科技獵公眾號：?
編輯 | 綠羅
量子計算機 的核心看起來似乎很熟悉：一塊郵票大小的硅芯片。但和你筆記本電腦的相似之處就到此為止了。該芯片被包裹在真空室中，冷卻到接近絕對零度，上面有 198 個金電極，排列成橢圓形的賽道。
在賽道上方，一束鐿離子被電脈沖、射頻脈沖和激光脈沖捕獲并懸浮。隨后的操作將特定量的能量傳遞給離子，并誘導它們相互作用，以執行一系列邏輯操作。最后一束激光脈沖推動每個離子發出熒光或不發出熒光——探測器會讀出一串二進制代碼，作為計算的結果。
去年，量子計算初創公司 Quantum 的研究人員使用一個包含八個鐿離子的芯片，在無數可能的配置中，計算出一個氫分子的兩個電子在最穩定狀態下的精確排列。就其本身而言，這種計算能力幾乎不值得注意；一臺普通的筆記本電腦幾秒鐘就能搞定。但它標志著先進量子模擬的首次演示，隨著量子計算機變得越來越強大，這種模擬有望表現得更好，并能處理更復雜的分子。
論文鏈接：https://arxiv.org/abs/2306.16608
這一成就表明，量子計算機正從單純的承諾領域轉向應對現實世界的挑戰。Quantinuum 是眾多公司之一，它們認為化學應用（尤其是尋找新型藥物和催化劑）將成為這些新機器的首批實際任務之一。研究人員表示，它們非常適合預測分子的結構和行為，因為機器和分子都受量子力學的反直覺定律支配。
量子計算正轉向科學實際應用
「我們目前正在使用化學問題來推進量子計算，而不是使用量子計算來推進化學，」Quantinuum 的戰略主管 Chad Edwards 說。「但會有一個轉折點」，屆時這些角色將被逆轉。「過去一年，速度明顯加快，」位于巴黎的量子計算初創公司 PASQAL 的量子物理學家 Louis-Paul Henry 表示同意，該公司也專注于化學。「越來越多的人正在談論應用，并研究與現實世界用途相關的更難的問題。」
量子計算機已經幫助研究人員放大燃料電池催化劑的反應路徑，模擬光與物質之間極其短暫的相互作用，并揭示蛋白質中可用于藥物治療的口袋。量子計算公司 Phasecraft 的聯合創始人 Ashley Montanaro 表示，如今的量子計算機幾乎足以發現傳統系統無法觸及的東西。「它比人們之前想象的要近得多。」
標準計算機以 0 和 1 的形式處理數據位，而量子計算機則依賴于「量子比特」，它可以將數據編碼為 0、1 或同時處于「疊加」狀態的兩種狀態的任意組合。
在 Quantinuum 的計算機中，量子比特是鐿離子中的電子，它們可以懸停在兩個不同能級的疊加中。在計算過程中，多個量子比特會「糾纏」，因此它們的能量狀態會相互影響，從而可以同時評估它們所有可能的相互作用。
Quantinuum 創始人 Ilyas Khan 將經典計算比作老鼠在迷宮中導航，在反復試驗中隨機轉彎，尋找正確的路徑。他說，量子計算機可以鳥瞰同一個迷宮，這使得人們更容易一次性看到最佳路徑。驗證解決方案就像測試量子計算機揭示的分子結構或行為一樣簡單。「你知道你已經到達終點了，因為你拿到了那塊奶酪。」Khan 說。即使將幾百個量子比特連接在一起，也應該能夠進行極其復雜的計算。
挑戰在于量子比特很脆弱：空氣粒子、少量熱量甚至雜散宇宙射線的輕微碰撞都可能擾亂量子比特的疊加態，產生錯誤，從而影響結果。研究人員通過冷卻量子比特并將其與環境隔離來將這些影響降到最低。它們也有冗余。盡管今天的量子計算機可能連接了數十或數百個量子比特，但只有一小部分量子比特執行邏輯運算，而其余的量子比特則糾正錯誤。
即便如此，這些機器也變得越來越強大。去年，IBM 推出了一款基于微型超導電路的 1121 量子比特計算機，高于 2021 年發布的 127 量子比特版本。加州初創公司 Atom Computing 更進一步，去年推出了一款依賴中性鐿原子自旋的 1180 量子比特計算機。
IBM Quantum Heron 處理器。（來源：IBM）
其他人則在努力提高準確性。2023 年 12 月，哈佛大學的研究人員使用另一家中性原子初創公司 QuEra 的 280 量子比特計算機，報告稱，他們的系統降低了錯誤率，使他們能夠編碼多達 48 個邏輯量子位，并在量子紙牌屋倒塌之前「忠實」地執行數百次操作，這比以前的設置有了很大的改進。
上個月，Quantinuum 的科學家報告稱，微軟的一種新算法大大提高了他們檢測和糾正最新 32 量子比特離子芯片錯誤的能力。加州大學洛杉磯分校的量子計算專家 Prineha Narang 表示：「硬件進步的速度足夠快，很快就會影響到可實現的應用數量。」
在 Quantinuum 的 H2 芯片中，懸浮在中央微小「賽道」上方的離子可以計算分子結構。（來源：QUANTINUUM）
許多研究人員期望這些應用能從化學中出現。化合物和材料的性質由化學鍵的形成和斷裂、電子的運動和磁性行為決定——所有這些都由量子力學決定。研究人員可以通過求解分子的薛定諤方程來推斷分子的行為，該方程部分描述了電子的概率、波動行為及其與原子核的相互作用，基于電子能級和化學鍵長等輸入。
經典計算機已經能夠計算像并五苯（entacene）這樣大的分子，它是由五個烴環組成的鏈，其中有 22 個電子以「π」共價鍵形式存在，這決定了分子的形狀和反應性。但經典計算依賴于近似值，對于較大的分子，不可避免的誤差會累積，從而影響結果。
相比之下，量子計算機不需要使用這些模糊因素，而是可以直接將電子和原子核之間的相互作用映射到量子比特上，使用實際的量子系統來表示它們的 kin。「量子系統和量子計算之間有著內在的一致性，」Edwards 說。
化學與量子計算相得益彰的另一個原因是，問題通常可以得到嚴格限制，使它們在當今可用的小型量子計算機的可及范圍內。研究人員可能只需要關注少數電子的相互作用，就可以了解藥物分子如何與其蛋白質靶標結合。微軟量子組首席運營官 Brian Bilodeau 表示：「量子計算機的最佳問題規模很小」，可能出現多種結果。
量子混合算法
鑒于當今量子計算機的能力仍然有限，研究人員并沒有要求它們獨自完成所有計算工作。相反，大多數科學家都在尋求將量子處理器和經典處理器結合起來的混合方法。「現實是，這將是一個混合的世界。」Bilodeau 說。
當今最流行的混合算法是一種稱為變分量子特征求解器 (VQE) 的算法，它使用經典計算機來近似分子的穩定基態，即對其結構及其與相鄰分子相互作用的方式至關重要的最低能量配置。然后量子計算機接管并找到基態的精確解。
但如今容易出錯的量子計算機通常難以處理 VQE。最大的 VQE 模擬發生在 2020 年，當時谷歌研究人員模擬了 12 個氫原子分子鏈中 12 個電子的行為。這接近但仍未達到經典模型并五苯及其 22 個「π」電子。
但新的和改進的混合算法正在獲得發展勢頭。2022 年，谷歌科學家推出了一種可以計算分子氮和固體金剛石等物質中多達 120 個相互作用電子的基態的算法。該算法使用經典計算機探索電子相互作用的隨機變化，并使用量子計算機引導經典系統獲得精確結果。但它沒有達到足夠的精度，因此研究人員無法聲稱量子方法優于經典方法。
Phasecraft 的研究人員描述了量子計算機需要什么來模擬擬議的超導體（紅色和灰色）中原子周圍的電子（黃色和藍色）的行為。（來源：PHASECRAFT）
化學家們現在正在推動這些混合裝置，用于發現新材料和催化劑，甚至理解神秘的光驅動反應。在 1 月份《Nature Communications》雜志的一份報告中，Phasecraft 的研究人員描述了另一種混合算法，該算法利用量子計算機模擬晶體材料的結構和電子行為，晶體材料的重復結構使其更容易建模。
在一次這樣的分析中，Phasecraft 的研究人員發現，他們的新算法所需的計算步驟應該比現有的 VQE 少 100 萬倍，可以準確模擬釩酸鍶，這是一種很有前途的新電池電極材料。盡管量子計算機還不足以讓 Phasecraft 應用該算法，但它理論上可以揭示調整釩酸鍶結構和改進電池的方法。
催化劑的反應表面可以加速化學反應，是這項早期工作的另一個目標。在 2023 年 7 月 arXiv 上的預印本中，Quantinuum 的研究人員報告說，他們使用一種混合裝置來探索鉑基催化劑的化學反應性，這種催化劑通常用于燃料電池中，通過將氫和氧轉化為水來發電。鉑金價格昂貴且稀有，因此研究人員希望提高其催化速度，使燃料電池使用更少的鉑金，或者最好用更便宜的物質完全替代它。
論文鏈接：https://arxiv.org/abs/2307.15823
為此，他們需要了解鉑金的工作原理——氧氣和氫氣如何吸附到催化劑上，它們如何通過中間化合物轉移電子和質子，以及它們最終如何反應形成水分子，然后水分子從催化劑上分離出來。事實證明，僅靠傳統計算機無法完成這些計算任務。
因此，由 Quantinuum 量子化學家 David Mu?oz Ramo 領導的研究人員提高了模擬的準確性。首先，他們使用傳統計算機模擬分子如何從催化劑顆粒上吸附和解吸；然后他們應用量子計算機來確定所涉及的電子和質子最可能的反應途徑。盡管這種方法尚未發現新的燃料電池催化劑，但 Mu?oz Ramo 表示，隨著量子計算硬件的改進，此類模擬的結果只會變得更加強大。
量子算法還使研究人員能夠研究化學中的基本問題。例如，去年，量子研究人員模擬了光與物質的相互作用，這是視覺和光合作用的核心過程。他們瞄準了一種光化學反應，其中分子吸收光子的能量并將其轉移到相鄰分子。能量轉移僅發生在飛秒或千萬億分之一秒（10^-15）內，速度快到無法觀察到。經典計算機可以模擬多個光子如何相互作用，但由于計算強度的原因，一次只能模擬幾個光子。
論文鏈接：https://www.nature.com/articles/s41557-023-01300-3
因此，悉尼大學物理學家 Ting Rei Tan 和同事使用捕獲離子量子計算機來模擬單個量子能量「波包」如何在相鄰分子之間移動。這有效地將這個過程減慢了 1000 億倍，并使模擬其中一個事件成為可能。有了更強大的量子計算機，該團隊應該能夠模擬更多的反應并超越經典技術。「我們正在接近量子優勢。」Tan 說。
量子計算將成為藥物發現不可或缺的一部分
短期內，量子計算可能會對藥物開發產生最大的影響。如今，開發一種新藥平均需要 12 年時間，成本超過 20 億美元。Edwards 說，制藥公司正在尋找任何可能的優勢，來尋找下一個重磅炸彈。羅氏、輝瑞、默克、百健（Biogen）和其他行業巨頭已經與量子計算公司建立了早期合作伙伴關系，希望新技術能夠加速發現。「我絕對相信它即將到來，」藥物開發商 ProteinQure 的研發主管 Mark Fingerhuth 說。
其中一些伙伴關系已開始初見成效。2023 年 9 月，PASQAL 和 Qubit Pharmaceuticals 的研究人員發布了一份預印本，描述了一種跟蹤蛋白質周圍水分子的混合方法，這可以指示藥物結合口袋的位置。
研究人員首先使用經典算法來追蹤一種稱為主要尿蛋白 1 (MUP-1) 的肝蛋白內部和周圍的水分子密度，從而縮小了問題范圍，該蛋白屬于一類被認為無法用藥的蛋白質。然后，他們使用 PASQAL 的量子計算機確定了 MUP-1 潛在藥物結合口袋中水分子的具體位置，為使用相同方法識別與疾病有關的蛋白質的可用藥物靶點奠定了基礎。
與此同時，2023 年 5 月，另一家藥物開發公司 Gero 的研究人員在《Scientific Reports》中報告稱，他們使用量子計算機更真實地模擬了可能的藥物靶點的電子特性，例如分子間正電荷和負電荷的分布以及相鄰原子之間稱為范德華力的弱化學鍵的排列。
他們將這些約束輸入到運行在傳統計算機上的人工智能 (AI) 軟件中，該軟件得出了 2300 多種可以瞄準這些目標的類藥物分子。雖然結果只是一個概念證明，但 Gero 的科學家指出，他們的量子人工智能混合體如何通過瞄準最佳藥物的共同化學結構來展現其前景。「如果你用量子計算機解決了困難的部分，那么用傳統人工智能就可以很容易地解決其他部分，」Gero 首席執行官 Peter Fedichev 說。
論文鏈接：https://www.nature.com/articles/s41598-023-32703-4
藥物開發商 Insilico Medicine 的目標是更清晰地了解潛在藥物分子與其蛋白質靶標之間的相互作用。
Insilico 研究人員在 2 月份報告稱，他們在 IBM 的 16 量子比特量子計算機上運行的混合算法，可以幫助找到一種名為 KRAS 的細胞信號傳導蛋白的新抑制劑，這種蛋白在癌癥中經常發生突變。在算法設計并排序了 100 萬種不同的潛在 KRAS 抑制劑后，研究人員合成了 15 種最有希望的候選藥物。基于細胞的測試表明，其中兩種化合物效果良好，為進一步測試奠定了基礎。
論文鏈接：https://arxiv.org/abs/2402.08210
尋找新藥并不是唯一的目標。PASQAL 的研究人員還希望預測哪些候選藥物會失敗。即使潛在藥物在實驗室研究中表現出色，許多藥物在人體測試時也會引發毒副作用。在人體試驗前淘汰有毒藥物可以為公司節省數百萬美元。在最初的嘗試中，Henry 和他的 PASQAL 同事使用他們的 32 量子比特計算機通過高分辨率建模 286 種化合物的結構，并將其與已知會導致小鼠癌癥的 349 種化合物進行比較來預測它們的毒性。
在 2023 年 4 月發表在《Physical Review A》上的一篇論文中，他們報告說，他們的量子算法給出的結果與最佳經典替代方案相當。「我們正在用真實的生物化學數據集解決一個真正的問題。」PASQAL 的首席技術官 Lo?c Henriet 說。
論文鏈接：https://journals.aps.org/pra/abstract/10.1103/PhysRevA.107.042615
早期的工作只是對更大更好的機器可能帶來的結果的初步了解。谷歌和 IBM 的路線圖表明，科學家很快就會擁有數十萬個量子比特可供使用。而 Quantinuum 表示，它即將發布一款新的量子芯片，在賽道上換取一個更大的 2D 網格，可以處理更多的高保真離子量子比特。化學家們寄予厚望。「我們認為，通過這種方式還有很多工作要做，以加速化學和藥物發現，」Bilodeau 說。「我們正處于轉折點。」
量子計算領域本身也將從中受益，因為其他領域的研究人員也看到了這項奇特技術帶來的切實回報。「一旦量子計算能力得到提升，它將成為藥物研發不可或缺的一部分，」Insilico Medicine Canada 總裁 Petrina Kamya 說道。「它將持續存在。」
參考內容：https://journals.aps.org/pra/abstract/10.1103/PhysRevA.107.042615