Tutorial: Estimar os recursos de um problema de química quântica

Neste tutorial, você estima os recursos físicos necessários para calcular a energia de um hamiltoniano para precisão química de 1 mHa usando o Avaliador de Recursos do Azure Quantum.

Neste tutorial, você irá:

Pré-requisitos

• Um ambiente Python com Python e Pip instalados.

• A versão mais recente do Visual Studio Code (VS Code) com as extensões QDK (Azure Quantum Development Kit) e Python instaladas.

• A biblioteca mais recente do Python qdk e os pacotes numpy e scipy.

  python -m pip install --upgrade qdk numpy scipy
  

Descrever o problema

Neste tutorial, você avalia as estimativas de recursos físicos do algoritmo de qubitização descrito em Phys. Rev. Research 3, 033055 (2021) para calcular a energia de um usuário fornecido Hamiltoniano para precisão química de 1 mHa.

O algoritmo quântico que calcula a energia do hamiltoniano baseia-se na qubitização duplamente fatorada. O hamiltoniano é descrito em termos de integrais de um e dois elétrons nos arquivos FCIDUMP (interação de configuração completa) fornecidos que estão disponíveis por meio de um URI HTTPS.

A abordagem de qubitização é baseada na estimativa de fase quântica, mas em vez de construir o $U padrão = \exp{(-i H/\alpha)}$ da matriz hamiltoniana $H$, toma-se $U = \exp{(-i \sin^{-1} (H/\alpha))}$, que normalmente pode ser implementado com menos recursos. Usando fatoração dupla, $H$ é representado de forma compacta por meio de uma combinação de uma escolha criteriosa de orbitais e compressão.

Carregar o exemplo no Visual Studio Code

O código deste tutorial pode ser encontrado no repositório de exemplo do QDK, em estimativa/df-chemistry. É recomendável clonar o repositório em seu computador local para executar o exemplo.

Para clonar o repositório, execute o seguinte comando no terminal:

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

Selecionar e passar um arquivo FCIDUMP

Neste exemplo, o hamiltoniano é descrito em termos de integrais de um e dois elétrons no formato FCIDUMP. Você pode escolher um dos arquivos FCIDUMP da tabela a seguir ou selecionar seu próprio arquivo FCIDUMP disponível em sua máquina ou online por meio de um URI HTTPS acessível publicamente.

Para passar o arquivo FCIDUMP, você precisa executar o arquivo chemistry.py e passar o nome do arquivo FCIDUMP ou o URI como argumento usando -f ou --fcidumpfile.

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

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

Executar o exemplo de química

1. No Visual Studio Code, abra a pasta em que você clonou o repositório de exemplo do QDK.

2. Abra um novo terminal, Terminal –> Novo Terminal e navegue até o diretório onde a amostra de química quântica está localizada. Por exemplo, se você clonar o repositório de exemplo do QDK em seu computador local, o caminho será qdk/samples/estimation/df-chemistry.

3. Execute o arquivo chemistry.py e passe o arquivo FCIDUMP. Por exemplo, o comando a seguir baixa o arquivo n2-10e-8o FCIDUMP para a pasta de trabalho e executa a estimativa de recursos para ele.

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

   Depois disso, você pode passar o caminho para o arquivo baixado para o script.

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

4. O resultado da estimativa de recursos é exibido no terminal. Por exemplo, a saída a seguir mostra a estimativa de recurso para o arquivo n2-10e-8o FCIDUMP.

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

Alterar target parâmetros

1. Abra o arquivo chemistry.py .

2. Os target parâmetros da estimativa de recurso podem ser encontrados na chamada para qsharp.estimate do arquivo chemistry.py. O snippet de código a seguir mostra os parâmetros usados neste tutorial.

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

3. Se você quiser alterar os target parâmetros, modifique o snippet de código anterior. Por exemplo, o snippet de código a seguir mostra como alterar o orçamento de erro para 0,333. Para obter mais informações, consulte Personalizar os target parâmetros do Avaliador de Recursos.

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

Por que as aplicações químicas da computação quântica são importantes

Este tutorial representa um primeiro passo para integrar a estimativa de recursos de soluções quânticas a problemas de estrutura eletrônica. Uma das aplicações mais importantes dos computadores quânticos em escala é resolver problemas de química quântica. A simulação de sistemas complexos de mecânica quântica tem o potencial de desbloquear avanços em áreas como captura de carbono, insegurança alimentar e projeto de melhores combustíveis e materiais.

Por exemplo, um dos arquivos FCIDUMP fornecidos nesta amostra nitrogenase_54orbitaldescreve a enzima nitrogenase. Se você pudesse simular com precisão como essa enzima funciona em um nível quântico, isso poderia nos ajudar a entender como produzi-la em escala. Você poderia substituir o processo altamente intensivo em energia que é usado para produzir fertilizantes suficientes para alimentar o planeta. Isso tem o potencial de reduzir a pegada de carbono global e também de ajudar a resolver as preocupações com a insegurança alimentar em uma população crescente.

Se você quiser aprofundar seus conhecimentos, aqui estão alguns experimentos que você pode tentar:

• Estime alguns arquivos FCIDUMP personalizados.
• Modifique as suposições no target computador quântico fornecendo parâmetros de qubit personalizados.

Conteúdo relacionado

• O tutorial Implementar o algoritmo de pesquisa de Grover mostra como escrever um programa Q# que usa o algoritmo de pesquisa de Grover para resolver um problema de coloração de grafo.
• O tutorial Escrever e simular programas de nível de qubit em Q# explora como escrever um programa Q# que aborda diretamente qubits específicos.
• O tutorial Explorar o emaranhamento quântico com Q# mostra como operar em qubits com Q# para alterar seu estado e demonstra os efeitos da superposição e do emaranhamento.
• Os Katas Quânticos são tutoriais individualizados baseados no Jupyter Notebook e exercícios de programação destinados a ensinar os elementos da computação quântica e da programação Q# ao mesmo tempo.