在量子计算机上模拟近红外光谱以增强化学检测

近红外 (NIR) 光谱是一种非侵入式、低成本、无需试剂且快速的技术，用于测量各种样品类型中的化学浓度。然而，从 NIR 光谱中提取浓度信息需要在大量测量数据上训练统计模型，这可能是不切实际、昂贵或危险的。在本工作中，我们提出了一种在量子计算机上模拟 NIR 光谱的方法，作为改进基于 NIR 的化学检测的更大工作流的一部分。该量子算法经过高度优化，相较于先前的方法实现了多个数量级的成本降低。主要优化包括振动模式的局域化、基于实空间的高效哈密顿量表示（采用基于量子算术的时间演化实现）、最优 Trotter 步长的确定，以及对 NIR 区域的专门针对。总体而言，我们的算法实现了 $O(M^2)$ 的缩放，相比之下，等效的高精度经典方法为 $O(M^{12})$。作为一个具体应用，我们展示了模拟叠氮乙炔 (HC2N3)（一种具有强非谐性、包含 $M = 12$ 个振动模式的高爆炸性分子）的光谱，需要最多包含 $8.47 \times 10^8$ 个 T 门和 173 个逻辑量子比特的电路。通过增强检测模型的训练数据集，振动光谱在化学检测中的全部潜力有望在包括制药、农业、环境监测和医疗传感在内的广泛应用中得到释放。