古巴和哈佛之间的一个不寻常的花园,一个不寻常的花园

想象一下,未来高效的太阳能电池板将提供可再生能源,经过改进的滤水器将迅速清除饮用水中的毒素,空气中的污染和温室气体也将得到净化。只要有合适的分子和材料,这将成为现实。

来自哈佛大学和谷歌的科学家们朝着使寻找这些分子变得更容易迈出了一大步,首次证明量子计算机可以用来模拟复杂分子中的电子相互作用。这项工作是由化学和化学生物学系的Alan Aspuru-Guzik教授和几位共同作者在《物理评论X》杂志上发表的一篇新论文中描述的。

Aspuru-Guzik说:“量子计算机有许多用途:密码学、机器学习和某些数字理论问题。”“但有一件事一直被提到,甚至从量子计算机的最初概念开始,就是用它来模拟物质。在这种情况下,我们用它来模拟化学。”

“可能存在数百万甚至数万亿个分子,”阿斯布鲁-古兹克实验室的博士生、该研究的主要作者之一乔纳森·罗梅罗·丰塔沃(Jonathan Romero Fontalvo)说。“如果你是一个希望找到药物新分子的实验主义者,你需要考虑大量的可能性,你需要合成并测试所有的可能性。这是非常昂贵的,需要大量的时间和精力。”

经典的计算机可以模拟简单的分子,但它们缺乏足够的能力来模拟发生在更复杂分子中的所有可能的相互作用。

Aspuru-Guzik说,像胆固醇这样的分子几乎不可能在传统系统中精确建模,因为要描述它的电子如何相互作用需要几十年的时间。

尽管十多年前Aspuru-Guzik和他的同事已经描述了一种利用量子计算机来模拟分子的算法,但当时量子计算资源有限,这意味着该团队只能测试算法的某些部分。

这项新研究不仅标志着整个算法首次以可伸缩的方式进行测试,而且还用一种新的算法实现了它,称为变分量子特征求解器。更重要的是,Aspuru-Guzik说,这两种算法都是以可伸缩的方式实现的,这意味着,当它们在小分子上进行测试时,它们在更大、更复杂的化合物上也能同样有效。

他说:“我们实际上能够将旧算法与新算法进行比较。”“这台机器非常强大,我们可以做到这一点。因为它是可伸缩的,我们在这种情况下对任何分子运行的算法都适用于小分子。”

使用该算法,Aspuru-Guzik和他的同事能够对给定分子的电子结构建模,然后“读取”该信息,为他们提供关于行为和相互作用的精确数据。

相关的

Alán Aspuru-Guzik, assistant professor of chemistry and chemical biology at Harvard: "One of the most important problems for many theoretical chemists is how to execute exact simulations of chemical systems. This is the first time that a quantum computer has been built to provide these precise calculations."

量子(而非数字)计算

突破可以改变无数的科学领域

他说,有了这些信息,研究人员就可以了解一个分子是否具有所需的特性——它是否会与酶或蛋白质结合,是否会催化某些反应,以及一种材料是否具有特定的特性。

“这可以说是量子计算机最有价值的应用,”他继续说。他说:“从商业角度看,精细化学品市场估计价值3万亿美元。包括微软(Microsoft)和国家实验室的研究人员在内的许多其他团队也把这一领域列为优先领域。”

但是如果没有量子计算机,Aspuru-Guzik说,那样的搜索只不过是一个猜谜游戏。

这就是为什么“我喜欢把这称为颠覆性创新,”他说。“我们现在所有的方法都是近似的,这意味着如果我们想要发现一个新的电池或更好的LED,我们的计算有时会失败。但量子计算机带来的变化是,答案是准确的。时期。这种信任将使我们更快地发现分子,使分子更有趣,并显著更快地探索化学空间。2006年我刚进入哈佛大学的时候,我从来没有想过10年后我们会达到这个地步。”

未来很可能带来硬件的进步。

“我们目前正在制造新一代的量子芯片,这将使更大的计算成为可能,”谷歌量子工程师瑞恩·巴布希(Ryan Babbush)说。“我们乐观地认为,这些芯片将足够大,能够模拟小型过渡金属配合物,这对传统计算机来说是出了名的困难。”

这项研究对机器学习等其他研究领域也有意义。

“我非常喜欢把变分量子算法看作是神经网络的量子泛化,”谷歌的合著者哈特穆特·尼文(Hartmut Neven)说。“我们自然希望量子神经网络在描述量子系统方面比经典神经网络更有能力。一个有趣的开放性问题是,他们是否也能证明自己在学习经典数据方面更优秀。”

哈佛大学技术开发办公室已经就驱动阿斯普鲁-古兹克量子计算平台的软件申请了几项专利。

这项研究由路易斯·w·阿尔瓦雷斯(Luis W. Alvarez)在劳伦斯伯克利国家实验室(Lawrence Berkeley National Laboratory)、美国空军科学研究办公室(Air Force Office of Scientific Research)、陆军研究办公室(Army Research Office)、海军研究办公室(Office of Naval Research)和美国国家科学基金会(National Science Foundation)的计算机科学博士后奖学金资助。

http://petbyus.com/820/