Öğretici: Kuantum kimyası sorununun kaynaklarını tahmin edin

Bu öğreticide, Microsoft Quantum kaynak tahmin aracını kullanarak bir Hamiltonian'ın enerjisini 1 mHa kimyasal doğruluğuna hesaplamak için gereken fiziksel kaynakları tahmin edebilirsiniz.

Bu öğreticide şunları yapacaksınız:

• GitHub'dan örnek bir depo kopyalayın.
• Kimyasal modelleme ve simülasyon uygulamaları için bağımsız değişken parametreleri olarak FCIDUMP dosyalarını kullanın.
• Çift faktörlü kimya örneği olan büyük ölçekli bir sorun için kaynak tahminini çalıştırın.

Önkoşullar

• Python ve Pip'in yüklü olduğu bir Python ortamı.

• Microsoft Quantum Development Kit (QDK) ve Python uzantılarının yüklü olduğu Visual Studio Code'un (VS Code) en son sürümü.

• En son qdk Python kitaplığı ve numpy ile scipy paketleri.

  python -m pip install --upgrade qdk numpy scipy
  

İpucu

Kaynak tahmin aracını çalıştırmak için bir Azure hesabınız olması gerekmez.

Sorunu açıklama

Bu öğreticide, Phys. Rev. Research 3, 033055 (2021)'de tanımlanan kübitizasyon algoritmasının fiziksel kaynak tahminlerini değerlendirerek, kullanıcının sağladığı Hamiltonian'ın enerjisini 1 mHa kimyasal doğruluğuna hesaplayacaksınız.

Hamiltonian'ın enerjisini hesaplayan kuantum algoritması çift faktörlü kubitizasyona dayanır. Hamiltonian, HTTPS URI üzerinden mevcut olan FCIDUMP (tam yapılandırma etkileşimi) dosyalarındaki bir ve iki elektron integralleri bakımından tanımlanmıştır.

Kubitizasyon yaklaşımı kuantum aşaması tahminini temel alır, ancak hamilton matrisi $H$ değerinden standart $U = \exp{(-i H/\alpha)}$ oluşturmak yerine, $U = \exp{(-i \sin^{-1} (H/\alpha))}$ alır ve bu genellikle daha az kaynakla uygulanabilir. çift faktörizasyon kullanılarak, $H$, rastgele bir yörünge seçimi ve sıkıştırmanın bir bileşimiyle kompakt bir şekilde temsil edilir.

Visual Studio Code'da örneği yükleme

Bu öğreticinin kodu QDK örnek deposunda, estimation/df-chemistry altında bulunabilir. Örneği çalıştırmak için yerel makinenizdeki depoyu kopyalamanızı öneririz.

Depoyu kopyalamak için terminalden aşağıdaki komutu çalıştırın:

git clone https://github.com/microsoft/qdk.git

FCIDUMP dosyasını seçin ve aktarın.

Bu örnekte Hamiltonian, FCIDUMP biçiminde bir ve iki elektron integrali olarak açıklanmıştır. Aşağıdaki tablodan FCIDUMP dosyalarından birini seçebilir veya genel olarak erişilebilen https URI'sini kullanarak makinenizde veya çevrimiçi ortamda bulunan kendi FCIDUMP dosyanızı seçebilirsiniz.

URI	Örnek adı	Açıklama
https://aka.ms/fcidump/XVIII-cas4-fb-64e-56o	XVIII-cas4-fb-64e56o	64 elektron, 56 yörünge aktif uzayı, ruthenyum katalizörlü karbon fiksasyon döngüsündeki kararlı ara maddelerden biri.
https://aka.ms/fcidump/nitrogenase-54e-54o	nitrojenaz_54orbital	54 elektron, nitrojenaz enziminin aktif çekirdeğinin 54 yörünge aktif alanı.
https://aka.ms/fcidump/fe2s2-10e-40o	fe2s2-10e-40o	10 elektron, 40 orbital aktif uzay [2Fe, 2S] kümesi.
https://aka.ms/fcidump/polyyne-24e-24o	poliyne-24e-24o	24 elektron, poliyne molekülünün 24 yörünge aktif alanı.
https://aka.ms/fcidump/n2-10e-8o	n2-10e-8o	10 elektron, 8 yörünge aktif uzayı nitrojeni 3 Angstrom mesafeden ayırmış.

FCIDUMP dosyasını geçirmek için, chemistry.py dosyasını çalıştırmanız ve FCIDUMP dosya adını veya URI'sini bağımsız değişken olarak -f veya --fcidumpfile kullanarak geçirmeniz gerekir.

usage: chemistry.py [-h] [-f FCIDUMPFILE]

options:
  -h, --help           
  -f FCIDUMPFILE, --fcidumpfile FCIDUMPFILE                      

Kimya örneğini çalıştırma

1. Visual Studio Code'da QDK örnek deposunu kopyaladığınız klasörü açın .

2. Terminal -> Yeni Terminal adlı yeni bir terminal açın ve kuantum kimyası örneğinin bulunduğu dizine gidin. Örneğin, QDK örnek deposunu yerel makinenize klonladığınızda, yol bu şekilde olur: qdk/samples/estimation/df-chemistry.

3. chemistry.py dosyasını çalıştırın ve FCIDUMP dosyasını geçirin. Örneğin, aşağıdaki komut FCIDUMP dosyasını n2-10e-8o çalışma klasörüne indirir ve bunun için kaynak tahminini çalıştırır.

   python chemistry.py -f https://aka.ms/fcidump/n2-10e-8o
   

   Bundan sonra, indirilen dosyanın yolunu betiğe geçirebilirsiniz.

   python chemistry.py -f n2-10e-8o
   

4. Kaynak tahmininin sonucu terminalde görüntülenir. Örneğin, aşağıdaki çıktı n2-10e-8o FCIDUMP dosyasının kaynak tahminini gösterir.

   Algorithm runtime: 19 mins
   Number of physical qubits required: 207.60k
   For more detailed resource counts, see file resource_estimate.json
   

Not

Dosyayı çalıştırdıktan chemistry.py sonra çalışma klasöründe bir resource_estimation.json dosya oluşturulur. Dosya resource_estimation.json , iş parametreleri, fiziksel sayılar, T fabrika özellikleri, mantıksal sayılar ve mantıksal kubit özellikleri gibi kaynak tahmin aracının ayrıntılı çıkışını içerir.

Parametreleri değiştirme target

1. chemistry.py dosyasını açın.

2. Kaynak tahmini parametreleri, target dosyasının qsharp.estimate çağrısında chemistry.py bulunabilir. Aşağıdaki kod parçacığı, bu öğreticide kullanılan parametreleri gösterir.

   # Get resource estimates
   res = qsharp.estimate(qsharp_string,
                         params={"errorBudget": 0.01,
                                 "qubitParams": {"name": "qubit_maj_ns_e6"},
                                 "qecScheme": {"name": "floquet_code"}})
   

3. Parametreleri değiştirmek target istiyorsanız, önceki kod parçacığını değiştirin. Örneğin, aşağıdaki kod parçacığı hata bütçesinin 0,333 olarak nasıl değiştireceğini gösterir. Daha fazla bilgi için bkz. Kaynak tahmin aracının parametrelerini özelleştirmetarget.

   # Get resource estimates
   res = qsharp.estimate(qsharp_string,
                         params={"errorBudget": 0.333,
                                 "qubitParams": {"name": "qubit_maj_ns_e6"},
                                 "qecScheme": {"name": "floquet_code"}})
   

Kuantum bilişiminin kimya uygulamaları neden önemlidir?

Bu öğretici, kuantum çözümlerinin kaynak tahminini elektronik yapı sorunlarıyla tümleştirmek için ilk adımı temsil eder. Ölçeklendirilmiş kuantum bilgisayarların en önemli uygulamalarından biri kuantum kimyası sorunlarını çözmektir. Karmaşık kuantum mekanik sistemlerinin simülasyonu, karbon yakalama, gıda güvensizliği ve daha iyi yakıtlar ve malzemeler tasarlama gibi alanlarda çığır açabilecek potansiyele sahiptir.

Örneğin, bu örnekte sağlanmış olan FCIDUMP dosyalarından biri, nitrojenaz enzimi nitrogenase_54orbitalaçıklar. Bu enzimin kuantum düzeyinde nasıl çalıştığını doğru bir şekilde simüle edebilirseniz, büyük ölçekte nasıl üretildiğini anlamamıza yardımcı olabilir. Gezegeni beslemek için yeterli gübre üretmek için kullanılan yüksek enerji yoğunluklu süreci değiştirebilirsiniz. Bu, küresel karbon ayak izini azaltma ve artan bir popülasyondaki gıda güvensizliği ile ilgili endişeleri gidermeye yardımcı olma potansiyeline sahiptir.

Bilgilerinizi daha derine inmek istiyorsanız deneyebileceğiniz bazı denemeler şunlardır:

• Bazı özel FCIDUMP dosyalarını tahmin edin.
• Özel kubit parametreleri sağlayarak kuantum bilgisayardaki varsayımları target değiştirin.

İlgili içerik

• Grover'ın arama algoritmasını uygulama öğreticisi, graf renklendirme sorununu çözmek için Grover'ın arama algoritmasını kullanan bir Q# programının nasıl yazıldığını gösterir.
• Q# dilinde kubit düzeyinde programlar yazma ve simülasyonu öğreticisi, belirli kubitleri doğrudan ele alan bir Q# programı yazmayı inceler.
• Q# ile kuantum dolanıklığını keşfetme öğreticisi , Q# ile kubitlerin durumunu değiştirmek için nasıl çalışabileceklerini gösterir ve süper pozisyon ile dolanıklığın etkilerini gösterir.
• Kuantum Kataları, kuantum bilişiminin ve Q# programlamanın öğelerini aynı anda öğretmeyi amaçlayan Jupyter Notebook tabanlı, kendi hızındaki öğreticiler ve programlama alıştırmalarıdır.