,所述第一处理单元,还用于获取第二目标态的第二测量结果;其中,所述第二目标态是所述目标参数化量子线路U(θ)的可调参数向量为所述第二向量θ2的情况下作用到所述计算基态上所得;基于所述第二目标态的第二测量结果,得到所述目标分子的密度矩阵D(θ2);
所述第二处理单元,还用于基于所述密度矩阵D(θ2),得到所述损失函数C(θ)的损失值C(θ2);
所述第三处理单元,还用于确定所述损失函数C(θ)的损失值C(θ2)是否满足所述终止条件。
在本公开方案的一具体示例中,所述第二处理单元,具体用于:
基于所述密度矩阵D(θ1)以及所述目标分子的化学基组中的基函数,得到所述第一向量θ1所对应的所述目标分子的第一电子密度函数;
利用所述第一电子密度函数以及所述交换关联泛函,对所述目标分子的哈密顿量中表征电子之间库伦相关作用的表达式进行处理,得到所述损失函数C(θ)的损失值C(θ1)。
在本公开方案的一具体示例中,所述第二处理单元,具体用于:
利用所述第一电子密度函数,以及所述交换关联泛函,得到交换关联势函数;
基于交换关联势函数,对所述目标分子的哈密顿量中表征电子之间库伦相关作用的表达式进行替换,得到所述可调参数向量为第一向量θ1的情况下的目标哈密顿量;
基于所述可调参数向量为第一向量θ1的情况下的目标哈密顿量,得到所述损失函数C(θ)的损失值C(θ1)。
在本公开方案的一具体示例中,所述目标哈密顿量为科恩-沈吕九哈密顿量。
在本公开方案的一具体示例中,所述目标参数化量子线路U(θ)包括有多个具有可调参数的吉文斯旋转门;所述多个具有可调参数的吉文斯旋转门是基于对幺正矩阵进行分解得到的分解式所得。
在本公开方案的一具体示例中,所述目标参数化量子线路U(θ)为斯莱特行列式态的参数化量子线路。
在本公开方案的一具体示例中,所述计算基态所包含的量子比特的数量与目标分子相关;所述计算基态中部分量子比特处于第一基态,另外部分量子比特处于第二基态。
在本公开方案的一具体示例中,所述计算基态中处于所述第一基态或所述第二基态的量子比特的数量,与所述目标分子的总电子数量有关。
本公开实施例的经典计算设备的各单元的具体功能和示例的描述,可以参见上述方法实施例中对应步骤的相关描述,在此不再赘述。
本公开方案还提供了一种量子计算设备,如图10所示,包括:
获取单元1001,用于获取目标参数化量子线路U(θ)中可调参数向量的第一向量θ1;所述目标参数化量子线路U(θ)所包含的量子比特的数量与所述目标分子相关;
电路处理单元1002,用于将所述可调参数向量为所述第一向量θ1的所述目标参数化量子线路作用到计算基态上,得到第一目标态;其中,所述计算基态是基于目标分子的特征信息初始化得到的;
度量单元1003,用于对所述第一目标态进行测量,得到第一测量结果。
在本公开方案的一具体示例中,所述电路处理单元,还用于:
构造包含多个具有可调参数的吉文斯旋转门的目标参数化量子线路U(θ);其中,所述多个具有可调参数的吉文斯旋转门是基于对幺正矩阵进行分解得到的分解式所得。
在本公开方案的一具体示例中,所述目标参数化量子线路U(θ)为斯莱特行列式态的参数化量子线路。
在本公开方案的一具体示例中,所述计算基态所包含的量子比特的数量与目标分子相关;所述计算基态中处于所述第一基态的量子比特的数量,与所述目标分子的总电子数量有关。
在本公开方案的一具体示例中,所述计算基态中处于所述第一基态或所述第二基态的量子比特的数量,与所述目标分子的总电子数量有关。
在本公开方案的一具体示例中,所述获取单元,还用于获取所述目标参数化量子线路U(θ)中可调参数向量的第二向量θ2;
所述电路处理单元,还用于将所述可调参数向量为所述第二向量θ2的所述目标参数化量子线路作用到所述计算基态上,得到第二目标态;
所述度量单元,还用于对所述第二目标态进行测量,得到第二测量结果。
本公开实施例的量子计算设备的各单元的具体功能和示例的描述,可以参见上述方法实施例中对应步骤的相关描述,在此不再赘述。
本公开方案还提供了一种计算装置,如图11所示,包括:
以上所述的经典计算设备1101,以上所述的量子计算设备1102。
上述经典计算设备的具体结构,以及经典计算设备中各单元具体功能可参照上述方法描述,同理,上述量子计算设备的具体结构,以及量子计算设备中各单元具体功能可参照上述方法描述,这里不再赘述。
本公开方案还提供了一种存储有计算机指令的非瞬时计算机可读存储介质,当至少一个量子处理单元执行时,所述计算机指令使得所述至少一个量子处理单元执行以上应用量子计算设备的所述方法。
本公开方案还提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现以上应用于经典计算设备所述的方法;
或者,所述计算机程序在被至少一个量子处理单元执行时实现应用于量子计算设备所述的方法。
本公开方案还提供了一种量子计算设备,所述量子计算设备包括:
至少一个量子处理单元;
存储器,耦合到所述至少一个QPU并用于存储可执行指令,
所述指令被所述至少一个量子处理单元执行,以使所述至少一个量子处理单元能够执行应用于量子计算设备所述的方法。
可以理解的是,本公开方案所述的中使用的量子处理单元(quantum processingunit,QPU),也可称为量子处理器或量子芯片,可以涉及包括多个以特定方式互连的量子比特的物理芯片。
而且,可以理解的是,本公开方案所述的量子比特可以指量子计算设备的基本信息单元。量子比特包含在QPU中,并推广了经典数字比特的概念。
根据本公开的实施例,本公开还提供了一种经典计算设备(以下以该经典计算设备具体为电子设备为例进行说明)、一种可读存储介质和一种计算机程序产品。
图12示出了可以用来实施本公开的实施例的示例电子设备1200的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图12所示,设备1200包括计算单元1201,其可以根据存储在只读存储器(ROM)1202中的计算机程序或者从存储单元1208加载到随机访问存储器(RAM)1203中的计算机程序,来执行各种适当的动作和处理。在RAM 1203中,还可存储设备1200操作所需的各种程序和数据。计算单元1201、ROM 1202以及RAM 1203通过总线1204彼此相连。输入/输出(I/O)接口1205也连接至总线1204。
设备1200中的多个部件连接至I/O接口1205,包括:输入单元1206,例如键盘、鼠标等;输出单元1207,例如各种类型的显示器、扬声器等;存储单元1208,例如磁盘、光盘等;以及通信单元1209,例如网卡、调制解调器、无线通信收发机等。通信单元1209允许设备1200通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1201可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1201的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1201执行上文所描述的各个方法和处理,例如应用于经典计算设备中的确定分子的基态特征的方法。例如,在一些实施例中,应用于经典计算设备中的确定分子的基态特征的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1208。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1202和/或通信单元1209而被载入和/或安装到设备1200上。当计算机程序加载到RAM 1203并由计算单元1201执行时,可以执行上文描述的应用于经典计算设备中的确定分子的基态特征的方法的一个或多个步骤。备选地,在其他实施例中,计算单元1201可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行应用于经典计算设备中的确定分子的基态特征的方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入、或者触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (38)
1.一种确定分子的基态特征的方法,应用于经典计算设备,包括:
基于第一目标态的第一测量结果,得到目标分子的密度矩阵D(θ1);其中,所述第一目标态是目标参数化量子线路U(θ)的可调参数向量为第一向量θ1的情况下作用到计算基态上所得;所述目标参数化量子线路U(θ)所包含的量子比特的数量与所述目标分子相关;
至少基于所述密度矩阵D(θ1),得到损失函数C(θ)的损失值C(θ1),其中,所述损失函数C(θ)是基于交换关联泛函对所述目标分子的哈密顿量中表征电子之间库伦相关作用的表达式进行处理后所得,用于表征所述目标分子的总能量泛函;所述交换关联泛函表征所述目标分子的电子之间的交换关联泛函;
在所述损失函数的损失值C(θ1)满足终止条件的情况下,基于所述密度矩阵D(θ1)得到所述目标分子的基态特征,所述基态特征包括以下至少之一:基态电子密度,基态能量。
2.根据权利要求1所述的方法,还包括:
在所述损失函数C(θ)的损失值C(θ1)不满足所述终止条件的情况下,调整所述目标参数化量子线路U(θ)的可调参数向量,以将所述第一向量θ1调整为第二向量θ2。
3.根据权利要求2所述的方法,还包括:
获取第二目标态的第二测量结果;其中,所述第二目标态是所述目标参数化量子线路U(θ)的可调参数向量为所述第二向量θ2的情况下作用到所述计算基态上所得;
基于所述第二目标态的第二测量结果,得到所述目标分子的密度矩阵D(θ2);
基于所述密度矩阵D(θ2),得到所述损失函数C(θ)的损失值C(θ2),并确定所述损失函数C(θ)的损失值C(θ2)是否满足所述终止条件。
4.根据权利要求1-3任一项所述的方法,其中,所述至少基于所述密度矩阵D(θ1),得到损失函数C(θ)的损失值C(θ1),包括:
基于所述密度矩阵D(θ1)以及所述目标分子的化学基组中的基函数,得到所述第一向量θ1所对应的所述目标分子的第一电子密度函数;
利用所述第一电子密度函数以及所述交换关联泛函,对所述目标分子的哈密顿量中表征电子之间库伦相关作用的表达式进行处理,得到所述损失函数C(θ)的损失值C(θ1)。
5.根据权利要求4所述的方法,其中,所述利用所述第一电子密度函数以及所述交换关联泛函,对所述目标分子的哈密顿量中表征电子之间库伦相关作用的表达式进行处理,得到所述损失函数C(θ)的损失值C(θ1),包括:
利用所述第一电子密度函数,以及所述交换关联泛函,得到交换关联势函数;
基于交换关联势函数,对所述目标分子的哈密顿量中表征电子之间库伦相关作用的表达式进行替换,得到所述可调参数向量为第一向量θ1的情况下的目标哈密顿量;
基于所述可调参数向量为第一向量θ1的情况下的目标哈密顿量,得到所述损失函数C(θ)的损失值C(θ1)。
6.根据权利要求5所述的方法,其中,所述目标哈密顿量为科恩-沈吕九哈密顿量。
7.根据权利要求1-6任一项所述的方法,其中,所述目标参数化量子线路U(θ)包括有多个具有可调参数的吉文斯旋转门;所述多个具有可调参数的吉文斯旋转门是基于对幺正矩阵进行分解得到的分解式所得。
8.根据权利要求7所述的方法,其中,所述目标参数化量子线路U(θ)为斯莱特行列式态的参数化量子线路。
9.根据权利要求1-8任一项所述的方法,其中,所述计算基态所包含的量子比特的数量与目标分子相关;所述计算基态中部分量子比特处于第一基态,另外部分量子比特处于第二基态。
10.根据权利要求9所述的方法,其中,所述计算基态中处于所述第一基态或所述第二基态的量子比特的数量,与所述目标分子的总电子数量有关。
11.一种确定分子的基态特征的方法,应用于量子计算设备,包括:
获取目标参数化量子线路U(θ)中可调参数向量的第一向量θ1;所述目标参数化量子线路U(θ)所包含的量子比特的数量与所述目标分子相关;
将所述可调参数向量为所述第一向量θ1的所述目标参数化量子线路作用到计算基态上,得到第一目标态;其中,所述计算基态是基于目标分子的特征信息初始化得到的;
对所述第一目标态进行测量,得到第一测量结果。
12.根据权利要求11所述的方法,还包括:
构造包含多个具有可调参数的吉文斯旋转门的目标参数化量子线路U(θ);其中,所述多个具有可调参数的吉文斯旋转门是基于对幺正矩阵进行分解得到的分解式所得。
13.根据权利要求12所述的方法,其中,所述目标参数化量子线路U(θ)为斯莱特行列式态的参数化量子线路。
14.根据权利要求11-13任一项所述的方法,其中,所述计算基态所包含的量子比特的数量与目标分子相关;所述计算基态中处于所述第一基态的量子比特的数量,与所述目标分子的总电子数量有关。
15.根据权利要求14所述的方法,其中,所述计算基态中处于所述第一基态或所述第二基态的量子比特的数量,与所述目标分子的总电子数量有关。
16.根据权利要求11-15任一项所述的方法,还包括:
获取所述目标参数化量子线路U(θ)中可调参数向量的第二向量θ2;
将所述可调参数向量为所述第二向量θ2的所述目标参数化量子线路作用到所述计算基态上,得到第二目标态;
对所述第二目标态进行测量,得到第二测量结果。
17.一种经典计算设备,包括:
第一处理单元,用于基于第一目标态的第一测量结果,得到目标分子的密度矩阵D(θ1);其中,所述第一目标态是目标参数化量子线路U(θ)的可调参数向量为第一向量θ1的情况下作用到计算基态上所得;所述目标参数化量子线路U(θ)所包含的量子比特的数量与所述目标分子相关;
第二处理单元,用于至少基于所述密度矩阵D(θ1),得到损失函数C(θ)的损失值C(θ1),其中,所述损失函数C(θ)是基于交换关联泛函对所述目标分子的哈密顿量中表征电子之间库伦相关作用的表达式进行处理后所得,用于表征所述目标分子的总能量泛函;所述交换关联泛函表征所述目标分子的电子之间的交换关联泛函;
第三处理单元,用于在所述损失函数的损失值C(θ1)满足终止条件的情况下,基于所述密度矩阵D(θ1)得到所述目标分子的基态特征,所述基态特征包括以下至少之一:基态电子密度,基态能量。
18.根据权利要求17所述的设备,其中,所述第三处理单元,还用于:
在所述损失函数C(θ)的损失值C(θ1)不满足所述终止条件的情况下,调整所述目标参数化量子线路U(θ)的可调参数向量,以将所述第一向量θ1调整为第二向量θ2。
19.根据权利要求18所述的设备,其中,
所述第一处理单元,还用于获取第二目标态的第二测量结果;其中,所述第二目标态是所述目标参数化量子线路U(θ)的可调参数向量为所述第二向量θ2的情况下作用到所述计算基态上所得;基于所述第二目标态的第二测量结果,得到所述目标分子的密度矩阵D(θ2);
所述第二处理单元,还用于基于所述密度矩阵D(θ2),得到所述损失函数C(θ)的损失值C(θ2);
所述第三处理单元,还用于确定所述损失函数C(θ)的损失值C(θ2)是否满足所述终止条件。
20.根据权利要求17-19任一项所述的设备,其中,所述第二处理单元,具体用于:
基于所述密度矩阵D(θ1)以及所述目标分子的化学基组中的基函数,得到所述第一向量θ1所对应的所述目标分子的第一电子密度函数;
利用所述第一电子密度函数以及所述交换关联泛函,对所述目标分子的哈密顿量中表征电子之间库伦相关作用的表达式进行处理,得到所述损失函数C(θ)的损失值C(θ1)。
21.根据权利要求20所述的设备,其中,所述第二处理单元,具体用于:
利用所述第一电子密度函数,以及所述交换关联泛函,得到交换关联势函数;
基于交换关联势函数,对所述目标分子的哈密顿量中表征电子之间库伦相关作用的表达式进行替换,得到所述可调参数向量为第一向量θ1的情况下的目标哈密顿量;
基于所述可调参数向量为第一向量θ1的情况下的目标哈密顿量,得到所述损失函数C(θ)的损失值C(θ1)。
22.根据权利要求21所述的设备,其中,所述目标哈密顿量为科恩-沈吕九哈密顿量。
23.根据权利要求17-22任一项所述的设备,其中,所述目标参数化量子线路U(θ)包括有多个具有可调参数的吉文斯旋转门;所述多个具有可调参数的吉文斯旋转门是基于对幺正矩阵进行分解得到的分解式所得。
24.根据权利要求23所述的设备,其中,所述目标参数化量子线路U(θ)为斯莱特行列式态的参数化量子线路。
25.根据权利要求17-24任一项所述的设备,其中,所述计算基态所包含的量子比特的数量与目标分子相关;所述计算基态中部分量子比特处于第一基态,另外部分量子比特处于第二基态。
26.根据权利要求25所述的设备,其中,所述计算基态中处于所述第一基态或所述第二基态的量子比特的数量,与所述目标分子的总电子数量有关。
27.一种量子计算设备,包括:
获取单元,用于获取目标参数化量子线路U(θ)中可调参数向量的第一向量θ1;所述目标参数化量子线路U(θ)所包含的量子比特的数量与所述目标分子相关;
电路处理单元,用于将所述可调参数向量为所述第一向量θ1的所述目标参数化量子线路作用到计算基态上,得到第一目标态;其中,所述计算基态是基于目标分子的特征信息初始化得到的;
度量单元,用于对所述第一目标态进行测量,得到第一测量结果。
28.根据权利要求27所述的设备,其中,所述电路处理单元,还用于:
构造包含多个具有可调参数的吉文斯旋转门的目标参数化量子线路U(θ);其中,所述多个具有可调参数的吉文斯旋转门是基于对幺正矩阵进行分解得到的分解式所得。
29.根据权利要求28所述的设备,其中,所述目标参数化量子线路U(θ)为斯莱特行列式态的参数化量子线路。
30.根据权利要求27-29任一项所述的设备,其中,所述计算基态所包含的量子比特的数量与目标分子相关;所述计算基态中处于所述第一基态的量子比特的数量,与所述目标分子的总电子数量有关。
31.根据权利要求30所述的设备,其中,所述计算基态中处于所述第一基态或所述第二基态的量子比特的数量,与所述目标分子的总电子数量有关。
32.根据权利要求27-31任一项所述的设备,其中,
所述获取单元,还用于获取所述目标参数化量子线路U(θ)中可调参数向量的第二向量θ2;
所述电路处理单元,还用于将所述可调参数向量为所述第二向量θ2的所述目标参数化量子线路作用到所述计算基态上,得到第二目标态;
所述度量单元,还用于对所述第二目标态进行测量,得到第二测量结果。
33.一种经典计算设备,其特征在于,所述经典计算设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-10中任一项所述的方法。
34.一种量子计算设备,其特征在于,所述量子计算设备包括:
至少一个量子处理单元;
存储器,耦合到所述至少一个QPU并用于存储可执行指令,
所述指令被所述至少一个量子处理单元执行,以使所述至少一个量子处理单元能够执行权利要求11至16中任一项所述的方法。
35.一种计算装置,其特征在于,包括:
根据权利要求17至26任一项所述的经典计算设备,
根据权利要求27至32任一项所述的量子计算设备。
36.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-10中任一项所述的方法。
37.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,当至少一个量子处理单元执行时,所述计算机指令使得所述至少一个量子处理单元执行根据权利要求11至16任一项所述的方法。
38.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-10中任一项所述的方法;
或者,所述计算机程序在被至少一个量子处理单元执行时实现根据权利要求11-16中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210646457.4A CN115101140B (zh) | 2022-06-08 | 2022-06-08 | 确定分子的基态特征的方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210646457.4A CN115101140B (zh) | 2022-06-08 | 2022-06-08 | 确定分子的基态特征的方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115101140A true CN115101140A (zh) | 2022-09-23 |
CN115101140B CN115101140B (zh) | 2023-04-18 |
Family
ID=83288604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210646457.4A Active CN115101140B (zh) | 2022-06-08 | 2022-06-08 | 确定分子的基态特征的方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115101140B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116523066A (zh) * | 2023-07-03 | 2023-08-01 | 微观纪元(合肥)量子科技有限公司 | 基于稳定子的基态能量计算方法及相关设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180096993A1 (en) * | 2016-10-05 | 2018-04-05 | Semiconductor Components Industries, Llc | Electronic device including a cascode circuit having principal drive and bypass transistors |
CN111598247A (zh) * | 2020-04-22 | 2020-08-28 | 北京百度网讯科技有限公司 | 量子吉布斯态生成方法、装置及电子设备 |
CN113496285A (zh) * | 2021-07-07 | 2021-10-12 | 北京百度网讯科技有限公司 | 基于量子电路的数据处理方法及装置、电子设备和介质 |
CN113517040A (zh) * | 2021-07-12 | 2021-10-19 | 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 |
CN113705793A (zh) * | 2021-09-03 | 2021-11-26 | 北京百度网讯科技有限公司 | 决策变量确定方法及装置、电子设备和介质 |
CN113935193A (zh) * | 2021-11-05 | 2022-01-14 | 电子科技大学 | 一种铁基合金磁性材料的电子性质及应变调控规律的预测方法 |
US20220165364A1 (en) * | 2020-05-27 | 2022-05-26 | California Institute Of Technology | Systems and Methods for Determining Molecular Properties with Atomic-Orbital-Based Features |
CN114580647A (zh) * | 2022-02-24 | 2022-06-03 | 北京百度网讯科技有限公司 | 量子系统的模拟方法、计算设备、装置及存储介质 |
-
2022
- 2022-06-08 CN CN202210646457.4A patent/CN115101140B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180096993A1 (en) * | 2016-10-05 | 2018-04-05 | Semiconductor Components Industries, Llc | Electronic device including a cascode circuit having principal drive and bypass transistors |
CN111598247A (zh) * | 2020-04-22 | 2020-08-28 | 北京百度网讯科技有限公司 | 量子吉布斯态生成方法、装置及电子设备 |
US20220165364A1 (en) * | 2020-05-27 | 2022-05-26 | California Institute Of Technology | Systems and Methods for Determining Molecular Properties with Atomic-Orbital-Based Features |
CN113496285A (zh) * | 2021-07-07 | 2021-10-12 | 北京百度网讯科技有限公司 | 基于量子电路的数据处理方法及装置、电子设备和介质 |
CN113517040A (zh) * | 2021-07-12 | 2021-10-19 | 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 |
CN113705793A (zh) * | 2021-09-03 | 2021-11-26 | 北京百度网讯科技有限公司 | 决策变量确定方法及装置、电子设备和介质 |
CN113935193A (zh) * | 2021-11-05 | 2022-01-14 | 电子科技大学 | 一种铁基合金磁性材料的电子性质及应变调控规律的预测方法 |
CN114580647A (zh) * | 2022-02-24 | 2022-06-03 | 北京百度网讯科技有限公司 | 量子系统的模拟方法、计算设备、装置及存储介质 |
Non-Patent Citations (4)
Title |
---|
HONG-BIN REN ET AL: "Mechine Learning Kinetic Energy Functional for a one-Dimensional Periodic System", 《CHINESE PHYSICS LETTERS》 * |
JONATHAN SCHMIDT ET AL: "Machine learning the physical Nonlocal Exchange-correlation Functional of Density-Functional Theory", 《THE JOURNAL OF PHYSICAL CHEMISTRY LETTERS》 * |
任宏斌: "机器学习方法在第一性原理计算中的应用", 《中国博士学位论文全文数据库》 * |
梁霄: "机器学习在量子物理学中的应用", 《中国博士学位论文全文数据库》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116523066A (zh) * | 2023-07-03 | 2023-08-01 | 微观纪元(合肥)量子科技有限公司 | 基于稳定子的基态能量计算方法及相关设备 |
CN116523066B (zh) * | 2023-07-03 | 2023-09-12 | 微观纪元(合肥)量子科技有限公司 | 基于稳定子的基态能量计算方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115101140B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113379057B (zh) | 量子体系基态能量估计方法及系统 | |
US10839306B2 (en) | Hardware-efficient variational quantum eigenvalue solver for quantum computing machines | |
Kent et al. | QMCPACK: Advances in the development, efficiency, and application of auxiliary field and real-space variational and diffusion quantum Monte Carlo | |
CN114580647B (zh) | 量子系统的模拟方法、计算设备、装置及存储介质 | |
CN113496285A (zh) | 基于量子电路的数据处理方法及装置、电子设备和介质 | |
CN113379058B (zh) | 量子模拟方法及装置、电子设备及存储介质 | |
CN114662694A (zh) | 量子系统的特征信息的确定方法、装置、设备及存储介质 | |
CN114492814B (zh) | 基于量子计算模拟目标体系能量的方法、装置及介质 | |
CN113098803B (zh) | 量子噪声信道的逆映射分解方法及装置、电子设备和介质 | |
CN115101140B (zh) | 确定分子的基态特征的方法、设备及存储介质 | |
WO2021099365A1 (en) | Estimating quantum observables | |
CN115345309A (zh) | 系统特征信息的确定方法、装置、电子设备和介质 | |
CN113705793A (zh) | 决策变量确定方法及装置、电子设备和介质 | |
CN114528996B (zh) | 一种目标体系试验态初始参数的确定方法、装置及介质 | |
CN114418103B (zh) | 基态能量的确定方法、装置、设备及存储介质 | |
KR20230066842A (ko) | 양자컴퓨터를 이용한 양자상태 시뮬레이션 방법 및 그 양자컴퓨터 | |
CN114580645A (zh) | 随机量子测量的模拟方法、装置、设备及存储介质 | |
CN114418108B (zh) | 酉算子编译方法、计算设备、装置及存储介质 | |
CN113517040B (zh) | 量子本征求解器的实现方法、装置及电子设备 | |
CN115759269A (zh) | 特征信息的确定方法、装置、设备以及存储介质 | |
CN115577776A (zh) | 基态能量的确定方法、装置、设备及存储介质 | |
CN114492813B (zh) | 量子电路处理方法、电路、计算设备、装置及存储介质 | |
EP4131085A1 (en) | Method for estimating a value of an observable quantity of a state of a quantum many-body system and apparatus for carrying out said method | |
CN116739097B (zh) | 量子测量设备性能估计方法及装置、电子设备和介质 | |
WO2024082694A1 (zh) | 分子能量的预测方法、装置、设备及存储介质 |
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 |