量子科技中心_量科网

尽管量子计算为强关联系统模拟提供了一种有前景的解决方案，但现有算法在当前含噪声中等规模量子（NISQ）器件上面临着显著瓶颈。在此，该团队介绍QiankunNet-QSCI，一种通过结合高效量子采样与Transformer神经网络来应对这一挑战的混合量子-经典框架。该研究提出了一种专为量子采样设计的高效酉选定组态相互作用（USCI）拟设，用于在祖冲之3.1量子处理器上识别最具化学重要性的电子组态。随后，Transformer模型QiankunNet从这些稀疏但关键的量子数据中学习，以高保真度推断并重建完整的电子波函数。对具有挑战性的40量子比特[2Fe-2S]铁氧还蛋白活性中心的模拟达到了化学精度。对114电子73轨道活性空间中的固氮酶P簇的模拟，也与最优密度矩阵重整化群（DMRG）结果达到了12毫哈特里级别的一致性。因此，QiankunNet-QSCI为在当前器件上实现精确的量子辅助电子结构计算提供了一条实用路径。