去年，量子计算初创公司 Quantinuum 的研究人员使用带有八个镱离子的芯片，从无数可能的配置中计算出氢分子的两个电子在最稳定状态下的精确排列。就其本身而言，这种计算壮举几乎不值得一提。典型的笔记本电脑可以在几秒钟内完成它。但这标志着先进量子模拟的首次演示，
科罗拉多州布鲁姆菲尔德——这台量子计算机的核心看起来很熟悉：邮票大小的硅芯片。但与笔记本电脑的相似之处仅此而已。该芯片被包裹在真空室内，冷却至接近零，并由 198 个金电极图案化，排列成椭圆形跑道。
在赛道上方，一些镱离子被一系列电、射频和激光脉冲捕获并悬浮。随后的操作将特定量的能量传递给离子并诱导它们彼此相互作用以执行一系列逻辑操作。最后的激光脉冲脉冲会推动每个离子发出荧光或不发出荧光——检测器将二进制代码的闪光作为计算的解决方案读出。
去年，量子计算初创公司 Quantinuum 的研究人员使用带有八个镱离子的芯片，从无数可能的配置中计算出氢分子的两个电子在最稳定状态下的精确排列。就其本身而言，这种计算壮举几乎不值得一提。典型的笔记本电脑可以在几秒钟内完成它。但这标志着先进量子模拟的首次演示，随着量子计算机变得更加强大，这种模拟有望表现得更好，并能处理更复杂的分子。
这一成就表明量子计算机如何暂时从单纯的承诺领域转向应对现实世界的挑战。 Quantinuum 是众多相信化学应用（尤其是寻找新型药物和催化剂）将成为这些新机器的首要实际任务之一的公司之一。研究人员表示，它们非常适合预测分子的结构和行为，因为机器和分子都受到量子力学反直觉定律的支配。
Quantinuum 战略主管 Chad Edwards 表示：“我们目前正在利用化学问题来推进量子计算，而不是利用量子计算来推进化学。” “但将会有一个转折点”，这些角色将发生逆转。 PASQAL 的量子物理学家 Louis-Paul Henry 表示：“过去一年出现了明显的加速。”PASQAL 是一家总部位于巴黎的量子计算初创公司，也专注于化学领域。 “越来越多的人正在谈论应用程序并研究与现实世界使用相关的更困难的问题。”
量子计算机已经在帮助研究人员放大燃料电池催化剂的反应路径，模拟光和物质的极其短暂的相互作用，并揭示蛋白质中的可成药口袋。量子计算公司 Phasecraft 的联合创始人阿什利·蒙塔纳罗 (Ashley Montanaro) 表示，当今的量子计算机几乎足以做出经典系统无法企及的发现。 “这比人们之前想象的要近得多。”
标准计算机将数据位处理为 0 和 1，而量子计算机则依赖于“量子位”，它可以将数据编码为 0、1 或同时“叠加”中两种状态的任意组合。就 Quantinuum 计算机而言，量子位是镱离子中的电子，可以悬浮在两个不同能级的叠加中。在计算过程中，多个量子位“纠缠”在一起，因此它们的能量状态相互影响，从而可以同时评估它们所有可能的相互作用。
Quantinuum 创始人伊利亚斯·汗 (Ilyas Khan) 将经典计算比作一只在迷宫中导航的老鼠，在反复试验中随机转弯，寻找正确的路径。他说，量子计算机可以鸟瞰同一个迷宫，这使得更容易立即看到最佳路径。验证解决方案就像测试量子计算机揭示的分子结构或行为一样简单。 “你知道你已经到了最后，因为你已经拿到了一块奶酪，”汗说。即使将几百个量子位连接在一起也应该能够实现极其复杂的计算。
挑战在于量子位是脆弱的：空气粒子、一点点热量，甚至是杂散宇宙射线的最轻微的碰撞都会扰乱量子位的叠加态，从而产生导致结果偏离的错误。研究人员通过冷却量子位并将其与环境隔离来最大限度地减少这些影响。他们还建立了冗余。尽管今天的量子计算机可能连接数十或数百个量子位，但其中只有一小部分执行逻辑运算，而其余的则纠正错误。
即便如此，机器仍然变得越来越强大。去年，IBM 推出了一款基于微型超导电路的 1121 量子位计算机，高于 2021 年发布的 127 量子位版本。加州初创公司 AtomComputing 的表现更好，去年推出了一款基于微型超导电路的 1180 量子位中性镱原子的自旋计算机。
其他人正在努力提高准确性。 2023 年 12 月，哈佛大学的研究人员在使用另一家中性原子初创公司 QuEra 的 280 量子位计算机时报告称，他们的系统中错误率降低，使他们能够编码多达 48 个逻辑量子位，并在运行之前忠实地执行数百次操作。量子纸牌屋倒塌了，这是对之前设置的重大改进。上个月，Quantinuum 科学家报告说，微软的一种新算法极大地提高了他们检测和纠正最新 32 量子位离子芯片中错误的能力。加州大学洛杉矶分校的量子计算专家 Prineha Narang 表示：“硬件进步的速度足够快，很快就会影响可实现的应用程序的数量。”
许多研究人员期望这些应用能够从化学中出现。化合物和材料的特性受化学键的形成和断裂、电子运动和磁性行为的控制——所有这些都由量子力学决定。研究人员可以通过求解薛定谔方程来推断分子的行为，该方程根据电子能级和化学键长度等输入，部分描述了电子的概率性波状行为及其与原子核的相互作用。
经典计算机已经能够计算像并五苯这样大的分子，并五苯是一条由五个碳氢环组成的链，在“pi”共价键上有 22 个电子，这些电子控制着分子的形状和反应性。但经典计算依赖于近似值，对于较大的分子，不可避免的错误会复合，导致结果不准确。相比之下，量子计算机不需要使用这些模糊因素，而是可以直接将电子和原子核之间的相互作用映射到量子位上，使用实际的量子系统来代表它们的亲属。 “量子系统和量子计算之间存在固有的一致性，”爱德华兹说。
化学与量子计算非常匹配的另一个原因是，这些问题通常可以被严格限制，使它们处于当今可用的小型量子计算机的能力范围之内。研究人员可能只需要关注少数电子的相互作用即可了解药物分子如何与其蛋白质靶标结合。微软量子团队首席运营官布赖恩·比洛多 (Brian Bilodeau) 表示，“对于量子计算机来说，最好的问题是问题规模较小”，并有多种可能的结果。
鉴于当今量子计算机的能力仍然有限，研究人员并没有要求它们自己完成所有的计算提升。相反，大多数科学家寻求将量子处理器和经典处理器结合起来的混合方法。 “现实情况是，这将是一个混合世界，”比洛多说。
当今最流行的混合算法是一种称为变分量子本征解算器 (VQE) 的算法，它使用经典计算机来近似分子的稳定基态、最低能量配置，这是其结构及其与邻居相互作用的关键。然后量子计算机开始寻找基态的精确解。但当今容易出错的量子计算机通常难以应对 VQE。最大规模的 VQE 模拟发生在 2020 年，当时 Google 研究人员对 12 个氢原子分子链中 12 个电子的行为进行了建模。这接近但仍低于经典模型的并五苯及其 22 pi 电子。
但新的和改进的混合算法正在获得动力。 2022 年，谷歌科学家推出了一种可以计算分子氮和固体金刚石等物质中多达 120 个相互作用电子的基态的模型。该算法使用经典计算机来探索电子相互作用的随机变化，并使用量子计算机来引导经典系统得出精确的结果。但它并没有达到足够的准确度，研究人员无法声称它比经典方法具有量子优势。
化学家现在正在推动这些混合装置发现新材料和催化剂，甚至理解神秘的光驱动反应。在《自然通讯》一月份的一份报告中，Phasecraft 的研究人员描述了另一种混合算法，该算法利用量子计算机来模拟晶体材料的结构和电子行为，晶体材料的重复结构使它们更容易建模。在一项此类分析中，Phasecraft 研究人员发现，他们的新算法需要比现有 VQE 少 100 万倍的计算步骤，才能准确模拟钒酸锶（一种有前途的新型电池电极材料）。尽管量子计算机还不足以让 Phasecraft 应用该算法，但它在理论上可以揭示调整钒酸锶结构和改进电池的方法。
加速化学反应的催化剂的反应表面是这项早期工作的另一个目标。在 arXiv 上 2023 年 7 月的预印本中，Quantinuum 研究人员报告称，他们使用混合装置来探索铂基催化剂的化学反应性，这种催化剂通常用于燃料电池，通过将氢和氧转化为水来发电。铂金价格昂贵且稀有，因此研究人员希望提高其催化速度，使燃料电池能够使用更少的金属，或者更好的是用更便宜的物质完全取代它。
为此，他们需要了解铂的工作原理——氧和氢如何吸附到催化剂上，它们如何通过中间化合物转移电子和质子，以及它们最终如何反应形成水分子，然后从催化剂上解离。事实证明，仅对经典计算机来说，这些计算任务过于艰巨。因此，Quantinuum 量子化学家 David Muñoz Ramo 领导的研究人员提高了模拟的准确性。首先，他们使用经典计算机来模拟分子如何从催化剂颗粒上吸附和解吸；然后他们应用量子计算机来识别所涉及的电子和质子最可能的反应路径。尽管该方法尚未发现新的燃料电池催化剂，但穆尼奥斯·拉莫表示，随着量子计算硬件的改进，此类模拟的结果只会变得更加强大。
量子算法还使研究人员能够研究化学中的基本问题。例如，去年，量子研究人员模拟了光和物质如何相互作用，这是视觉和光合作用的核心过程。他们的目标是光化学反应，其中分子吸收光子的能量并将其转移到邻居。能量转移仅在飞秒或万亿分之一秒 (10 -15 ) 内发生，快得难以观察。经典计算机可以模拟多个光子如何相互作用，但由于计算强度的原因，一次只能模拟几个光子。
因此，悉尼大学的物理学家 Ting Rei Tan 及其同事使用捕获离子量子计算机来模拟能量的单个量子“波包”如何在相邻分子之间移动。这有效地减慢了进程
1000 亿倍，使得模拟其中一个事件成为可能。有了更强大的量子计算机，该团队应该能够模拟更多的反应并超越经典技术。 “我们正在接近量子优势，”谭说。
一旦量子计算能力提高，它将成为药物发现不可或缺的一部分。
佩特里娜·卡米亚|加拿大英科医药
在短期内，量子计算可能会对药物开发产生最大的影响。如今，开发一种新药平均需要 12 年时间，成本超过 20 亿美元。爱德华兹说，制药公司正在寻找任何能够获得的优势来寻找下一个重磅药物。罗氏、辉瑞、默克、百健和其他行业巨头已经与量子计算公司建立了早期合作伙伴关系，希望新技术能够加速发现。 “我绝对相信它即将到来，”药物开发商 ProteinQure 的研发负责人 Mark Fingerhuth 说。
其中一些合作伙伴关系已开始产生早期成果。 2023 年 9 月，PASQAL 和 Qubit Pharmaceuticals 的研究人员发布了一份预印本，描述了一种追踪蛋白质周围水分子的混合方法，该方法可以指示药物结合袋的位置。研究人员首先通过使用经典算法来追踪称为主要尿蛋白-1 (MUP-1) 的肝脏蛋白内部和周围的水分子密度来缩小问题范围，该蛋白属于一类被认为无法成药的蛋白质。然后，他们使用 PASQAL 的量子计算机确定了 MUP-1 潜在药物结合口袋中水分子的具体位置，为使用相同的方法识别与疾病相关的蛋白质的可药物靶点奠定了基础。
与此同时，2023 年 5 月，另一家药物开发公司 Gero 的研究人员在《科学报告》中报道称，他们使用量子计算机更真实地模拟了可能的药物靶标的电子特性，例如分子间正电荷和负电荷的分布以及相邻原子之间弱化学键的排列，称为范德华力。他们将这些限制输入到在经典计算机上运行的人工智能 (AI) 软件中，该软件产生了 2300 多种可以瞄准这些目标的药物分子。尽管结果只是概念证明，但 Gero 科学家指出，他们的量子人工智能混合体如何通过研究最佳药物常见的化学结构来展现其前景。 Gero 首席执行官彼得·费迪切夫 (Peter Fedichev) 表示：“如果用量子计算机解决困难的部分，那么用经典人工智能解决另一部分就会变得容易。”
更清晰地了解潜在药物分子与其蛋白质靶标之间的相互作用也是药物开发商 Insilico Medicine 的目标。 Insilico 研究人员在 2 月份报告称，他们的混合算法在 IBM 的 16 量子位量子计算机上运行，可以帮助找到一种名为 KRAS 的细胞信号蛋白的新抑制剂，该蛋白在癌症中通常会发生突变。在算法设计并排名 100 万种不同的潜在 KRAS 抑制剂后，研究人员合成了 15 种最有希望的候选药物。基于细胞的测试表明其中两种化合物效果良好，为进一步测试奠定了基础。
寻找新药并不是唯一的目标。 PASQAL 的研究人员还希望预测哪些候选药物会失败。即使潜在的药物在实验室研究中表现出色，许多药物在人体测试时也会引发毒副作用。在人体试验前清除有毒药物可以为公司节省数百万美元。在最初的尝试中，Henry 和他的 PASQAL 同事使用他们的 32 量子位计算机来预测 286 种化合物的毒性，方法是对其结构进行高分辨率建模，并将它们与已知会导致小鼠癌症的 349 种化合物进行比较。在《物理评论 A》2023 年 4 月发表的一篇论文中，他们报告说，他们的量子算法给出的结果可与最佳经典替代方案相媲美。 “我们正在利用真实的生物化学数据集解决真实的问题，”PASQAL 首席技术官 Loïc Henriet 说道。
早期的工作只是对更大更好的机器可能带来的影响的尝试。谷歌和 IBM 的路线图表明科学家很快将拥有数十万个量子比特可供使用。 Quantinuum 表示，它即将发布一款新的量子芯片，在赛道上换取更大的二维网格，可以处理更多的高保真离子量子位。化学家对此寄予厚望。 “我们认为，通过这种方式还有很多工作要做，可以加速化学和药物的发现，”比洛多说。 “我们正处于拐点。”
量子计算领域本身也将从中受益，因为其他领域的研究人员看到这项奇异的技术具有切实的回报。 “一旦量子计算能力得到提高，它将成为药物发现不可或缺的一部分，”加拿大英科智能医学公司总裁 Petrina Kamya 表示。 “它会留在这里。”
DOI：10.1126/science.zlxq0ls