CN116842704A - 一种组合物最优结构的确定方法、装置及介质 - Google Patents
一种组合物最优结构的确定方法、装置及介质 Download PDFInfo
- Publication number
- CN116842704A CN116842704A CN202310693875.3A CN202310693875A CN116842704A CN 116842704 A CN116842704 A CN 116842704A CN 202310693875 A CN202310693875 A CN 202310693875A CN 116842704 A CN116842704 A CN 116842704A
- Authority
- CN
- China
- Prior art keywords
- target composition
- quantum
- chemical substance
- state
- determining
- 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.)
- Pending
Links
- 239000000203 mixture Substances 0.000 title claims abstract description 184
- 238000000034 method Methods 0.000 title claims abstract description 50
- 239000000126 substance Substances 0.000 claims abstract description 87
- 239000013078 crystal Substances 0.000 claims abstract description 40
- 238000005381 potential energy Methods 0.000 claims abstract description 31
- 238000005457 optimization Methods 0.000 claims abstract description 22
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 238000012360 testing method Methods 0.000 claims description 18
- 238000013461 design Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 15
- 239000002096 quantum dot Substances 0.000 claims description 15
- 238000013507 mapping Methods 0.000 claims description 12
- 230000015654 memory Effects 0.000 claims description 10
- 230000005428 wave function Effects 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 7
- 239000012621 metal-organic framework Substances 0.000 claims description 7
- 230000001131 transforming effect Effects 0.000 claims description 5
- 239000013626 chemical specie Substances 0.000 claims description 3
- 241000894007 species Species 0.000 claims description 2
- 240000002834 Paulownia tomentosa Species 0.000 claims 1
- 238000013459 approach Methods 0.000 claims 1
- 229910052751 metal Inorganic materials 0.000 description 18
- 238000012545 processing Methods 0.000 description 18
- 238000004364 calculation method Methods 0.000 description 16
- 239000002184 metal Substances 0.000 description 16
- 239000000463 material Substances 0.000 description 11
- 238000005259 measurement Methods 0.000 description 11
- 230000005283 ground state Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000004088 simulation Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 239000013118 MOF-74-type framework Substances 0.000 description 7
- 230000005284 excitation Effects 0.000 description 7
- 239000002245 particle Substances 0.000 description 7
- 230000009466 transformation Effects 0.000 description 7
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 6
- 239000002131 composite material Substances 0.000 description 6
- 239000013598 vector Substances 0.000 description 6
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 5
- 238000012790 confirmation Methods 0.000 description 5
- 238000013139 quantization Methods 0.000 description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 4
- 229910052749 magnesium Inorganic materials 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 238000001179 sorption measurement Methods 0.000 description 4
- 241000053208 Porcellio laevis Species 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 125000004435 hydrogen atom Chemical group [H]* 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000005610 quantum mechanics Effects 0.000 description 3
- OYFRNYNHAZOYNF-UHFFFAOYSA-N 2,5-dihydroxyterephthalic acid Chemical compound OC(=O)C1=CC(O)=C(C(O)=O)C=C1O OYFRNYNHAZOYNF-UHFFFAOYSA-N 0.000 description 2
- 244000055346 Paulownia Species 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 2
- 125000004429 atom Chemical group 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000001027 hydrothermal synthesis Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 229910021645 metal ion Inorganic materials 0.000 description 2
- 150000002739 metals Chemical class 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 1
- 230000005366 Ising model Effects 0.000 description 1
- JLVVSXFLKOJNIY-UHFFFAOYSA-N Magnesium ion Chemical compound [Mg+2] JLVVSXFLKOJNIY-UHFFFAOYSA-N 0.000 description 1
- 229910002651 NO3 Inorganic materials 0.000 description 1
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 description 1
- 239000013115 Zn-MOF-74 Substances 0.000 description 1
- 239000003463 adsorbent Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 125000000524 functional group Chemical group 0.000 description 1
- 150000002431 hydrogen Chemical class 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 239000003446 ligand Substances 0.000 description 1
- 239000011777 magnesium Substances 0.000 description 1
- 229910001425 magnesium ion Inorganic materials 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000004776 molecular orbital Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013110 organic ligand Substances 0.000 description 1
- 125000004430 oxygen atom Chemical group O* 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 239000011164 primary particle Substances 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000005359 quantum Heisenberg model Effects 0.000 description 1
- 238000001338 self-assembly Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N10/00—Quantum computing, i.e. information processing based on quantum-mechanical phenomena
- G06N10/20—Models of quantum computing, e.g. quantum circuits or universal quantum computers
-
- 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
- G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Chemical & Material Sciences (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Computational Mathematics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Crystallography & Structural Chemistry (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种组合物最优结构的确定方法、装置及介质，方法包括：首先获得第一化学物质的晶体结构，并构建第一化学物质对应的结构单元模型，确定第二化学物质，根据结构单元模型，执行第二化学物质与结构单元模型的几何结构优化，并输出结构优化后的目标组合物，最后通过变分量子算法获得目标组合物的势能曲线，并确定目标组合物的最优结构，它能够实现基于量子计算求解大分子组合材料体系的势能曲线，以此确定该大分子组合材料体系的最优结构，提高了计算速度和计算精度，促进量子化学模拟应用的进一步发展。
Description
技术领域
本发明属于量子计算技术领域，特别是一种组合物最优结构的确定方法、装置及介质。
背景技术
量子计算机是一类遵循量子力学规律进行高速数学和逻辑运算、存储及处理量子信息的物理装置。量子计算机因其具有相对普通计算机更高效的处理数学问题的能力，例如，能将破解RSA密钥的时间从数百年加速到数小时，故成为一种正在研究中的关键技术。
随着量子化学理论的不断完善，量子计算作为一种利用叠加和纠缠特性的新型计算模式，有望为克服计算大分子组合材料体系的势能曲线或基态能量的指数难题带来新的解决方案，促进其在组合物结构确认等方面的应用。但是，面对组合物结构确认所涉及的复杂计算量，经典计算机在计算精度、计算尺寸等方面显得能力有限，这就在一定程度上限制了组合物结构确认的发展，由此导致用户对组合物体系进行模拟计算的应用不强，影响量子化学模拟应用的进一步发展。
基于此，有必要实现一种基于量子计算求解大分子组合材料体系的势能曲线或基态能量，以此确定该大分子组合材料体系的最优结构，成为一个亟待解决的问题。
发明内容
本发明的目的是提供一种组合物最优结构的确定方法、装置及介质，以解决现有技术中的不足，它能够实现基于量子计算求解大分子组合材料体系的势能曲线，以此确定该大分子组合材料体系的最优结构，提高了计算速度和计算精度，促进量子化学模拟应用的进一步发展。
本申请的一个实施例提供了一种组合物最优结构的确定方法，所述方法包括：
获得第一化学物质的晶体结构，并构建所述第一化学物质对应的结构单元模型；
确定第二化学物质，根据所述结构单元模型，执行所述第二化学物质与所述结构单元模型的几何结构优化，并输出结构优化后的目标组合物；
通过变分量子算法获得所述目标组合物的势能曲线，并确定所述目标组合物的最优结构。
可选的，所述获得第一化学物质的晶体结构，并构建所述第一化学物质对应的结构单元模型，包括：
根据第一化学物质的晶体结构，构建所述第一化学物质对应的晶体结构模型；
基于所述晶体结构模型，获得所述第一化学物质结构中的晶胞，并根据所述晶胞构建结构单元模型。
可选的，所述通过变分量子算法获得所述目标组合物的势能曲线，并确定所述目标组合物的最优结构，包括：
确定目标组合物信息，所述目标组合物信息包括目标组合物的哈密顿量、电子信息以及电子自旋轨道信息；
基于所述电子信息以及电子自旋轨道信息，获得所述目标组合物费米子形式的Hartree Fock态；
通过预先设置的编码方式，将所述费米子形式的Hartree Fock态编码至量子比特上，得到泡利算子形式的量子态；
根据所述目标组合物的哈密顿量、所述泡利算子形式的量子态以及演化波函数，计算所述目标组合物的势能曲线，并确定所述目标组合物的最优结构。
可选的，若所述目标组合物的自旋轨道数为N，所述目标组合物的哈密顿量矩阵的维度为(2N-2)，且用于编码的所述量子比特的数量为(N-2)。
可选的，所述获得所述目标组合物费米子形式的Hartree Fock态之后，所述方法还包括：
根据所述目标组合物费米子形式的Hartree Fock态，获取所述目标组合物的试验态。
可选的，所述根据所述目标组合物费米子形式的Hartree Fock态，获取所述目标组合物的试验态，包括：
根据预先选择的拟设方式，对所述Hartree Fock态进行演化，得到演化后的量子态作为所述目标组合物的试验态。
可选的，所述根据预先选择的拟设方式，对所述Hartree Fock态进行演化，得到演化后的量子态作为所述目标组合物的试验态，包括：
计算所述目标组合物费米子形式的簇算符；
选择映射方式并将所述目标组合物费米子形式的簇算符变换为泡利算子形式的簇算符；
将所述泡利算子形式的簇算符分解为对应酉算子形式并进行演化，得到演化后的量子态作为目标组合物的试验态。
可选的，所述第一化学物质包括金属有机框架物质，所述第二化学物质包括所述第一化学物质待吸附的气体。
本申请的又一实施例提供了一种组合物最优结构的确定装置，所述装置包括：
获得模块，用于获得第一化学物质的晶体结构，并构建所述第一化学物质对应的结构单元模型；
第一确定模块，用于确定第二化学物质，根据所述结构单元模型，执行所述第二化学物质与所述结构单元模型的几何结构优化，并输出结构优化后的目标组合物；
第二确定模块，用于通过变分量子算法获得所述目标组合物的势能曲线，并确定所述目标组合物的最优结构。
可选的，所述获得模块，包括：
构建单元，用于根据第一化学物质的晶体结构，构建所述第一化学物质对应的晶体结构模型；
第一获得单元，用于基于所述晶体结构模型，获得所述第一化学物质结构中的晶胞，并根据所述晶胞构建结构单元模型。
可选的，所述第二确定模块，包括：
确定单元，用于确定目标组合物信息，所述目标组合物信息包括目标组合物的哈密顿量、电子信息以及电子自旋轨道信息；
第二获得单元，用于基于所述电子信息以及电子自旋轨道信息，获得所述目标组合物费米子形式的Hartree Fock态；
编码单元，用于通过预先设置的编码方式，将所述费米子形式的Hartree Fock态编码至量子比特上，得到泡利算子形式的量子态；
计算单元，用于根据所述目标组合物的哈密顿量、所述泡利算子形式的量子态以及演化波函数，计算所述目标组合物的势能曲线，并确定所述目标组合物的最优结构。
可选的，所述第二确定模块还包括：
获取单元，用于根据所述目标组合物费米子形式的Hartree Fock态，获取所述目标组合物的试验态。
可选的，所述获取单元，包括：
演化子单元，用于根据预先选择的拟设方式，对所述Hartree Fock态进行演化，得到演化后的量子态作为所述目标组合物的试验态。
可选的，所述演化子单元，包括：
计算子单元，用于计算所述目标组合物费米子形式的簇算符；
变换子单元，用于选择映射方式并将所述目标组合物费米子形式的簇算符变换为泡利算子形式的簇算符；
分解子单元，用于将所述泡利算子形式的簇算符分解为对应酉算子形式并进行演化，得到演化后的量子态作为目标组合物的试验态。
本申请的一个实施例提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项所述的方法。
本申请的一个实施例提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项所述的方法。
与现有技术相比，本发明首先获得第一化学物质的晶体结构，并构建第一化学物质对应的结构单元模型，确定第二化学物质，根据结构单元模型，执行第二化学物质与结构单元模型的几何结构优化，并输出结构优化后的目标组合物，最后通过变分量子算法获得目标组合物的势能曲线，并确定目标组合物的最优结构，它能够实现基于量子计算求解大分子组合材料体系的势能曲线，以此确定该大分子组合材料体系的最优结构，提高了计算速度和计算精度，促进量子化学模拟应用的进一步发展。
附图说明
图1是本发明实施例提供的一种组合物最优结构确定的系统网络框图；
图2是本发明实施例提供的一种组合物最优结构的确定方法的流程示意图；
图3是本发明实施例提供的一种第一化学物质对应的结构单元模型构建流程示意图；
图4是本发明实施例提供的一种量子比特缩减的量子电路示意图；
图5是本发明实施例提供的一种组合物最优结构的确定装置的结构示意图。
具体实施方式
下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本发明实施例首先提供了一种组合物最优结构的确定方法，该方法可以应用于电子设备，如计算机终端，具体如普通电脑、量子计算机等。
下面以运行在计算机终端上为例对其进行详细说明。图1是本发明实施例提供的一种组合物最优结构确定的系统网络框图。应用于利用量子化学计算目标组合物能量的系统可以包括网络110、服务器120、无线设备130、客户机140、存储单元150、经典处理系统160、量子处理系统170，还可以包括未示出的附加存储器、经典处理器、量子处理器和其他设备。
网络110是为应用于组合物最优结构确定的系统网络内连接在一起的各种设备和计算机之间提供通信链路的介质，包括但不限于互联网、企业内部网、局域网、移动通信网及其组合，连接方式可以采用有线、无线通信链路或光纤电缆等。
服务器120和客户机140是常规的数据处理系统，可包含数据和具有执行常规计算过程的应用程序或软件工具。客户机140可以是个人计算机或网络计算机，故数据也可以是服务器120提供的。无线设备130可以是智能手机、平板、笔记本电脑、智能可穿戴设备等。存储单元150可以包括数据库151，其可以被配置为存储量子比特参数、量子逻辑门参数、量子电路、量子程序等数据。
经典处理系统160(量子处理系统170)可以包括用于处理经典数据(量子数据)的经典处理器161(量子处理器171)和用于存储经典数据(量子数据)的存储器163(存储器172)，经典数据(量子数据)可以是引导文件、操作系统镜像、以及应用程序162(应用程序173)，应用程序162(应用程序173)可以用于实现根据本发明实施例提供的组合物最优结构的确定方法编译的量子算法。
经典处理系统160(量子处理系统170)中存储或产生的任何数据或信息也可以被配置成以类似的方式在另一个经典(量子)处理系统中存储或产生，同样其执行的任何应用程序也可以被配置成以类似的方式在另一个经典(量子)处理系统中执行。
需要说明的是，真正的量子计算机是混合结构的，它至少包括图1中的两大部分：经典处理系统160，负责执行经典计算与控制；量子处理系统170，负责运行量子程序进而实现量子计算。
上述经典处理系统160和量子处理系统170可以是集成在一台设备中，也可以是分布在两台不同的设备之中。例如包括经典处理系统160的第一设备运行经典计算机操作系统，其上提供了量子应用程序开发工具和服务，以及还提供了量子应用程序所需的存储和网络服务。用户通过其上的量子应用程序开发工具和服务开发量子应用程序，以及通过其上的网络服务将量子程序发送至包括量子处理系统170的第二设备。第二设备运行量子计算机操作系统，通过量子计算机操作系统对该量子程序的代码进行解析，以及编译成量子计算机测控系统可以识别和执行的指令，量子处理器170根据该指令实现量子程序对应的量子算法。
在基于硅芯片的经典处理系统160中，经典处理器161的单元是CMOS管，这种计算单元不受时间和相干性的限制，即，这种计算单元是不受使用时长限制，随时可用。此外，在硅芯片中，这种计算单元的数量也是充足的，目前一个经典处理器中的计算单元的数量是成千上万的。计算单元数量的充足且CMOS管可选择的计算逻辑是固定的，例如:与逻辑。借助CMOS管运算时，通过大量的CMOS管结合有限的逻辑功能，以实现运算效果。
与经典处理系统160中的这种逻辑单元不同，量子处理系统170中量子处理器171的基本计算单元是量子比特，量子比特的输入受相干性的限制，也受相干时间的限制，即，量子比特是受使用时长限制的，并不是随时可用的。在量子比特的可用使用时长内充分使用量子比特是量子计算的关键性难题。此外，量子计算机中量子比特的数量是量子计算机性能的代表指标之一，每个量子比特通过按需配置的逻辑功能实现计算功能，鉴于量子比特数量受限，而量子计算领域的逻辑功能是多样化的，例如:哈德玛门(Hadamard门，H门)、泡利-X门(X门)、泡利-Y门(Y门)泡利-Z门(Z门)、X门、RY门、RZ门、CNOT门、CR门、iSWAP门、Toffoli门等等。量子计算时，需借助有限的量子比特结合多样的逻辑功能组合实现运算效果。
基于这些不同，逻辑功能作用在量子比特的设计(包括量子比特使用与否的设计以及每个量子比特使用效率的设计)是提升量子计算机的运算性能的关键，且需要进行特殊的设计。而上述针对量子比特的设计是普通计算设备所不需要考虑的、也不需要面对的技术问题。本申请中面对组合物结构确认所涉及的复杂计算量，经典计算机在计算精度、计算尺寸等方面显得能力有限，这就在一定程度上限制了组合物结构确认的发展，由此导致用户对组合物体系进行模拟计算的应用不强，影响量子化学模拟应用的进一步发展。因此，有必要实现一种基于量子计算求解大分子组合材料体系的势能曲线或基态能量，以此确定该大分子组合材料体系的最优结构，成为一个亟待解决的问题。本申请通过提供一种组合物最优结构的确定方法、装置及介质，以解决现有技术中的不足，它能够实现基于量子计算求解大分子组合材料体系的势能曲线，以此确定该大分子组合材料体系的最优结构，提高了计算速度和计算精度，促进量子化学模拟应用的进一步发展。
参见图2，图2是本发明实施例提供的一种组合物最优结构的确定方法的流程示意图。
本实施例提供一种组合物最优结构的确定方法的一实施例，所述组合物最优结构的确定方法可以包括：
S201：获得第一化学物质的晶体结构，并构建所述第一化学物质对应的结构单元模型。
具体的，获得第一化学物质的晶体结构，并构建所述第一化学物质对应的结构单元模型，可以包括：
1.根据第一化学物质的晶体结构，构建所述第一化学物质对应的晶体结构模型。
首先获取第一化学物质，第一化学物质可以认为是用户想要进行组合物模拟的一种分子结构建模。晶体结构可以描述为：晶体粒子规则排列可抽象为空间的一组点来描述，这就是晶体结构的点阵。点阵是一组无限的点，在空间按一定的规则周期性排列。连接点阵中任意两点可得一个矢量，在二维点阵中定义两个矢量，三维点阵中定义三个矢量，将各点按此定义矢量空间平移可使点阵复原。如果把特定的结构基元(分子、原子或离子)放置于点阵的不同节点上，则可以形成不同的晶体结构模型。
2.基于所述晶体结构模型，获得所述第一化学物质结构中的晶胞，并根据所述晶胞构建结构单元模型。
晶胞是从晶体结构中取出来的反应晶体周期性和对称性的最小重复单元。晶体结构模型中的重复单元有很多种，为了使晶胞尽量简单并且能充分表现晶体结构特点，可以按照如下条件选取晶胞并构建结构单元模型：首先结构单元模型中的晶胞应能充分表现出晶体的对称性；其次晶胞单元的相交边棱应尽可能的相等，或相等数目尽可能地多；最后每个晶胞单元应尽可能地小。
在一种可选的实施方式中，所述第一化学物质可以包括金属有机框架物质(MOF)，它是由金属离子或金属簇与有机配体自组装而形成的具有周期性网络结构的晶态多孔材料。它可以通过多种功能位点/基团引入金属离子簇、有机连接剂、预设计或者后合成的方法形成空隙空间。这些独有的特点使得MOF材料具有高度的通用和可调节特性。理论上，结构单元、连接方式和拓扑结构的不同组合可生成无数的MOF结构。
示例性的，第一化学物质可以为MOF-74，MOF-74是以2,5-二羟基对苯二甲酸作为配体，以硝酸盐提供金属中心，在一定条件下形成的具有二维六边形，三维类蜂窝状结构的吸附剂材料。通过更改金属中心的种类或者连接新的官能团可产生一系列的衍生物，例如基于水热合成方法合成的骨架材料Zn-MOF-74，也可以基于水/溶剂热合成法合成一系列具有不同种类金属中心的M-MOF-74，M可以表示金属镁，即此时的第一化学物质为Mg-MOF-74。
参见图3，图3是本发明实施例提供的一种第一化学物质对应的结构单元模型构建流程示意图，即构建Mg-MOF-74对应的结构单元模型，可以在选择Mg-MOF-74周期性材料体系基础上，抽离出该体系的晶胞，晶胞即构成晶体的最基本的几何单元，然后把边界条件全部补充氢原子，作为由若干金属构成的金属吸附单元，也即结构单元模型。在边界条件补充氢原子的结构单元模型中，其中由若干金属吸附位点组成，对于Mg-MOF-74材料体系中，该结构单元中包括5个金属镁原子和1个铁原子，以其中一个金属镁原子为中心补充周边的键连特点，比如正二价的金属镁原子，配位特点是金属镁处于中心位置，六配位分别位于正八面体顶点位置与镁离子通过均等的配位键相连，然后以每一个金属周边划一片区域，有6个金属原子，即划分6个区域。上述第一化学物质中以金属的个数划分了模拟的区域，抽离出其中一个金属区域为更小的结构单元作为简化处理的区域，抽离出具有一个金属为吸附位点的区域然后周边的简化条件补充氢原子，以最小附带基团为原则简化周边区域，即一个金属镁原子，周边6个氧原子位于正八面体的六个点上，执行简化策略后的第一化学物质可以有效模拟金属吸附位点的单元，为后续使用量子算法奠定基础。
S202：确定第二化学物质，根据所述结构单元模型，执行所述第二化学物质与所述结构单元模型的几何结构优化，并输出结构优化后的目标组合物。
具体的，第二化学物质可以包括第一化学物质待吸附的气体，例如为二氧化碳。通过确定第二化学物质，然后根据第一化学物质对应的结构单元模型，执行第二化学物质与结构单元模型的几何结构优化，其中，几何结构优化可以通过对大型周期性体系的材料进行最小单元模型的截取，最后输出结构优化后的目标组合物来实现，在本申请实施例中，此时的目标组合物可以是吸附二氧化碳的MOF材料体系。
S203：通过变分量子算法获得所述目标组合物的势能曲线，并确定所述目标组合物的最优结构。
具体的，通过变分量子算法获得所述目标组合物的势能曲线，并确定所述目标组合物的最优结构，可以包括：
步骤1：确定目标组合物信息，所述目标组合物信息包括目标组合物的哈密顿量、电子信息以及电子自旋轨道信息。
哈密顿量(Hamiltonian)是经典力学中的物理概念，而在量子力学中，经典力学的物理量变为相应的算符，哈密顿量对应的正是哈密顿算符。哈密顿量可以理解成是目标组合物所有粒子的动能的总和加上与目标组合物相关的粒子的势能。对于不同的情况或数量的粒子，哈密顿量是不同的，因为它包括粒子的动能之和以及对应于这种情况的势能函数，一般用H表示。
在量子力学中，所有的可测量的力学量都可以用一个厄密矩阵来描述，厄密矩阵的定义是，该矩阵的转置共轭即是该矩阵本身，即有：
这样的矩阵通常称之为测量算符，非零算符都会有至少一个不为0的本征值λ以及与之对应的本征态|ψ>：
H|ψ>＝λ|ψ>
如果算符H的本征值对应的是某一个体系的能级分布，那么这样的算符也可以称其为哈密顿量。
电子是一种基本粒子，一般是指目标组合物的核外电子的数目；电子自旋轨道信息，是以数学的方法描述目标组合物在原子核外的特定空间中，找到电子的几率，并指出电子在三维空间中的可能位置。需要说明的是，目标组合物的电子信息可以包括α电子和β电子，目标组合物的自旋轨道数为N。
步骤2：基于所述电子信息以及电子自旋轨道信息，获得所述目标组合物费米子形式的Hartree Fock态。
量子化学模拟中最重要的量是基态，这是因为对于目标组合物来说，在室温下，诸如反应速率之类的量受描述反应途径中步骤开始和结束的量子态之间的自由能差支配，而在室温下，这种中间态通常是基态。Hartree Fock(哈特里-福克)理论提供一种构造量子系统的初始状态的简单方法。它可产生量子系统基态的单斯拉特行列式近似值。为此，它会在Fock空间内找到使基态能量最小的旋转，Hartree Fock理论最显著的特征是，它产生的量子态在电子之间没有纠缠。这意味着它通常提供分子系统特性的适当定性描述。
以氢分子为例，其含有四个单电子自旋分子轨道和两个电子，根据氢分子电子数和电子自旋轨道信息，若用一个量子比特代表一个电子自旋轨道，即0表示空轨道，1表示占据轨道，因此氢分子的Hartree Fock态可以用量子态|0101>来表示。
在一种可选的实施方式中，所述获得所述目标组合物费米子形式的Hartree Fock态之后，所述方法还可以包括：
根据所述目标组合物费米子形式的Hartree Fock态，获取所述目标组合物的试验态。
具体的，获取所述目标组合物的试验态，可以根据预先选择的拟设方式，对所述Hartree Fock态进行演化，得到演化后的量子态作为所述目标组合物的试验态，其步骤如下：
a.计算所述目标组合物费米子形式的簇算符。
具体的，簇算符可以理解为是一种人为定义的算符种类，用于表示轨道上电子的跳跃。拟设是一种将制备好的分子初态，例如|ψ>Hartree-Fock演化到量子电路上的方法，预先选择的拟设方式可为耦合簇法(Coupled Cluster，CC)，它是一种从Hartree Fock分子轨道出发，通过拟设得到试验态|ψ>的方法。这里的拟设为指数耦合簇算符eT，满足：|ψ>＝eT|ψ>Hartree-Fock，拟设中的T就是N电子簇算符，其定义式为若干激发算符之和，即：
T＝T1+T2+…+TN
其中，T1是单粒子激发算符，T2是双粒子激发算符，其余项以此类推。由于在一个多电子体系中，三激发、四激发发生的概率很小，所以通常在双激发处进行“截断”，最终只剩T1和T2两项，即：
T＝T1+T2
其中，为创造算符，ar、as为湮灭算符，p、q、r、s代表轨道，这里的待定系数tpq、tpqrs需要通过优化器来寻找的参数/>满足/>
需要注意的是，通过拟设方式将目标组合物的初态转化为费米子形式的簇算符之后，由于eT指数耦合簇算符不是酉算子，因此无法直接将eT指数耦合簇算符通过预设映射方式映射到量子比特上，无法构建出对应的量子电路，所以，需要构造出酉算子版本的指数耦合簇算符，即酉耦合簇算符(Unitary Coupled Cluster，UCC)。
示例性的，首先可定义其中T＝∑iTi，且/> …，需要说明的是，若UCC中的簇算符T只含有T1这一项，则称这一拟设为单激发耦合簇(UCCS)；若UCC中的簇算符T含有T1和T2两项，则称这个拟设为单双激发耦合簇(UCCSD)。
b.选择映射方式并将所述目标组合物费米子形式的簇算符变换为泡利算子形式的簇算符。
c.将所述泡利算子形式的簇算符分解为对应酉算子形式并进行演化，得到演化后的量子态作为目标组合物的试验态。
具体的，若将费米子形式的簇算符通过Jordan-Wigner变换变成泡利算子形式时，有必要引进渐进近似定理，即托特公式(Trotter Foluma)，该定理是量子仿真算法的核心：limn→∞(eiAt/neiBt/n)n＝ei(A+B)t，其中，A、B均为厄米算符，t为实数，n为正整数。
需要说明的是，通过托特公式，指数函数就可以分解为数个子指数函数项的近似形式。托特分解强调的是当n取的越大，其越接近于原式的趋势，而非具体考虑n取何值。
示例性的，假设经Jordan-Wigner变换后，可以得知：
其中，X代表泡利-X门，Y代表泡利-Y门，Z代表泡利-Z门，下标表示各个量子逻辑门作用的量子比特序号。
步骤3：通过预先设置的编码方式，将所述费米子形式的Hartree Fock态编码至量子比特上，得到泡利算子形式的量子态。
具体的，可以首先确定N个量子比特，并通过预先设置的编码方式将费米子形式的Hartree Fock态转化到泡利算子形式的希尔伯特空间，使得每个费米子态都可以用一个量子态表示。
其中，所述目标组合物的电子信息包括α电子和β电子，所述泡利算子形式的量子态可以通过以下形式进行表示：
p为α电子或β电子的自旋轨道序号，M为α电子或β电子的自旋轨道的数目，且
例如，从Jordan-Wigner映射到Parity变换或者Bravyi-Kitaev映射，因为目标组合物的电子数和自旋电子数守恒，对于保留α电子数量的任何Slater行列式都是如此，由此可知基态只是Slater行列式的线性组合，且由于计算基态能量本质上可以看作是电子在轨道间分布的问题，因此可以利用上述信息进行简化计算。具体来说，如果轨道的预期占据数接近于0或1，可以将其从计算中移除。因此计算被简化为只包括最重要的轨道，这被称为在缩减的活动空间中执行目标组合物能量的计算。
示例性的，对于Jordan-Wigner变换，其Slater行列式可以表示为：
在一种可选的实施方式中，预先设置的编码方式可以为Jordan-Wigner变换、Parity变换、Bravyi-Kitaev变换和SegmentParity变换中的一种。
步骤4：根据所述目标组合物的哈密顿量、所述泡利算子形式的量子态以及演化波函数，计算所述目标组合物的势能曲线，并确定所述目标组合物的最优结构。
在量子计算中，波函数的选取需要一个参考波函数作为基矢，比如量子化学中一般使用Hartree Fock态矢作为参考波函数，以满足：
ψ(θ)＝U(θ)|ψ>Hartree-Fock
其中，ψ(θ)表示在一组参数集合θ下对应的波函数，U(θ)表示在一组参数集合θ下对应的矩阵算子，参考波函数|ψ)Hartree-Fock对应化学中Hartree Fock基态，表示分子的电子都处在最低轨道处。
波函数已经产生，此时需要测量哈密顿量的期望值。二次量子化方法中的目标组合物哈密顿量可以通过引入的预设的变换方式映射为局部泡利算子乘积的线性组合。二次量子化操作符的期望值必须等价于对应的一次量化操作符的期望值。由于一次量化算符保持电子数不变，所以二次量化算符必须包含等数量的产生和湮灭算符。即可以利用这些要求得到电子哈密顿量的二次量子化形式：
需要说明的是，参见图4，图4是本发明实施例提供的一种量子比特缩减的量子电路示意图，由于对于具体的目标组合物，满足电子数守恒和自旋电子数守恒，在Parity变换或者Bravyi-Kitaev映射中，第N/2个量子位取值Mα对2取余，第N个量子位取值(Mα+Mβ)对2取余，但这意味着可知有2个量子比特位不必进行模拟，从而达到简化的目的，因此通过预设编码方式将目标组合物的哈密顿量矩阵的维度降低到(2N-2)，且用于编码的量子比特的数量也可以降低到(N-2)个。
在一种可选的实施方式中，通过变分量子算法获得所述目标组合物的势能曲线，并确定所述目标组合物的最优结构，还可以包括：
S203-1：获取目标组合物对应的费米子哈密顿量，并将目标组合物对应的费米子哈密顿量变换为目标组合物的泡利哈密顿量。
具体的，基于目标组合物的力学分析，就可以获得此组合物的哈密顿量，获取目标组合物对应的费米子哈密顿量需要借助创造算符和湮灭算符aq来实现，它们满足反对易关系。
由于目标组合物结构复杂，为了方便理解，以氢分子为例，其对应的费米子哈密顿量为：
需要说明的是，在量子计算中，费米子形式的哈密顿量是无法直接在电路上演化的，所以需要存在将积分形式的期望值求解转换成量子电路可读的过程，这个过程称作映射。需要注意的是，映射仅仅是将哈密顿量换个形式表达，而各类型哈密顿量所表示的系统能量信息是等价的。此外，对于一个量子模拟电路或者真实量子芯片来说，泡利算符是更加容易操作和生成，所以可以将目标组合物对应的费米子哈密顿量变换为目标组合物的泡利哈密顿量，便于后续的模拟操作。
接上述示例，对于氢分子体系，将其对应的费米子哈密顿量变换为泡利哈密顿量，具体为：
S203-2：根据目标组合物的泡利哈密顿量分解的各个子项，构建目标组合物的泡利哈密顿量各个子项对应的量子电路。
具体的，获取目标组合物的试验态|ψn>后，需要开始利用量子期望估计算法来计算试验态|ψn>在分子哈密顿量上的期望。所谓量子期望估计，是指对于多电子体系、Heisenberg模型(海森堡模型)、量子Ising模型(易辛模型)等体系的哈密顿量H可以展开成多个子项的和，即：
其中，h为实数，σ为泡利算子，α、β和γ∈(X，Y，Z，I)，而i、j、k表示哈密顿量子项所作用的子空间。
由于可观测量是线性的，因此在利用下式计算体系的平均能量或势能曲线：
E＝<ψ*|H|ψ>
其中，ψ*与ψ是正交归一的，等式右边也可以展开成这种形式：
由此可知，只须先对每个子项求期望，然后对各个期望求和，就能得到目标组合物的平均能量E。需要说明的是，每个子项期望的测量可以在量子处理器上进行，利用经典处理器可负责对各个期望进行求和。
示例性的，假设某一个目标组合物的哈密顿量为H，它最终可以展开成这种形式：
在该式中，所有子项系数h均是1，并假设所获取的试验态为如下形式：
|ψ>＝a|00>+b|01>+c|10>+d|11>
其中，a2、b2、c2、d2分别是指测量试验态时，坍塌到|00>、|01>、|10>、|11>的概率PS，将哈密顿量的各个子项H1、H2、H3分别作用于试验态上，可以依次得到期望E1、E2、E3，具体的：
E1＝<ψ*|H1|ψ>
E2＝<ψ*|H2|ψ>
E3＝<ψ*|H3|ψ>
以E1、E2、E3为例，对于期望E1，系数h就是期望，无须构造电路测量，即对于期望E2，其哈密顿量为/>由于测量操作是在σZ上(以σZ的特征向量为基向量所构成的子空间)进行的，所以只需要在量子比特上加上测量门即可，然后将测量结果传递给经典处理器求和。
S203-3：利用目标组合物的泡利哈密顿量各个子项对应的量子电路，测量试验态的能量期望。
具体的，将目标组合物的泡利哈密顿量各个子项期望测量电路展开，即可得到各个子项期望E(i)的测量电路，随后量子处理器将E(i)依次传给经典处理器求和，就得到了目标组合物在该试验态下的能量期望或势能曲线，并基于此确定目标组合物的最优结构。
需要说明的是，由于测量操作是在σZ上进行的，对于包含σx、σy的哈密顿量，此时不能直接测量，需要对σx和σy进行换基操作，也就是让试验态再演化一次，由于σx＝H×σZ×H，即对于σx和σy，在测量前，需要分别在相应的量子比特上添上Hadamard门和/>门，然后将测量结果传递给经典处理器求和即可。
需要强调的是，以上提出的拟设方式、映射方式及优化方法等仅仅作为示例，并不构成对本发明的限定，例如，拟设方式还包括HE(Hardware Efficient，硬件高效)、SP(Symmetry Preserved，对称保持)等方法。
可见，本发明首先获得第一化学物质的晶体结构，并构建第一化学物质对应的结构单元模型，确定第二化学物质，根据结构单元模型，执行第二化学物质与结构单元模型的几何结构优化，并输出结构优化后的目标组合物，最后通过变分量子算法获得目标组合物的势能曲线，并确定目标组合物的最优结构，它能够实现基于量子计算求解大分子组合材料体系的势能曲线，以此确定该大分子组合材料体系的最优结构，提高了计算速度和计算精度，促进量子化学模拟应用的进一步发展。
参见图5，图5是本发明实施例提供的一种组合物最优结构的确定装置的结构示意图，与图2所示的流程相对应，所述装置包括：
获得模块501，用于获得第一化学物质的晶体结构，并构建所述第一化学物质对应的结构单元模型；
第一确定模块502，用于确定第二化学物质，根据所述结构单元模型，执行所述第二化学物质与所述结构单元模型的几何结构优化，并输出结构优化后的目标组合物；
第二确定模块503，用于通过变分量子算法获得所述目标组合物的势能曲线，并确定所述目标组合物的最优结构。
具体的，所述获得模块，包括：
构建单元，用于根据第一化学物质的晶体结构，构建所述第一化学物质对应的晶体结构模型；
第一获得单元，用于基于所述晶体结构模型，获得所述第一化学物质结构中的晶胞，并根据所述晶胞构建结构单元模型。
具体的，所述第二确定模块，包括：
确定单元，用于确定目标组合物信息，所述目标组合物信息包括目标组合物的哈密顿量、电子信息以及电子自旋轨道信息；
第二获得单元，用于基于所述电子信息以及电子自旋轨道信息，获得所述目标组合物费米子形式的Hartree Fock态；
编码单元，用于通过预先设置的编码方式，将所述费米子形式的Hartree Fock态编码至量子比特上，得到泡利算子形式的量子态；
计算单元，用于根据所述目标组合物的哈密顿量、所述泡利算子形式的量子态以及演化波函数，计算所述目标组合物的势能曲线，并确定所述目标组合物的最优结构。
具体的，所述第二确定模块还包括：
获取单元，用于根据所述目标组合物费米子形式的Hartree Fock态，获取所述目标组合物的试验态。
具体的，所述获取单元，包括：
演化子单元，用于根据预先选择的拟设方式，对所述Hartree Fock态进行演化，得到演化后的量子态作为所述目标组合物的试验态。
具体的，所述演化子单元，包括：
计算子单元，用于计算所述目标组合物费米子形式的簇算符；
变换子单元，用于选择映射方式并将所述目标组合物费米子形式的簇算符变换为泡利算子形式的簇算符；
分解子单元，用于将所述泡利算子形式的簇算符分解为对应酉算子形式并进行演化，得到演化后的量子态作为目标组合物的试验态。
与现有技术相比，本发明首先获得第一化学物质的晶体结构，并构建第一化学物质对应的结构单元模型，确定第二化学物质，根据结构单元模型，执行第二化学物质与结构单元模型的几何结构优化，并输出结构优化后的目标组合物，最后通过变分量子算法获得目标组合物的势能曲线，并确定目标组合物的最优结构，它能够实现基于量子计算求解大分子组合材料体系的势能曲线，以此确定该大分子组合材料体系的最优结构，提高了计算速度和计算精度，促进量子化学模拟应用的进一步发展。
本发明实施例还提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
具体的，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：
S201：获得第一化学物质的晶体结构，并构建所述第一化学物质对应的结构单元模型；
S202：确定第二化学物质，根据所述结构单元模型，执行所述第二化学物质与所述结构单元模型的几何结构优化，并输出结构优化后的目标组合物；
S203：通过变分量子算法获得所述目标组合物的势能曲线，并确定所述目标组合物的最优结构。
具体的，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(Read-On ly Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明实施例还提供了一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
具体的，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
具体的，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S201：获得第一化学物质的晶体结构，并构建所述第一化学物质对应的结构单元模型；
S202：确定第二化学物质，根据所述结构单元模型，执行所述第二化学物质与所述结构单元模型的几何结构优化，并输出结构优化后的目标组合物；
S203：通过变分量子算法获得所述目标组合物的势能曲线，并确定所述目标组合物的最优结构。
本发明实施例还可以提供一种量子计算机操作系统，所述量子计算机操作系统根据本发明实施例中提供的上述任一方法实施例实现组合物最优结构的确定。
本申请的实施例还可以提供了一种量子计算机，所述量子计算机包括所述的量子计算机操作系统。
以上依据图式所示的实施例详细说明了本发明的构造、特征及作用效果，以上所述仅为本发明的较佳实施例，但本发明不以图面所示限定实施范围，凡是依照本发明的构想所作的改变，或修改为等同变化的等效实施例，仍未超出说明书与图示所涵盖的精神时，均应在本发明的保护范围内。
Claims (11)
1.一种组合物最优结构的确定方法，其特征在于，所述方法包括：
获得第一化学物质的晶体结构，并构建所述第一化学物质对应的结构单元模型；
确定第二化学物质，根据所述结构单元模型，执行所述第二化学物质与所述结构单元模型的几何结构优化，并输出结构优化后的目标组合物；
通过变分量子算法获得所述目标组合物的势能曲线，并确定所述目标组合物的最优结构。
2.根据权利要求1所述的方法，其特征在于，所述获得第一化学物质的晶体结构，并构建所述第一化学物质对应的结构单元模型，包括：
根据第一化学物质的晶体结构，构建所述第一化学物质对应的晶体结构模型；
基于所述晶体结构模型，获得所述第一化学物质结构中的晶胞，并根据所述晶胞构建结构单元模型。
3.根据权利要求2所述的方法，其特征在于，所述通过变分量子算法获得所述目标组合物的势能曲线，并确定所述目标组合物的最优结构，包括：
确定目标组合物信息，所述目标组合物信息包括目标组合物的哈密顿量、电子信息以及电子自旋轨道信息；
基于所述电子信息以及电子自旋轨道信息，获得所述目标组合物费米子形式的Hartree Fock态；
通过预先设置的编码方式，将所述费米子形式的Hartree Fock态编码至量子比特上，得到泡利算子形式的量子态；
根据所述目标组合物的哈密顿量、所述泡利算子形式的量子态以及演化波函数，计算所述目标组合物的势能曲线，并确定所述目标组合物的最优结构。
4.根据权利要求3所述的方法，其特征在于，若所述目标组合物的自旋轨道数为N，所述目标组合物的哈密顿量矩阵的维度为(2N-2)，且用于编码的所述量子比特的数量为(N-2)。
5.根据权利要求4所述的方法，其特征在于，所述获得所述目标组合物费米子形式的Hartree Fock态之后，所述方法还包括：
根据所述目标组合物费米子形式的Hartree Fock态，获取所述目标组合物的试验态。
6.根据权利要求5所述的方法，其特征在于，所述根据所述目标组合物费米子形式的Hartree Fock态，获取所述目标组合物的试验态，包括：
根据预先选择的拟设方式，对所述Hartree Fock态进行演化，得到演化后的量子态作为所述目标组合物的试验态。
7.根据权利要求6所述的方法，其特征在于，所述根据预先选择的拟设方式，对所述Hartree Fock态进行演化，得到演化后的量子态作为所述目标组合物的试验态，包括：
计算所述目标组合物费米子形式的簇算符；
选择映射方式并将所述目标组合物费米子形式的簇算符变换为泡利算子形式的簇算符；
将所述泡利算子形式的簇算符分解为对应酉算子形式并进行演化，得到演化后的量子态作为目标组合物的试验态。
8.根据权利要求1所述的方法，其特征在于，所述第一化学物质包括金属有机框架物质，所述第二化学物质包括所述第一化学物质待吸附的气体。
9.一种组合物最优结构的确定装置，其特征在于，所述装置包括：
获得模块，用于获得第一化学物质的晶体结构，并构建所述第一化学物质对应的结构单元模型；
第一确定模块，用于确定第二化学物质，根据所述结构单元模型，执行所述第二化学物质与所述结构单元模型的几何结构优化，并输出结构优化后的目标组合物；
第二确定模块，用于通过变分量子算法获得所述目标组合物的势能曲线，并确定所述目标组合物的最优结构。
10.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至8任一项所述的方法。
11.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至8任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310693875.3A CN116842704A (zh) | 2023-06-12 | 2023-06-12 | 一种组合物最优结构的确定方法、装置及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310693875.3A CN116842704A (zh) | 2023-06-12 | 2023-06-12 | 一种组合物最优结构的确定方法、装置及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116842704A true CN116842704A (zh) | 2023-10-03 |
Family
ID=88168062
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310693875.3A Pending CN116842704A (zh) | 2023-06-12 | 2023-06-12 | 一种组合物最优结构的确定方法、装置及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116842704A (zh) |
-
2023
- 2023-06-12 CN CN202310693875.3A patent/CN116842704A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| McArdle et al. | Quantum computational chemistry | |
| Cao et al. | Quantum chemistry in the age of quantum computing | |
| Klco et al. | Standard model physics and the digital quantum revolution: thoughts about the interface | |
| CN113379057B (zh) | 量子体系基态能量估计方法及系统 | |
| Jang et al. | Path integral centroid variables and the formulation of their exact real time dynamics | |
| Albergo et al. | Flow-based sampling for fermionic lattice field theories | |
| Hermann et al. | Ab initio quantum chemistry with neural-network wavefunctions | |
| Muhli et al. | Machine learning force fields based on local parametrization of dispersion interactions: Application to the phase diagram of C 60 | |
| Raussendorf et al. | Quantum computation by local measurement | |
| Alvarez-Ibarra et al. | Double asymptotic expansion of three-center electronic repulsion integrals | |
| Li et al. | Variational quantum simulation for quantum chemistry | |
| CN114492814B (zh) | 基于量子计算模拟目标体系能量的方法、装置及介质 | |
| Buser et al. | State preparation and measurement in a quantum simulation of the O (3) sigma model | |
| Malone et al. | Accelerating auxiliary-field quantum Monte Carlo simulations of solids with graphical processing units | |
| Patti et al. | Variational quantum optimization with multibasis encodings | |
| Nakano et al. | All-electron quantum Monte Carlo with Jastrow single determinant ansatz: Application to the sodium dimer | |
| Buser et al. | Quantum simulation of the qubit-regularized O (3)-sigma model | |
| Kiss et al. | Quantum neural networks force fields generation | |
| Nalewajski | Multiple, Localized, and Delocalized/Conjugated Bonds in the Orbital Communication Theory of Molecular Systems | |
| Wecker et al. | Can quantum chemistry be performed on a small quantum computer | |
| 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 | |
| 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 | |
| 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 | |
| CN117313873A (zh) | 基于量子计算的化学反应路径的生成方法、装置及介质 | |
| Carbó‐Dorca et al. | Fundamental quantum QSAR (Q2SAR) equation: extensions, nonlinear terms, and generalizations within extended Hilbert–Sobolev spaces |
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 |