Aracılığıyla paylaş

Öğretici: Kuantum kimyası sorununun kaynaklarını tahmin edin

  • Makale

Bu öğreticide, Azure Quantum Kaynak Tahmin Aracı'nı kullanarak bir Hamiltonian'ın enerjisini 1 mHa kimyasal doğrulukla 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.

  • Azure Quantum Geliştirme Seti ve Python uzantılarının yüklü olduğu Visual Studio Code'un en son sürümü.

  • En son Azure Quantum qsharp paketi ve numpyscipy paketleri.

    python -m pip install --upgrade qsharp numpy scipy

İpucu

Yerel Kaynak Tahmin Aracı'nı çalıştırmak için bir Azure hesabınız olması gerekmez.

Sorunu açıklama

Bu öğreticide, Phys. Rev. Research 3, 033055 (2021) bölümünde açıklanan kubitizasyon algoritmasının fiziksel kaynak tahminlerini değerlendirerek Hamiltonian'a 1 mHa'lık kimyasal doğruluk sağlayan bir kullanıcının enerjisini hesaplayabilirsiniz.

Hamiltonian'ın enerjisini hesaplayan kuantum algoritması çift faktörlü kubitizasyona dayanır. Hamiltonian, HTTPS URI'sı aracılığıyla kullanılabilen FCIDUMP (tam yapılandırma etkileşimi) dosyalarındaki bir ve iki elektron integralleri bakımından açıklanmaktadır.

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 Q# 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/qsharp.git

FCIDUMP dosyasını seçme ve geçirme

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 nitrogenase_54orbital 54 elektron, nitrojen 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 ya da -f--fcidumpfilekullanarak FCIDUMP dosya adını veya URI'sini bağımsız değişken olarak geçirmeniz gerekir.

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

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

Kimya örneğini çalıştırma

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

  2. Terminal - Yeni Terminal adlı yeni bir terminal açın ve kuantum kimyası örneğinin bulunduğu dizine gidin.> Örneğin, yerel makinenizde Q# örnek deposunu klonlarsanız yolu olur qsharp/samples/estimation/df-chemistry.

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

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

    Bundan sonra, bunun yerine indirilen dosyanın yolunu betike geçirebilirsiniz.

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

  4. Kaynak tahmininin sonucu terminalde görüntülenir. Örneğin, aşağıdaki çıkış 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

chemistry.py dosyası çalıştırıldıktan sonra, çalışma klasöründe bir resource_estimation.json dosyası oluşturulur. resource_estimation.json dosyası, Kaynak Tahmin Aracı'nın ayrıntılı çıkışını içerir. Bunlar, iş parametreleri, fiziksel sayılar, T fabrika özellikleri, mantıksal sayılar ve mantıksal kubit özellikleridir.

Parametreleri değiştirme target

  1. chemistry.py dosyasını açın.

  2. target Kaynak tahmini parametreleri, chemistry.py dosyasının çağrısında qsharp.estimate 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 değiştirerek bunu yapabilirsiniz. Örneğin, aşağıdaki kod parçacığı hata bütçesinin 0,333 olarak nasıl değiştireceğini gösterir. Daha fazla bilgi için bkz. Kaynak Tahmin Aracı'nın 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 sağlanan FCIDUMP dosyalarından biri olan nitrogenase_54orbital nitrojen enzimini açıklar. 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.
  • Azure Quantum örnek galerisindeki diğer kaynak tahmini örnek not defterlerine göz atın.

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.