量子计算机的实际应用在化学领域涌现，有望加速物质材料、催化剂和各类药物的发展。
在美国科罗拉多州布鲁姆菲尔德的这台量子计算机的核心部分看上去相当熟悉：一块邮票大小的硅芯片。然而，这台量子计算机与你的笔记本电脑的相似之处也就到此为止了。前者的那块芯片层层包裹在一个真空室中，被冷却到接近绝对零度，上面有198个黄金做的电极，排列成一条椭圆形的跑道。
在“跑道”上方，一系列电脉冲、射频脉冲和激光脉冲以悬浮的方式捕获了少量镱离子。随后的操作赋予了这些镱离子特定大小的能量，并诱导它们发生相互作用，进而执行一系列逻辑操作。最后再由一束激光推动每个离子发出或不发出荧光——这样就形成了一串探测器读出的二进制代码，也就是计算结果。
2023年，量子计算领域一家名为“量子连续体”（Quantinuum）的初创企业的研究人员借助一块携带8个镱离子的芯片从无数种可能构型中计算出了氢气分子两个电子在最稳定状态下的准确排布。就这件事本身而言，这种计算能力应该说是完全不值一提：一台普普通通的笔记本电脑几秒钟就能搞定。不过，这是高级量子模拟的首次展示。未来，随着量子计算机越发强大，高级量子模拟的表现有望变得越来越好，并能处理更多、更复杂的分子。
另外，这项成就也表明量子计算机正在试探性地从纯粹的前景展望阶段转向解决现实世界的挑战。现在，有许多公司都认为，化学领域的应用——尤其是在新药物和新催化剂的搜寻方面——会是这类新机器最早解决的任务之一。相关研究人员表示，量子计算机是预测分子结构和行为的理想工具，因为无论是量子计算机还是分子都受反直觉的量子力学约束。
量子连续体战略发展主管查德 · 爱德华兹（Chad Edwards）说：“就当下的情况来说，我们是在用化学问题推动量子计算，而不是用量子计算推动化学。不过，转折点迟早会出现，到那时，两者的角色就会互换。”位于巴黎的量子计算初创企业PASQAI也同样关注量子计算在化学领域的应用。在PASQAI工作的量子物理学家路易-保罗 · 亨利（Louis-Paul Henry）赞同爱德华兹的说法：“2023年，量子计算的实际应用研究明显加速，越来越多的人开始讨论如何应用量子计算，并且寻找与现实世界相关的棘手问题。”
现在，量子计算机已经开始帮助研究人员探究燃料电池催化剂的反应途径，模拟光与物质极微弱的短暂相互作用，并揭示可能可以用于生产新药的蛋白质组合。量子计算公司“相工艺”（Phasecraft）的共同创始人阿什利 · 蒙塔纳罗（Ashley Montanaro）说，量子计算机现在已经优秀到几乎足以取得超越经典系统范畴的发现的程度。“量子计算与这个目标之间的距离要比人们此前想的近得多。”
标准计算机以0和1表示、操作数据，而量子计算机的运算基础则是“量子比特”，既可以用0和1编码数据，也可以同时使用这两种状态，也就是两者结合的“叠加态”。具体到量子连续体公司开发的计算机，充当量子比特的就是镱离子中的电子，可以处于两种不同能级的叠加态中。在执行计算期间，多个量子比特“纠缠”在一起，于是，它们的能量状态会相互影响，从而产生了同时评估所有可能的相互作用的可能性。
在量子连续体公司的H2芯片中，离子悬浮在一块微小的中央“赛道”上，可以计算分子结构
量子连续体公司创始人伊利亚斯 · 卡恩（Ilyas Khan）把经典计算比作迷宫中的老鼠，随机地一次又一次转向，通过不断地试错，最后找到走出迷宫的正确路径。他说，量子计算机能够俯瞰整个迷宫，因而能够相对容易地一眼找到最优路径。另外，验证答案就像测试量子计算机揭示的分子结构或行为一样简单。卡恩说：“你知道你就快成功了，因为你已经拿到了那块奶酪。”即便只是把几百个量子比特联系在一起也足够做一些极其复杂的计算了。
难点在于，量子比特比较脆弱：一个空气粒子、一丁点热量波动乃至一小撮宇宙射线的轻微接触，都可能扰乱量子比特的叠加态，产生导致结果不准确的错误。为了让这类影响降至最低，研究人员会冷却量子比特并把它们同周围环境隔绝起来。另外，他们还会饱和式建造量子比特。即便现在的量子计算机能够同时使用数十乃至数百个量子比特，其中也只有一小部分执行逻辑运算，其余的则负责纠错。
即便如此，量子计算机还是变得越发强大了。2023年，IBM发布了一款量子计算机，以微超导电路为基础，拥有1121个量子比特——要知道，同一款量子计算机的2021年版本只有127个量子比特。也同样是2023年，位于美国加利福尼亚的初创公司原子计算更进一步，发布了一款拥有1180个量子比特的计算机，其原理是中性镱原子的自旋。
其他公司则在努力提高量子计算机的准确性。哈佛大学有一支研究团队使用另一家利用中性原子开发量子计算机的初创企业量子时代（QuEra）提供的设备（拥有280个量子比特的量子计算机）工作。他们报告称，系统内错误率的降低使得他们可以编码多达48个量子比特，并且能够在量子纸牌屋倒塌前可靠地执行成百上千次运算。相较之前，这算得上是一次重大改进了。另外，2024年4月，量子连续体的科学家报告称，微软公司的一个新算法极大地提升了他们探查并纠正最新款32个量子比特离子芯片错误的能力。加州大学洛杉矶分校量子计算专家普林尼哈 · 纳朗（Prineha Narang）说：“硬件方面的进步非常非常快，很快就能影响量子计算实际应用数量了。”
许多研究人员都认为，量子计算的实际应用会出现在化学领域。化合物和各类材料的特性受到诸多因素的约束，比如：化学键的建立和断裂、电子的运动和磁场行为等——它们都由量子力学决定。研究人员可以通过求解薛定谔方程推断出某个分子的行为——往薛定谔方程里输入电子能级、化学键长度等数据，它就能部分描述电子的概率性类波行为以及电子同原子核之间的相互作用。
经典计算机已经能够计算大如并五苯这样的分子——并五苯是一条由5个碳氢化合物环组成的链，由22个电子构成“π”型共价键，约束着分子的形状和活性。不过，经典计算仰仗的是近似计算，要计算更大的分子就不可避免地会出现大量错误交织的情况，导致结果不准确。相较之下，量子计算机就不涉及这些只能模糊计算的因子，只需要把电子和原子核之间的相互作用直接映射到量子比特上，使用真实存在的量子系统表示它们之间的关系。爱德华兹说：“量子系统和量子计算之间天生就存在一致性。”
化学领域很适合量子计算应用的另一个原因是，化学领域的问题常常可以严格限制，使其进入当下的小型量子计算机可以处理的范围内。这样一来，研究人员可能只需要关注少数几个电子之间的相互作用就能明白药物分子是怎么同目标蛋白质结合在一起的了。微软量子研究小组首席执行官布莱恩 · 比洛多（Brian Bilodeau）说：“最适合量子计算机的问题就是那些问题规模不大但可能出现的结果却很多的问题。”
目前最主流的混合算法叫作变分量子特征求解（VQE），它借助经典计算机近似计算分子的稳定基态。这种状态是分子的最低能量位形，对分子结构及其与邻近分子的相互作用至关重要。这一步完成后就由量子计算机接管任务，去寻找分子基态的准确解。然而，现在的量子计算机还比较容易出错，在使用VQE算法时表现不佳。2020年，谷歌公司的研究人员用VQE算法建模了由12个氢原子构成的分子链中的12个电子的行为。这是目前规模最大的VQE模拟。不过，这项任务的复杂程度仍旧不及经典计算机完成的并五苯及其电子的建模任务。
好在，改善后的新混合量子算法正在蓬勃发展。2022年，谷歌公司的科学家发布了一种算法，可以计算多达120个产生相互作用的电子（位于氮分子和固态金刚石等物质中）的基态。这种算法先利用经典计算机探索电子相互作用的随机变化，然后再用量子计算机引导经典系统得到准确结果。不过，这个算法最后的准确度还不足以让研究人员宣称量子计算具备了对经典方法的相对优势。
化学家现在正不断推动这些混合算法的发展，他们的最终目标是借助这类算法发现新的材料和催化剂，甚至理解神秘的光驱动反应。在2024年1月发表在《自然-通信》（Nature Communications）上的一份报告中，相工艺公司的研究人员阐述了另一种混合计算方法。这种方法利用量子计算机模拟晶体物质的结构和电子行为——晶体物质会重复自身结构，因而建模起来会相对容易。在一项这类分析中，相工艺公司的研究人员发现，在准确建模钒酸锶（一种前途光明的新型电池电极材料）任务中，他们的新算法需要的计算步骤仅仅是现在的VQE算法的百万分之一。尽管目前的量子计算机性能还不足以让相工艺的研究人员应用这个算法，但理论上，这的确是一个可以计算如何调整钒酸锶结构并改进电池的好算法。
催化剂的反应表面则是量子计算早期应用的另一个方向。2023年7月，量子连续体的研究人员在一篇预印本文章中报告称，使用混合计算方法探索了铂基催化剂的化学反应活性——铂基催化剂通常用在燃料电池中，通过将氢和氧转变成水产生电力。铂的价格高昂，储量也很少，因此，研究人员热衷于提升它的催化速度，这样就能减少燃料电池使用的铂，甚至在将来用某种价格更低的物质完全取代铂。
要想实现这个目标，他们就得理解铂的工作原理——氧和氢如何吸收催化剂，如何在中间化合物之间转移电子和质子，最后如何相互作用形成水分子，之后又脱离催化剂。事实证明，光靠经典计算机完全无法处理这类计算。于是，量子连续体公司的量子化学家大卫 · 拉莫（David Ramo）领导的研究团队提升了模拟过程的准确性。首先，他们使用经典计算机模拟氧分子和氢分子吸收、脱离催化剂粒子的过程。接着，他们又用量子计算机找出涉及电子和质子的最有可能的化学反应路径。虽然应用这种方法还未发现新的燃料电池催化剂，但拉莫表示，随着量子计算硬件设备性能的提升，这类模拟结果只会越来越准确、全面。
有了量子算法，研究人员还能研究化学领域中的基本问题。举例来说，2023年，量子研究人员用量子算法模拟了光和物质发生相互作用的方式——这个过程是视觉现象和光合作用的核心。他们研究了一种光化学反应，在这种反应中，分子从光子中吸收能量并将其转移给邻近分子。这种能量转移过程在仅仅几飞秒（10-15秒）的时间跨度内就完成了，快到完全无法观测。经典计算机可以模拟多个光子的相互作用，但因为计算强度受限，一次计算的数量不可能很多。
悉尼大学物理学家陈霆锐（Ting Rei Tan）和他的同事运用一台捕获了离子的量子计算机模拟单个量子能量“波包”在相邻分子之间的移动方式。这个方法相当有效，让能量转移过程的速度放慢到原来的一千亿分之一，从而使得模拟其中一个事件成为可能。未来在性能更为强大的量子计算机的帮助下，这个团队应该就能模拟更多反应，最终在规模和准确性上都超越传统计算方法。陈说：“量子计算方法终有一天会超过经典方法，我们现在已经接近这个目标了。”
就眼下来说，最能展现量子计算身手的领域是药物研发。如今，研发一款新药平均需要12年、至少20亿美元。爱德华兹说，制药公司一直在寻找能给他们带去巨大竞争优势的下一个重磅技术炸弹。罗氏、辉瑞、默克、百健等制药巨头已经与量子计算公司形成早期合作伙伴关系，希望量子计算技术能够加速药物发现过程。药物开发公司“蛋白库”的研发主管马克 · 芬格胡特（Mark Fingerhuth）表示：“我绝对相信量子计算能帮助我们更快、更好地发现新药。”
实际上，这类合作模式已经开始产生早期成果。2023年9月，PASQAL和量子比特制药公司（Qubit Pharmaceuticals）的研究人员发表了一篇预印本文章，描述了一种追踪蛋白质周围水分子（能够指示药物结合口袋的位置）的混合计算方法。这些研究人员先是用经典算法缩小了问题：追踪一种称为“主要尿蛋白-1”（MUP-1，属于一类被普遍认为不可靶向的蛋白）的肝脏蛋白质内部和周围的水分子密度。接着，他们又通过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，为使用相同方法认证相关疾病蛋白质可靶向点奠定了基础。
与此同时，在2023年5月，另一家药物研发公司“杰罗”（Gero）的研究人员在《科学报告》（Scientific Reports）杂志上报告称，他们借助量子计算机更加真实地模拟了可靶向目标的电子特性，比如分子间正负电荷分布和相邻原子间弱化学键（称为“范德华力”）的排布。接着，他们把这些限制条件输入经典计算机上运行的人工智能软件，最后得到了2300多个可以以这些靶点为目标的类药物分子。虽然这个结果只是概念性证明，但杰罗的科学家特别强调，他们的量子-人工智能混合算法在揭示最佳药物共有的化学结构方面前途一片光明。杰罗的首席执行官彼得 · 费迪切夫（Peter Fedichev）说：“只要你用量子计算机解决了问题中最困难的部分，其余部分通过在经典计算机上运行的人工智能程序就能轻松解决。”
药物研发公司英矽智能（Insilico Medicine）的目标同样也是更清楚地认识潜在药物分子与其蛋白质目标之间的相互作用。英矽智能的研究人员在2024年2月展示了他们用IBM的16位量子比特量子计算机运行的混合计算算法。这种算法可以帮助研发人员找到一种叫作KRAS的细胞信号蛋白（癌症患者身上的这种蛋白经常发生突变）的新抑制剂。在算法设计了100万种各不相同的潜在KRAS抑制剂并为其打分后，研究人员合成了其中15种看上去最有前途的候选者。随后的细胞测试表明，其中两种潜在抑制剂效果不错，为进一步测试奠定了基础。
发现新药并不是唯一目标。PASQAL的研发人员还希望用量子计算机预测哪些候选药物实际上并无作用。在实践过程中常常会出现这样的情况：许多候选药物在实验室中表现出色，但在人体试验中却触发了毒副作用。要是能在人体试验之前就把这些会触发毒副作用的候选药物筛选出来，可以为制药公司节省数百万美元。在最早的尝试中，亨利和他在PASQAL的同事使用他们的32位量子比特计算机，通过高分辨率模拟286种化合物的结构并将其同349种已知会导致小鼠罹患癌症的化合物做比较，预测这286种化合物的毒性。2023年4月，他们在《物理评论A》（Physical Review A）杂志上的一篇论文中报告称，他们的量子算法得到的结果可与最好的经典算法方案相媲美。PASQAL的首席技术官员卢瓦 · 亨里埃特（Lo?c Henriet）说：“我们正在用真实的生物化学数据集解决真实的问题。”
对未来更大、性能更强的量子计算机来说，上述早期工作只能算是小试牛刀。谷歌和IBM的发展路线图都暗示，科学家很快就能用上拥有数十万个量子比特的机器。另外，量子连续体公司则表示，他们马上就会发布一块新量子芯片，这款芯片能在更大的二维网格中处理更多的高保真离子量子比特。化学家的期待就更高了。比洛多说：“我们认为，在量子计算加速化学和药物发现方面，还有许多工作要做。我们现在刚好处于转折点上。”
在其他领域的研究人员发现量子计算技术确实能产生实际回报之后，这个领域本身也会受益。英矽智能主席佩特里娜 · 卡姆亚（Petrina Kamya）说：“一旦量子计算能力提升，它就会成为药物发现领域不可或缺的一部分，并且持续发挥作用。”
资料来源 Science
————————
本文作者罗伯特·瑟维斯（Robert Service）是《科学》杂志的新闻记者，主要报道化学、材料科学和能源方面的科学新闻