Passer à l'échelle les workflows de chimie SQD avec Fulqrum

Fulqrum est un paquet logiciel qui calcule les valeurs propres et les vecteurs propres d'hamiltoniens projetés dans un sous-espace. Il construit une représentation portable de l'hamiltonien projeté que tu peux transmettre au solveur de valeurs propres de ton choix, y compris des solveurs standard prêts à l'emploi. Ces solveurs peuvent offrir une alternative bien plus rapide au solveur PySCF par défaut que l'addon SQD utilise pour la diagonalisation. Pour savoir comment installer et utiliser Fulqrum, consulte la documentation de Fulqrum.

Le module addon_sqd_support de Fulqrum construit un solveur que diagonalize_fermionic_hamiltonian accepte directement, de sorte que tu transmets les mêmes intégrales aux deux et que Fulqrum se charge de la projection et de la diagonalisation.

Pour plus de détails sur le code SQD utilisé dans cet exemple, consulte le tutoriel sur l'hamiltonien chimique.

# Added by doQumentation — installs the packages this notebook needs if they are missing
import importlib.util

_needed = {"fulqrum": "fulqrum", "numpy": "numpy", "primme": "primme", "pyscf": "pyscf", "qiskit_addon_sqd": "qiskit-addon-sqd"}
_missing = [pip for module, pip in _needed.items()
            if importlib.util.find_spec(module) is None]
# One at a time, so a package that fails to install does not block the others
for _pip in _missing:
    %pip install -q {_pip}
if not _missing:
    print("\u2713 All required packages are installed")

import numpy as np
import pyscf
import pyscf.cc
import pyscf.mcscf
from fulqrum.addon_sqd_support import sci_solver_from_integrals
from qiskit_addon_sqd.counts import generate_bit_array_uniform
from qiskit_addon_sqd.fermion import diagonalize_fermionic_hamiltonian

# Build N2 molecule
mol = pyscf.gto.Mole()
mol.build(
    atom=[["N", (0, 0, 0)], ["N", (1.0, 0, 0)]],
    basis="6-31g",
    symmetry="Dooh",
)

# Define active space
n_frozen = 2
active_space = range(n_frozen, mol.nao_nr())

# Get molecular integrals
scf = pyscf.scf.RHF(mol).run()
num_orbitals = len(active_space)
n_electrons = int(sum(scf.mo_occ[active_space]))
num_elec_a = (n_electrons + mol.spin) // 2
num_elec_b = (n_electrons - mol.spin) // 2
cas = pyscf.mcscf.CASCI(scf, num_orbitals, (num_elec_a, num_elec_b))
mo = cas.sort_mo(active_space, base=0)
hcore, nuclear_repulsion_energy = cas.get_h1cas(mo)
eri = pyscf.ao2mo.restore(1, cas.get_h2cas(mo), num_orbitals)

# Compute exact energy
exact_energy = cas.run().e_tot

# Create a seed to control randomness throughout this workflow
rng = np.random.default_rng(24)

# Generate random samples
bit_array = generate_bit_array_uniform(
    10_000, num_orbitals * 2, rand_seed=rng
)

# Build a solver that diagonalizes with Fulqrum. It converts the integrals to a
# Fulqrum operator once, then projects onto each subspace the SQD loop requests.
sci_solver = sci_solver_from_integrals(hcore, eri, tol=1e-12)

# Run SQD
result = diagonalize_fermionic_hamiltonian(
    hcore,
    eri,
    bit_array,
    samples_per_batch=300,
    norb=num_orbitals,
    nelec=(num_elec_a, num_elec_b),
    num_batches=5,
    max_iterations=5,
    sci_solver=sci_solver,
    symmetrize_spin=True,
    seed=rng,
)

WARN: Unable to to identify input symmetry using original axes.
Different symmetry axes will be used.

converged SCF energy = -108.835236570774

CASCI E = -109.046671778080  E(CI) = -32.8155692383188  S^2 = 0.0000000

print(f"Exact energy: {exact_energy}")
print(f"Estimated energy: {result.energy + nuclear_repulsion_energy}")

Exact energy: -109.04667177808024
Estimated energy: -109.03402667559365

Utiliser un autre solveur de vecteurs propres

Comme Fulqrum expose l'hamiltonien projeté sous la forme d'un scipy.sparse.linalg.LinearOperator standard, tu peux le diagonaliser avec n'importe quel solveur de vecteurs propres de ton choix, sans être lié à scipy.sparse.linalg.eigsh. Cela permet de substituer facilement un solveur mieux adapté à la taille de ton problème ou à ton matériel.

Transmets le solveur de vecteurs propres souhaité via l'argument eigensolver. À titre d'exemple, ce guide présente PRIMME, une bibliothèque de solveurs de vecteurs propres haute performance. Son interface Python, primme.eigsh, suit une convention d'appel similaire à scipy.sparse.linalg.eigsh, de sorte que tu peux l'utiliser en remplacement direct.

import primme

# Build a solver that diagonalizes with PRIMME instead of the default,
# scipy.sparse.linalg.eigsh
sci_solver = sci_solver_from_integrals(
    hcore, eri, eigensolver=primme.eigsh, tol=1e-12
)

# Run SQD using the PRIMME-based solver
result = diagonalize_fermionic_hamiltonian(
    hcore,
    eri,
    bit_array,
    samples_per_batch=300,
    norb=num_orbitals,
    nelec=(num_elec_a, num_elec_b),
    num_batches=5,
    max_iterations=5,
    sci_solver=sci_solver,
    symmetrize_spin=True,
    seed=rng,
)

print(f"Exact energy: {exact_energy}")
print(f"Estimated energy: {result.energy + nuclear_repulsion_energy}")

Exact energy: -109.04667177808024
Estimated energy: -109.03937429196168