[发明专利]一种基于量子计算机的全量子分子模拟方法

说明书

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。

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。