基于匹配门阴影的量子-经典辅助场量子蒙特卡罗
量子物理
2025-06-30 v1 化学物理
摘要
我们展示了一套完整的工作流程，用于模型化化学反应势垒，采用量子-经典辅助场量子蒙特卡罗（QC-AFQMC）算法，通过匹配门阴影进行量子测绘。该工作流程在加速的量子超级计算机环境中运行，集成了IonQ Forte量子计算机和Amazon Web Services上的NVIDIA GPU。我们 presenting了几项算法创新和高效的GPU加速执行，实现了相较于QC-AFQMC最新实现的几个数量级加速。我们将该算法应用于模拟尼锡催化的苏木子-米yaura反应的氧化添加步骤，使用IonQ Forte的24个量子比特，其中16个量子比特用于表示试验态，另外8个附加量子比特用于误差校正，实现了在量子硬件上执行的最大规模QC-AFQMC匹配门实验。我们实现了收集匹配门电路测量的加速，分布式并行后处理实现相较于前最新方法的解决时间提升。当在理想模拟器上采样匹配门时，活性空间QC-AFQMC评估的化学反应势垒在参考CCSD(T)结果的不确定区间内千卡/摩尔范围内，在QPU上测量时在参考值附近10千卡/摩尔范围内。该工作标志着量子化学在量子设备上实现实际应用的一步，同时识别了进一步发展的若干机会。
引用
@article{arxiv.2506.22408,
title = {Quantum-Classical Auxiliary Field Quantum Monte Carlo with Matchgate Shadows on Trapped Ion Quantum Computers},
author = {Luning Zhao and Joshua J. Goings and Willie Aboumrad and Andrew Arrasmith and Lazaro Calderin and Spencer Churchill and Dor Gabay and Thea Harvey-Brown and Melanie Hiles and Magda Kaja and Matthew Keesan and Karolina Kulesz and Andrii Maksymov and Mei Maruo and Mauricio Muñoz and Bas Nijholt and Rebekah Schiller and Yvette de Sereville and Amy Smidutz and Felix Tripier and Grace Yao and Trishal Zaveri and Coleman Collins and Martin Roetteler and Evgeny Epifanovsky and Arseny Kovyrshin and Lars Tornberg and Anders Broo and Jeff R. Hammond and Zohim Chandani and Pradnya Khalate and Elica Kyoseva and Yi-Ting Chen and Eric M. Kessler and Cedric Yen-Yu Lin and Gandhi Ramu and Ryan Shaffer and Michael Brett and Benchen Huang and Maxime R. Hugues and Tyler Y. Takeshita},
journal= {arXiv preprint arXiv:2506.22408},
year = {2025}
}