X射线吸收光谱在量子计算机上针对电池材料的快速仿真

X射线吸收光谱 (XAS) 是理解先进电池材料如锂过量阴极结构变化的领先技术。然而，从实验光谱中提取关键信息（如氧化态）需要昂贵且耗时的仿真。建立在最近提出的用于模拟XAS的量子计算机方法基础上，本工作提出了一种高度优化的时域算法用于X射线吸收。该算法在哈密顿量表示、电路实现和测量策略方面进行了多项改进，其中三个优化措施是算法效率的关键。第一是使用压缩双因子化形式的哈密顿量的乘积公式。第二是认识到对于光谱应用，仅控制实现的哈密顿量（近似）特征值的误差就足够，而无需控制完整时演化算子上的通用误差。通过扰动理论估计此特征值误差，我们发现所需的 Trotter 步骤数远少于来自时演化误差界所预期的。第三是在样本分布选择上，利用指数衰减的 Lorentzian 核。通过常数因素资源估计，我们展示一个具有挑战性的模型 Li$_4$Mn$_2$O 簇系统，其中包含18个空间轨道和22个电子在活跃空间中，可使用100个逻辑量子比特和少于 $4 \times 10^8$ 个 T 门每个电路。最后，我们在模拟器上实现了该算法，并将重构的光谱与经典计算参考进行了验证。该算法的低成本使其在容错量子设备上用于加速高容量电池阴极的开发和商业化具有吸引力。