Variational Quantum Eigensolver (VQE)

Wir haben noch keine perfekten Quantencomputer (mit Fehlerkorrektur). Wir haben NISQ (Noisy Intermediate-Scale Quantum) Geräte. (Laut, fehleranfällig). VQE ist der König der NISQ-Algorithmen. Er simuliert Moleküle. (Chemie = Quantenphysik). Klassische Computer scheitern an Koffein. VQE kann es (theoretisch). Idee: Der Quantencomputer berechnet nur die Energie eines Molekül-Zustands (schwer). Ein klassischer Computer optimiert die Parameter, um die Energie zu minimieren (leicht). Sie spielen Ping-Pong, bis sie den Grundzustand finden.

Merksatz: Ein hybrider Quanten-Klassischer Algorithmus, der verwendet wird, um den Grundzustands-Eigenwert (Energie) eines Hamilton-Operators zu finden, ideal für Anwendungen in der Quantenchemie auf aktueller NISQ-Hardware.

In der Pharma-Forschung / Materialwissenschaft. Ziel: Designe eine Batterie, die 10x besser ist. Oder ein Medikament gegen Krebs. VQE könnte simulieren, wie sich Atome binden, ohne teure Laborexperimente. Firmen wie IBM, Google, Rigetti fokussieren sich massiv auf VQE.

1. Ansatz (Wavefunction)

Man rät eine Formel für die Wellenfunktion ("Ansatz") mit Parametern $\theta$. Der Quantencomputer bereitet $|\psi(\theta)\rangle$ vor. Er misst den Hamilton-Operator $H$. Erwartungswert $E = \langle \psi(\theta) | H | \psi(\theta) \rangle$. Der klassische Optimizer (Gradient Descent) ändert $\theta$, um $E$ zu verkleinern. (Variationsprinzip: Grundzustand hat immer die tiefste Energie).

2. Barren Plateaus

Das Problem: In hochdimensionalen Räumen wird der Gradient oft Null (flach wie eine Wüste). Der klassische Optimizer weiß nicht, wohin er gehen soll. Das ist das größte Hindernis für VQE bei großen Molekülen.

1. Unitary Coupled Cluster (UCC) Ansatz

Wie wählt man den richtigen "Rate-Zustand" (Ansatz)? In der Chemie nutzt man oft UCCSD (Unitary Coupled Cluster Singles and Doubles). Es modelliert, wie Elektronen von besetzten in unbesetzte Orbitale springen. Das Problem: UCC-Schaltkreise sind sehr tief. In der Forschung (z.B. IBM Qiskit) entwickelt man daher Hardware-Efficient Ansätze, die genau auf die Verschränkungsmöglichkeiten der speziellen Chips (z.B. Google Sycamore) zugeschnitten sind. Man opfert chemische Intuition für weniger Rauschen (Noise).

2. Measurement Shot Noise

Ein Quantencomputer gibt uns keine exakte Energie, sondern einen Messwert aus einer Wahrscheinlichkeitsverteilung. Um einen guten Durchschnitt zu bekommen, muss man den Schaltkreis tausende Male laufen lassen (Shots). In der Produktion ist das ein Flaschenhals: Wenn du 0.1 mHartree Genauigkeit willst, brauchst du Millionen von Messungen. Experten nutzen daher Error Mitigation (wie Richardson Extrapolation): Man misst mit mehr Rauschen und rechnet dann mathematisch zurück, wie das Ergebnis bei null Rauschen ausgesehen hätte.

3. Optimizer: SPSA und COBYLA

Da die Energie-Landschaft verrauscht ist, funktionieren Standard-Optimizer (Adam/SGD) schlecht. Man nutzt SPSA (Simultaneous Perturbation Stochastic Approximation). Er schätzt den Gradienten mit nur zwei Messungen, egal wie viele Parameter man hat. Das ist extrem robust gegen Rauschen. Die Kunst bei VQE ist es nicht nur, einen guten Quanten-Schaltkreis zu bauen, sondern den klassischen Optimizer so einzustellen, dass er nicht in einer lokalen Pfütze (lokales Minimum) stecken bleibt.