分子模拟是科学家手中的重要工具。通过了解分子和材料在原子层面的行为,我们能够发现新型药物、催化剂或其他化学物质。然而,模拟分子的电子结构即便对最先进的传统计算机来说也是巨大的挑战。
值得庆幸的是,正如物理学家理查德·费曼所预言的那样,量子计算机有潜力成为模拟自然界量子结构的强大工具。IBM Research的科学家们发现,运行一种名为"基于采样的量子对角化"(SQD)算法的量子计算机,能够实现大规模分子模拟。
在最新一次展示SQD强大能力与实用价值的研究中,来自IBM、克利夫兰诊所和日本理化学研究所的研究人员利用该技术的一种变体,成功对复杂蛋白质进行了精确建模,其中包括一种拥有超过12,000个原子的蛋白质。这一突破性成果于本周在IBM Think大会上正式宣布,距离研究人员上次完成303个原子蛋白质建模的里程碑仅仅过去了四个月。
IBM Research发布了一段专题解说视频,详细介绍了SQD为何能成为科学家的强大工具以及其具体工作原理。
原子和分子中的电子占据着与不同能级相关联的轨道。轨道是一种数学函数,用于描述原子核周围电子最可能出现的空间范围。计算分子中电子的基态——即最稳定、能量最低的构型——可以揭示分子预期的行为和反应性。这听起来似乎并不复杂,但电子之间会相互产生物理影响。正是由于这些相互作用的存在,随着电子数量的增加,基态的计算复杂度呈指数级增长,远远超出了传统高性能计算机的处理能力。
这正是SQD技术发挥作用的地方。借助以量子为核心的超级计算(QCSC),科学家可以将这一方法与经典硬件和量子处理器协同部署,以估算基态属性。
首先,将目标分子的经典计算结构映射到量子电路上,并针对所使用的特定量子处理器进行适配准备。
随后,量子硬件执行该电路,生成一组供经典硬件进一步探索的候选配置。经典硬件对这组配置执行对角化操作,从而得到系统基态的近似结果。近似基态的某些属性可被反馈利用,进一步提升量子硬件的输出质量。
Q&A
Q1:基于采样的量子对角化(SQD)技术是什么?它能解决什么问题?
A:SQD是一种结合量子计算与经典计算的算法,专门用于模拟分子的电子结构。传统计算机在处理电子数量增加时,计算复杂度会呈指数级上升,难以高效完成基态计算。SQD通过量子处理器生成候选配置,再由经典硬件执行对角化操作,从而有效估算分子的基态属性,突破了传统计算的瓶颈。
Q2:IBM最新的SQD研究取得了哪些突破?
A:IBM联合克利夫兰诊所和日本理化学研究所的研究人员,利用SQD技术成功对超过12,000个原子的复杂蛋白质进行了精确建模。这一成果于IBM Think大会上公布,距离上一次完成303个原子蛋白质建模的里程碑仅四个月,充分展示了SQD技术在大规模分子模拟领域的快速进展。
Q3:SQD在IBM硬件上是如何运行的?
A:SQD的运行流程分为三步:首先,将分子的经典计算结构映射并适配到量子电路中;其次,量子硬件执行该电路,生成一组候选配置;最后,经典硬件对这些配置进行对角化处理,得到基态近似结果,并将结果反馈给量子硬件进行迭代优化,整个过程体现了量子与经典计算的协同工作。
好文章,需要你的鼓励
近期数据显示,2026年5月前企业已宣布约9万个与AI相关的裁员岗位,部分预测称未来五年美国15%的工作将被AI取代。然而,Ramp与Revelio Labs追踪近2.2万家企业的最新报告显示:重度投入AI的企业反而实现了更快的人员增长,包括初级岗位在内的各职能人数均有上升。但这一数据主要来自技术型企业,能否普遍适用仍存疑。报告同时指出,资源匮乏的企业可能在AI浪潮中持续落后。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
AI数据中心开发商向多家电力公司同时提交大负荷接入申请以确定选址,导致区域需求预测虚高、电网投资失衡。美国联邦能源监管委员会(FERC)及ERCOT、PJM、SPP等机构正推动"承诺优先"规划机制,要求项目具备实质性商业承诺方可纳入长期传输规划。谷歌、亚马逊、微软、OpenAI等科技巨头支持建立标准化的项目成熟度评估体系,但各方在具体机制上仍存分歧。发电建设问题尚未被纳入联邦传输改革议程。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。