Skip to content
/ qchem-qsharp-resource-analyzer Public

A toolkit for predicting quantum computing resources (logical qubits / T-count / depth / runtime) for small molecules, enabling optimal cost settings under chemical accuracy constraints (Q# × Python)

License

MIT license
0 stars 0 forks Branches Tags Activity
Star
Notifications You must be signed in to change notification settings

ShunKonno/qchem-qsharp-resource-analyzer

BranchesTags

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

8 Commits
docker
docker
 
 
env
env
 
 
LICENSE
LICENSE
 
 
README.md
README.md
 
 

Repository files navigation

小分子量子化学計算のための量子リソース分析 (Q# × Python)

量子計算が真にブレイクスルーを起こすのは、強相関・励起を含む厳密な電子構造を現実的コストで扱える点であるが、必要な量子リソース（Tゲート数・論理/物理量子ビット・回路深さ・実行時間）がボトルネックで、分子/設定ごとに“どこまで実行可能か”の見通しが課題です。 本プロジェクトは化学精度は評価せず、量子リソース指標のみに特化して高速予測・分析を行うことで、

  • 「どの活性空間なら実行可能か」を即時に可視化
  • 　大量・多設定の探索で“粗→精”の振り分けを自動化
  • ハードウェア/アルゴリズム設計や実験計画の意思決定を高速化

を実現します。

The true breakthrough of quantum computing lies in its ability to handle exact electronic structures, including strong correlations and excitations, at a realistic cost. However, the required quantum resources—such as the number of T-gates, logical/physical qubits, circuit depth, and execution time—present a significant bottleneck. A key challenge is predicting the feasibility of these calculations for each specific molecule and configuration.

This project focuses exclusively on the high-speed prediction and analysis of quantum resource metrics, without evaluating chemical accuracy. By doing so, it aims to:

  • Instantly visualize how many active spaces are feasible for a given quantum computation.
  • Automate a "coarse-to-fine" screening process across a vast number of molecules and settings.
  • Accelerate decision-making in hardware/algorithm design and experimental planning.

スコープ

  • 入力
    1. 分子グラフ（原子種・結合・荷電・芳香性などの軽量属性）
    2. 計算設定：基底関数、エンコーディング（JW/BK）、分解法（Trotter/低ランク/…）、活性空間 CAS(nₑ,nₒ)、誤り訂正前提（物理誤り率・コード距離方針・サイクルタイム・工場ポリシー 等）
  • 出力（予測ターゲット） T_count, logical_qubits, circuit_depth, wall_time_s（必要に応じ physical_qubits, code_distance, factories など派生量も）
  • 対象系 小〜中分子、金属錯体、イオン、高分子（〜1000原子規模まで）。活性空間は CAS(2,2)〜CAS(14,14) を主レンジ。

開発環境

このプロジェクトは Docker + conda 環境 上で開発を行います。
QuTiP, PySCF は conda 管理、qsharp は pip により補完インストールしています。

環境構成

  • base環境: 最小限のconda環境（用途未定、将来の拡張用）
  • qchem-qsharp-ds環境: 開発用のメイン環境（PySCF, qsharp等を含む）

起動手順

1. Docker イメージのビルド

プロジェクトルートで以下を実行してください。

docker build -f docker/Dockerfile -t qchem-dev:conda .

2. コンテナを起動してシェルに入る

開発用の対話シェルを起動する場合:

docker run --rm -it -v "$PWD":/workspace qchem-dev:conda bash
  • -v "$PWD":/workspace: 現在のホストディレクトリを /workspace にマウント
  • 起動後は自動で qchem-qsharp-ds 環境が有効化されます

3. ワンショットでコマンド実行

Python のバージョン確認:

docker run --rm qchem-dev:conda python -V

ライブラリの動作確認:

docker run --rm qchem-dev:conda python - <<'PY'
import qutip, pyscf, qsharp
print("QuTiP:", qutip.__version__)
print("PySCF:", pyscf.__version__)
print("qsharp import OK")
PY

4. コンテナを残して開発する場合

開発を継続したい場合は名前付きコンテナを起動します。

docker run -it --name qchem-dev -v "$PWD":/workspace qchem-dev:conda bash

終了後も再開可能です:

docker start -ai qchem-dev

パイプライン概要

入力 (SMILES/XYZ) → 古典計算による積分 (PySCF/NWChem) → Broombridge (QDK化学フォーマット) → Q# リソース推定器 (設定グリッド) → resource_estimates.csv → 解析 / 可視化 / 推奨

クイックスタート

0) 前提条件

  • Docker
  • 上記の起動手順でDockerイメージをビルド済み

1) セットアップ (Docker + conda)

# Dockerイメージのビルド
docker build -f docker/Dockerfile -t qchem-dev:conda .

# コンテナを起動してシェルに入る
docker run --rm -it -v "$PWD":/workspace qchem-dev:conda bash

2) 分子データの準備

XYZファイルを inputs/xyz/ に配置するか、SMILES文字列を inputs/smiles.txt にリストアップします。

3) Broombridgeへの変換

python scripts/convert_to_broombridge.py \
  --xyz inputs/xyz \
  --out intermediate/broombridge

4) バッチリソース推定

python scripts/batch_run.py \
  --grid config/grid.yml \
  --broombridge intermediate/broombridge \
  --out data/resource_estimates.csv \
  --n-proc 8 --resume

5) 結果の探索と推奨

jupyter lab  # notebooks/analysis.ipynb を開く

またはCLIで実行:

python scripts/recommend.py --molecule "H2O" --objective Min-T --chem-acc 1.6

設定ファイルの例 (config/grid.yml)

basis: ["STO-3G", "6-31G"]
active_space: ["full", "homo±1"]
encoding: ["JW"]
decomposition: ["Trotter"]
target_error_mHa: [0.8, 1.6, 2.0]
phys_error_rate: [1.0e-3, 1.0e-4] # 物理エラー率 ($10^{-3}$, $10^{-4}$)
molecules: "inputs/xyz/*.xyz"

出力スキーマ (data/resource_estimates.csv)

  • 分子メタデータ: ID, SMILES, 化学式, 原子数, 電子数
  • 計算設定: 基底関数系, 活性軌道, エンコーディング, 分解手法, 目標誤差
  • リソース推定値: 論理量子ビット数, Tゲート数, 回路深度, 実行時間
  • 実行情報: ID, タイムスタンプ

リポジトリ構造

qchem-qsharp-resource-landscape/
├─ docker/                      # Docker設定ファイル
│  └─ Dockerfile               # 開発環境用Dockerfile
├─ qsharp/                      # Q# リソース推定ドライバ
├─ scripts/                     # Python パイプラインスクリプト
├─ config/                      # パラメータグリッド
├─ inputs/                      # 分子入力ファイル
├─ intermediate/                # 中間フォーマット
├─ data/                        # 出力データセット
├─ notebooks/                   # 解析用ノートブック
├─ env/                         # 環境ファイル
│  ├─ environment.yml          # conda環境設定
│  └─ requirements.txt         # pip依存関係（フォールバック用）
└─ README.md

ロードマップ

  • v1.0: STO-3G / 6-31G, JW + Trotter, 化学精度グリッド, 推奨機能
  • v1.1: BKエンコーディング, 活性空間のバリエーション, 不確実性解析
  • v1.2: Qubitizationパス, $ \lambda $プロキシ特徴量, Streamlit UI

トラブルシューティング

condaの利用規約エラー

# コンテナ内で以下を実行
conda tos accept --override-channels --channel https://repo.anaconda.com/pkgs/main
conda tos accept --override-channels --channel https://repo.anaconda.com/pkgs/r

qsharpのインポートエラー

env/requirements.txtのフォールバック版を使用してください：

# qsharp関連の行をコメントアウト
sed -i 's/^qsharp/# qsharp/' env/requirements.txt
sed -i 's/^qsharp-chemistry/# qsharp-chemistry/' env/requirements.txt

# Dockerイメージを再ビルド
docker build -f docker/Dockerfile -t qchem-dev:conda .

参考文献

量子リソース専用アナライザー（Q# × Python × GNN）

目的：化学精度の評価は行わず、量子リソース指標のみ（T ゲート数・論理/物理量子ビット・回路深さ・推定実行時間）を高速に予測・可視化し、分子・設定ごとに**「どこまで実行可能か」**を即断できる基盤を提供します。

Why this matters / ニーズ：量子計算が本当に変えるのは、強相関・励起を含む厳密な電子構造を現実的コストで扱えること。ただし必要リソースがボトルネック。本プロジェクトはリソースだけに特化し、設計・計画・探索を加速します。

できること（Scope）

  • 入力
    1. 分子グラフ：原子種・結合（必要に応じ荷電・芳香性などの軽量属性）
    2. 計算設定：基底、エンコーディング（JW/BK）、分解法（Trotter/低ランク/…）、活性空間 CAS(nₑ, nₒ)、誤り訂正前提（物理誤り率・コード距離方針・サイクルタイム・工場ポリシー 等）
  • 出力（学習ターゲット）
    • T_count, logical_qubits, circuit_depth, wall_time_s
    • （任意）physical_qubits, code_distance, factories などの派生量
  • 対象系
    • 小〜中分子、金属錯体、イオン、高分子（〜1000 原子規模まで）。
    • 活性空間は CAS(2,2)〜CAS(30,30) を主レンジ。

非目標（Out of Scope）：化学精度（エネルギー誤差）や CASSCF 最適化の収束品質の評価。※本リポジトリはリソースのみに注目します。

パイプライン（1 分子につき前処理は 1 回だけ）

  1. 古典前処理（PySCF/NWChem など）：HF/UNO 等で MO/NOON を生成（※CASSCF の反復は回しません）。
  2. CAS 切り出し：MO 順序から CAS(nₑ, nₒ) を構築し FCIDUMP/Broombridge を出力。
  3. Q# Azure Resource Estimator（ARE）：各 CAS 点に対して T_count / logical_qubits / depth / time を“計数”。
  4. データ化：data/resource_estimates.csv に集約 → GNN 学習／CAS 平面プロットで可視化。

ポイント：フル格子（(2,2)〜(30,30)）を回すことも可能。運用上は各 nₒ で代表的な nₑ（閉殻近傍 ±2 e など）に間引けます。前処理は分子あたり 1 回で、以降は ARE の軽量計数のみ。

データセット & スキーマ

data/resource_estimates.csv 例：

  • 分子メタ：molecule_id, formula, n_atoms, n_electrons
  • 設定：basis, encoding, decomposition, target_error_mHa, phys_error_rate, cycle_time_ns, factory_policy
  • CAS：ne_active, norb_active
  • ラベル：T_count, logical_qubits, circuit_depth, wall_time_s
  • 派生（任意）：physical_qubits, code_distance, factories, rQOPS
  • 再現性：timestamp, generator_version, hash_keys

モデル概要（条件付き GNN / 多タスク回帰）

  • GNN 本体：GINE / MPNN（4–6 層, hidden 128–256, sum pooling）
  • 条件付け：基底・分解・エンコーディング・誤り訂正・CAS(nₑ, nₒ) を埋め込み、各層に FiLM(γ,β) で注入（または出力直前に concat）
  • 出力：[T_count, logical_qubits, circuit_depth, wall_time_s] の多タスク回帰
  • 損失：スケール広範のため Huber( logŷ , logy ) の和
  • 不確かさ：MC Dropout / アンサンブル → 高不確か点のみ ARE に再照会（粗→精の自動化）
  • 評価：MAPE / MedAE、Kendall’s τ（CAS 平面のランキング一致）、推論レイテンシ

可視化（CAS リソースマップ）

  • 1 分子・設定固定で CAS 平面 (nₑ, nₒ) に T 数/時間の等高線/ヒートマップを描画。
  • UI/ノートブック上で、基底・分解法・誤り訂正前提を切替 → 実行可能領域と最小コスト帯を即時提示。

開発環境（Docker + conda）

このプロジェクトは Docker + conda 上で開発します。QuTiP / PySCF は conda 管理、qsharp は pip をフォールバックとして使用します。

ビルド

# プロジェクトルートで
docker build -f docker/Dockerfile -t qchem-dev:conda .

対話シェル

docker run --rm -it -v "$PWD":/workspace qchem-dev:conda bash
  • 起動後は自動で qchem-qsharp-ds 環境が有効化されます

ワンショット実行

docker run --rm qchem-dev:conda python - <<'PY'
import qutip, pyscf, qsharp
print("QuTiP:", qutip.__version__)
print("PySCF:", pyscf.__version__)
print("qsharp import OK")
PY

コンテナを残して再開

docker run -it --name qchem-dev -v "$PWD":/workspace qchem-dev:conda bash
# 終了後の再開
docker start -ai qchem-dev

クイックスタート

0) 前提

  • Docker が導入済みで、上記 Docker イメージをビルド済み

1) 分子データ準備

  • XYZ を inputs/xyz/ に配置、または SMILES を inputs/smiles.txt に列挙

2) Broombridge へ変換

python scripts/convert_to_broombridge.py \
  --xyz inputs/xyz \
  --out intermediate/broombridge

3) バッチ・リソース推定

python scripts/batch_run.py \
  --grid config/grid.yml \
  --broombridge intermediate/broombridge \
  --out data/resource_estimates.csv \
  --n-proc 8 --resume

4) 解析・可視化

jupyter lab  # notebooks/analysis.ipynb を開く

または CLI:

python scripts/recommend.py --molecule "H2O" --objective Min-T --chem-acc 1.6

設定ファイル例（config/grid.yml）

basis: ["STO-3G", "6-31G"]
# CAS グリッド：フルに走らせる場合
cas_grid:
  ne: [2,4,6,8,10,12,14,16,18,20,22,24,26,28,30]
  norb: [2,4,6,8,10,12,14,16,18,20,22,24,26,28,30]
# または n_orb ごとに代表的 n_e のみを指定する簡易モード
cas_representative:
  - norb: 8
    ne: [8,10]   # 閉殻近傍 ±2e
  - norb: 12
    ne: [12,14]
encoding: ["JW"]
decomposition: ["Trotter"]
target_error_mHa: [0.8, 1.6, 2.0]
phys_error_rate: [1.0e-3, 1.0e-4]
molecules: "inputs/xyz/*.xyz"

リポジトリ構造

qchem-qsharp-resource-analyzer/
├─ docker/                      # Docker 設定
│  └─ Dockerfile
├─ qsharp/                      # Q# リソース推定ドライバ
├─ scripts/                     # Python パイプライン
├─ config/                      # パラメータグリッド
├─ inputs/                      # 分子入力
├─ intermediate/                # 中間形式（Broombridge 等）
├─ data/                        # 出力 CSV
├─ notebooks/                   # 解析ノートブック
├─ env/                         # 環境定義
│  ├─ environment.yml           # conda
│  └─ requirements.txt          # pip フォールバック
└─ README.md

FAQ

  • Q. 各 CAS 点で CASSCF を回す必要は？
    • 不要。本プロジェクトはリソース計数のみが目的。MO/NOON 生成の**一次前処理（1 回/分子）**から CAS を切り出して ARE にかけます。
  • Q. PySCF は必須？
    • 必須ではありません。必要なのは FCIDUMP/Broombridge。NWChem 等で生成しても OK。
  • Q. 高分子（〜1000 原子）は？
    • 問題ありません。活性部位の CAS を指定して局所問題のリソースを推定します（GNN は sum pooling でサイズ外挿に対応）。

トラブルシューティング

conda の利用規約エラー

conda tos accept --override-channels --channel https://repo.anaconda.com/pkgs/main
conda tos accept --override-channels --channel https://repo.anaconda.com/pkgs/r

qsharp のインポートエラー

env/requirements.txt のフォールバックを使用：

sed -i 's/^qsharp/# qsharp/' env/requirements.txt
sed -i 's/^qsharp-chemistry/# qsharp-chemistry/' env/requirements.txt
# 再ビルド
docker build -f docker/Dockerfile -t qchem-dev:conda .

ロードマップ

  • v1.0: STO-3G / 6-31G, JW + Trotter, 化学精度グリッド, 推奨機能
  • v1.1: BK エンコーディング, 活性空間バリエーション, 不確実性解析
  • v1.2: Qubitization パス, λ プロキシ特徴量, Streamlit UI

用語集（Glossary）

  • ARE：Azure Quantum Resource Estimator。量子回路のコスト（T 数・論理 Qubit・深さ等）を計数。
  • Broombridge：化学ハミルトニアンの中間形式（YAML）。FCIDUMP と相互運用。
  • CAS(nₑ, nₒ)：活性電子 nₑ・活性軌道 nₒ を持つ活性空間。

参考文献

ライセンス / 貢献

  • ライセンス：LICENSE を参照（未設定の場合は後日追加）。
  • コントリビュート歓迎です。Issue / PR にてご提案ください。

About

A toolkit for predicting quantum computing resources (logical qubits / T-count / depth / runtime) for small molecules, enabling optimal cost settings under chemical accuracy constraints (Q# × Python)

Topics

python ml quantum-computing qchem

Resources

Readme

License

MIT license
Activity

Stars

0 stars

Watchers

0 watching

Forks

0 forks
Report repository

Releases

No releases published

Packages

No packages published

Languages