量子計算的最大承諾之一是能以前所未有的準確性模擬分子。如果量子計算機能有效運作，這將加速新藥物、電池和肥料的發現。然而，一項新的理論研究顯示，通往這一承諾的道路比許多研究人員預期的要遙遠得多。通過分析，研究作者指出，即使是最受歡迎的量子算法在計算分子的最低能量狀態時也面臨嚴重障礙，而這一基本量是理解化學反應所必需的。
研究人員檢視了量子計算機在分子模擬中實現實際優勢所需的條件，特別是聚焦於尋找分子的基態能量，這基本上是其電子的最低能量配置。了解這一數值有助於科學家預測化學穩定性及反應路徑。為了測試量子方法的可行性，團隊分析了兩種主要的量子化學計算算法：變分量子特徵解算器（VQE）和量子相位估計（QPE）。每種算法針對不同一代的量子硬件，並各有優缺點。
第一種算法 VQE，設計用於仍然嘈雜且易錯的近期量子計算機。VQE通過一種混合方法運作，其中量子計算機為分子準備候選量子態，而經典計算機則逐步調整參數以最小化計算出的能量。這一想法是逐漸接近分子的真實基態。然而，研究人員表示，去相干對 VQE 的準確性有很大傷害，進行相關的化學計算需要故障容忍量子計算機的性能，而不僅僅是嘈雜的硬件，即使有先進的錯誤緩解技術。
隨著分子的增大，問題變得更加嚴重。例如，當研究人員檢查鉻二聚體分子（Cr₂）時，他們發現僅一次 VQE 計算的迭代可能需要約 25 天。當考慮到許多所需的優化步驟時，總運行時間可能會延長至約 24 年。處理強相關分子時，挑戰也顯而易見，因為電子以複雜方式相互作用。這類系統通常涉及過渡金屬，並被認為是量子計算的重要目標，因為它們對經典模擬來說非常困難。然而，研究顯示 VQE 經常難以準確處理這些分子。
第二種算法 QPE，則設計用於未來的故障容忍量子計算機，這些計算機可以自我糾正錯誤。理論上，QPE 可以以極高的精度確定能量水平，然而它也面臨著不同的挑戰。QPE 需要一個初始的量子態，該態必須與分子的真實基態相似。如果起始猜測不佳，獲得正確答案的概率將變得非常小。研究人員發現，隨著分子增大，這一問題會顯著惡化，這是由於所謂的正交性災難現象。隨著粒子數量增加，準備的輸入態與真實基態的重疊指數性下降。
為了解決這一問題，團隊制定了一個標準，用於估算準備的輸入態與真實基態之間的重疊，這是基於初始態的能量和能量方差。通過將這一框架應用於由先進經典化學方法產生的輸入態，他們顯示出隨著分子大小的增加，重疊持續指數性減少。這意味著，即使未來出現故障容忍的量子計算機，QPE 在處理大型分子時仍可能面臨挑戰，因為成功提取正確能量的機會會變得微乎其微。
這些結果突顯了經典計算化學方法在某些情況下仍然具有意外的競爭力，甚至在完美的量子硬件下也可能優於量子方法。研究作者解釋道，「這些觀察可能還表明，在化學中，基態估計可能不是量子計算機的最合適目標。除了本文所列出的量子處理器問題外，這一說法也源於經典狀態準備方法的相對優良質量。」然而，該研究並未排除進步的可能性。
故障容忍量子硬件的進步、改進的狀態準備方法以及更高效的算法最終可能克服一些已識別的障礙。然而，現階段的研究則作為一個現實檢驗。要在化學領域實現真正的量子優勢，可能需要在硬件和算法方面取得突破，才能使量子計算機在這些基本的分子計算上超越經典機器。該研究發表在《物理評閱 B》期刊上。
