字节推出首个复杂材料的大规模量子模拟算法

　　量子计算作为新的计算范式，已经展现了在量子化学领域中的潜在巨大价值，为药物发现、材料设计和催化剂优化等领域提供了广阔的前景。

　　目前在简单分子的量子模拟方面已经取得了令人振奋的进展，但在量子计算机上进行固体材料的模拟仍然困难重重。这是因为不同于孤立的分子，要想准确计算材料的性质，需要将系统的规模推广至热力学极限。这会使得问题规模随采样K点迅速增大，模拟所需的量子资源爆炸式增长。

　　譬如，针对一个典型的复杂体系过渡金属氧化物-氧化镍(NiO)，尽管该体系在材料模拟计算中属于中小规模的问题，仍然需要大约10000量子比特，这将远超当前量子计算机可以处理的范畴。根据目前业界最新的报道，目前在真实量子计算机上的化学模拟最大规模却不超过20量子比特。

　　针对当前含噪中等规模量子器件，由于系统的有限相干时间、量子门的保真度等一系列因素，极大限制了当前量子计算机能实际处理问题的规模。为应对这一挑战，字节跳动ByteDance Research团队创造性地结合了量子嵌入理论和量子计算，极大地扩大了当前量子处理的问题规模。团队首先在分子体系上，进行了系统性测试，值得一提的是，团队用16量子比特模拟了144比特系统C18分子（ccpvdz基组），并准确预测了相关体系的稳定结构，符合实验预期，相关结果已经发布在国际顶级期刊《Chemical Science》。

　　从分子过渡到材料，并进一步围绕材料体系中存在的强关联系统进行的深入研究是一个自然的延伸，也是目前凝聚态领域等研究的热点和难点。同时，研究相关典型的强关联系统，有望进一步帮助我们理解更复杂的体系，如催化机理，超导机理等相关课题的研究，构建理解微观机制到宏观奇特量子现象的桥梁。因此当前或者中长期的量子器件上实现对固体材料的量子模拟，是一个十分必要的课题。

　　近期，字节跳动ByteDance Research团队联合清华大学胡憾石课题组，北京大学袁骁课题组和牛津大学孙金钊博士在最新工作《Ab initio quantum simulation of strongly correlated materials with quantum embedding》中为这一问题提供了一种潜在的解决方案。

　　在这一工作中，受到上述《Chemical Science》工作的启发，以及Garnet Chan组近期发表在《Science》上的工作，提出的多层划分方法，作者在周期性密度矩阵嵌入理论中，引入了一种更精细的基于轨道的多片段划分方法，有效地缩减了当前的问题规模，以适应近期量子计算机的能力范围。通过在具有复杂电子结构的固态系统上进行实验，该方法展示了比传统方法更出色的准确性和效率。其中，作者重点研究了1维氢链的自旋极化态（1D-H）、2维硼氮化物层的状态方程（h-BN）以及3维典型强关联过渡金属镍氧化物（NiO）中的磁序。相关研究成果于 2023 年发表于国际知名期刊《npj Computational Materials》