量子计算机正在解开自然界的奥秘

光子盒研究院出品

锂离子电池是现代世界的无名英雄。自20世纪90年代初首次商业化以来，它凭借在相对较小的空间内储存大量能量的能力改变了技术行业。没有锂，就没有iPhone、特斯拉，你的笔记本电脑也会更大更重。

但世界正在耗尽这种金属，这个问题可能成为电动汽车发展的一个巨大瓶颈，我们需要转向研究可再生能源的储能解决方案。一些世界顶尖科学家正在疯狂地寻找新的电池技术，以用更清洁、更便宜和更丰富的东西代替锂离子。量子计算机可能就是他们的秘密武器。

农业领域也有类似的情况，世界上多达5%的天然气消耗量都用在了哈伯-博施工艺——一种具有百年历史的将空气中的氮转化为用于作物的氨基肥料的方法。它非常重要，帮助维持了世界上大约40%的人口的生存，但与大自然自己的方法相比，效率也低得令人难以置信。同样，量子计算机可以为此提供答案。

位于加州圣巴巴拉附近谷歌量子计算实验室的一个稀释制冷机，其设计目的是使量子芯片保持在接近绝对零度的温度

迄今为止，研究人员一直在使用“钝工具”来解决这些问题。他们可以使用经典计算机执行越来越强大的模拟，但反应越复杂，超级计算机就越难处理。这意味着，现在科学家们只能关注非常小的问题，或者他们被迫为了速度而牺牲准确性。

例如，一个氢原子有一个带正电荷的质子和一个电子，很容易在笔记本电脑上模拟，你甚至可以算出它的化学性质。氦（元素周期表上氢之后的下一个）有两个质子，由两个带负电荷的电子环绕，模拟起来就具有挑战性，这是因为电子是纠缠在一起的，所以一个电子的状态与另一个电子的状态相关，这就意味着它们都需要同时计算。

当你接触到铥（它有69个轨道电子，它们都相互纠缠在一起），这就已经远远超出了经典计算机的能力。如果你每秒写下每一种可能的铥状态，则需要20万亿年（是宇宙年龄的1000多倍）才能写完。

John Dowling在2013年出版的《薛定谔的杀手应用》一书中，他计算得出，要在经典计算机上模拟铥，需要在未来150万年购买英特尔在全球范围内生产的全部芯片，成本约为600万亿美元。

另一种更快的方法是直接测量原子。Dowling写道：“在模拟纠缠量子系统时，经典计算机似乎经历了指数级的减速。然而，同样的纠缠量子系统在模拟自身时没有表现出指数级减速。纠缠量子系统就像一台比任何经典计算机都强大的计算机。”

尽管自1930年代以来，我们已经知道模拟化学所需的所有方程式，但我们从来没有可用的计算能力来进行模拟。这意味着，在处理经典计算机难以处理的复杂模拟时，通常最好的方法仍然是简单地尝试现实世界中的许多不同事物，并从观察和实验中得出结论。

Zapata的Christopher Savoie 说：“我们现在无法真正预测电子的行为方式。如果我们能够进入一个在计算机上模拟它的世界，我们就能更好地预测，减少实际的实验室实验。”他说，这就好像空中客车公司仍在通过建造小尺寸模型并将它们扔向天空的方式来测试飞机。谷歌的Sergio Boixo说：“你不能用很多低级的材料科学和工程来模拟你感兴趣的化学过程，这样的行为有点盲目。”

为了解决这些以及许多其他类似问题，化学家、生物学家和物理学家需要模拟大自然——正如理查德·费曼在1980年代预测的那样，需要由量子组件制成的计算机来帮助他们。Boixo的谷歌同事Marissa Giustina说，在某种程度上，你可以将量子计算机视为可编程分子。“这是一个由许多部分组成的系统，其行为就像一个分子，符合量子力学规则。在某种意义上，你会看到一条连接到实际编程化学的路径。”

微软工程师正在组装量子计算机

2010年，化学和计算机科学教授、Zapata的联合创始人ALÁN ASPURU-GUZIK与墨尔本大学的量子物理学家Andrew White和其他人合作，运行了有史以来第一个量子化学模拟。他们选择了二氢（一种非常简单的分子，只是两个氢原子结合在一起），这对经典计算机甚至拿着笔和一些纸的物理学家来说是没有任何困难的。

他们的目的只是为了表明量子计算机可以用于这种计算。他们的量子模拟在基于光子的量子设备上运行，能够正确计算氢原子之间的键强度，精确到百万分之六。

量子计算机可以通过三种方式帮助我们提高对分子水平反应的理解。 

第一种方法涉及构建一台特定的计算机来模拟你试图解决的问题——用与其实际结构相对应的正确数量的量子比特来物理重建分子。这种机器制造起来更简单，但不是传统意义上的计算机——无法轻松地对其重新编程以解决不同的问题。

第二种方法涉及实现显示系统如何随时间变化的算法。以波函数的形式输入系统的当前状态，以及系统中的能量水平（以数学家William Rowan Hamilton的名字将其命名为哈密顿量）并观察它随着时间的推移而发生的变化。这些“哈密顿量模拟”具有广泛的潜在用途，并且在理解和预测涉及与电子高度相关的铥等分子的复杂反应方面可能特别有用。

经典计算机目前正在努力解决许多类似的问题，而量子计算机有望实现指数级加速。化学方面的挑战只是在等待强大且可靠的量子计算机来破解它们，涉及的范围包括通过催化提取金属、固定二氧化碳（可用于捕获排放和减缓气候变化）。

但产生最大影响的可能是化肥生产。

空气中充满了植物生长需要的氮，但实际上植物不能自己从天空中提取它，因此农民必须用高耗能的哈伯-博施工艺工艺生产的富含氮的肥料来为他们的作物施肥。一条面包中40%的碳足迹来自于生产氮来制造用于种植小麦的肥料。

但大自然有它自己的方法。一些植物依赖细菌，这些细菌使用一种叫做固氮酶的酶来“固定”大气中的氮并将其转化为氨。了解这种酶的工作原理将是改进哈伯-博施工艺和创造能源密集度较低的合成肥料的重要一步。

解决这个问题的关键是了解FeMoco的结构，但FeMoco是一种复杂的分子，位于酶的核心，经典计算机难以建模。2017年，来自微软和苏黎世联邦理工学院的一个研究团队证明，拥有一百个逻辑量子比特的量子计算机可以解决这个问题，相当于需要一百万个物理量子特。

哈密顿量模拟可能证明有用的另一个领域是理解植物如何利用太阳能。在植物中，光系统Ⅱ是由不同酶组成的巨大而复杂的复合体，它完成了光合作用的一些最初步骤。使用量子计算机来模拟这个过程可以帮助化学家设计人工光合作用的方法，使他们能够利用太阳能制造燃料。

太阳能电池板是量子计算机可以通过加速寻找新材料来提供帮助的另一个领域。这种方法还有助于确定电池的新材料，以及在室温下工作的超导体，这将推动电机、磁铁甚至量子计算机本身的进步。

Zapata正在研究一种使用生成模型寻找新材料的方法。Savoie解释道： “如果我们有一百个东西的样本，我们可以使用生成模型来创建相似的东西。我们可以用它筛选化学库，或创建虚拟化学库来寻找新化合物。”

量子计算发现新化合物的潜在能力是医疗行业对其感兴趣的原因之一。 我们已经看到量子计算机应该如何更有效、更准确地处理来自核磁共振扫描的数据，但它们还可以通过使公司快速识别新化合物，然后在无需合成的情况下模拟它们的效果，从而节省数十亿美元的药物设计费用。

此外，量子计算可以帮助科学家模拟体内复杂的相互作用和过程，从而发现阿尔茨海默氏症等疾病的新疗法，或者更快地了解新冠肺炎等新疾病。DeepMind等公司已经在使用人工智能来深入了解蛋白质折叠（生长和疾病的一个关键方面），而量子计算机将加速这一努力。

虽然这些应用程序中的大多数可能不得不等待具有数千或数百万个量子比特的容错量子计算机的建成，但根据该领域的一些人士的说法，在未来十年内，一些以前不可能模拟的自然问题就可以实现了。构建量子计算机的第一次尝试是含噪且容易出错的，但这实际上可以使它们非常适合模拟自然界——因为现实世界中的分子也存在于有噪声和干扰的世界中。

加州理工学院有机化学家Anton Toutov和哈佛材料学家Prineha Narang在WIRED中的一篇文章中写道：“对于量子设备的许多应用，例如密码学，这种噪声可能是一个巨大的限制，并导致无法接受的错误水平。然而，对于化学模拟，噪声将代表化学系统（例如分子）和量子设备存在的物理环境。这意味着含噪中型量子（NISQ）对分子的模拟会产生噪声，但这种噪声实际上会告诉你有关分子在其自然环境中的行为方式的一些有价值的信息。”

当涉及模拟自然时，噪声和错误可能是一个特性，而不是一个缺陷。配备智能、节省资源的算法的小型量子计算机已经开始用于解决化学和材料科学领域的实际问题。

在微软的Redmond园区，一个精密烙铁将量子元件固定在电路板上

2020年1月，IBM研究人员发表了关于量子计算机在NISQ时代如何发挥作用的早期概览。与德国汽车制造商戴姆勒合作改进电动汽车电池的过程中，他们使用小型量子计算机来模拟三个含锂分子的行为，这可能用于下一代锂硫电池，并有望比今天的电池更强大且更便宜。他们没有运行哈密顿量模拟——因为需要更多的量子比特，而是使用了变分量子算法，这就是量子计算机模拟自然的第三种方式，可能在短期和中期最有用。

变分量子算法是使用量子计算和经典计算的混合来加速计算的。在一篇博客中，Zapata的首席研究科学家兼创始人Peter Johnson对谷歌地图在合理时间内为你找到最佳回家路线的不同方式进行了比较。他写道： “该应用程序不会搜索所有可能的路线，相反，它只会搜索部分路线。”Johnson在这里想说的是，谷歌的地图算法不是完全盲目的，而是使用快捷方式和经验法则来限制它必须搜索的数据库的大小。

如果你在陌生的街道上寻找特定的门牌号，并且你知道奇数和偶数在马路的不同侧，你可能会做类似的事情。只检查道路的一侧会使你的搜索时间减半，对最终结果的损害最小。

与尝试使用量子计算机进行整个计算不同，变分量子算法可以使用有限数量的量子比特对可用资源的解决方案进行最佳猜测，然后将结果交给经典计算机，然后由经典计算机决定是否有另一个解决方案。将量子处理拆分为更小的、独立的步骤意味着你可以使用比其他方式所需的更少、更嘈杂的量子比特来运行计算。

2016 年，Zapata的Alán Aspuru-Guzik与谷歌在圣巴巴拉的研究团队合作，再次模拟二氢，但这次使用的是谷歌的超导量子比特，以及一种被称为是“变分量子本征求解器”（VQE）的算法。

同样，量子计算机能够预测分子的能态和键长。该技术有望更容易地扩展到更复杂的系统，而无需大幅增加纠错要求。

IBM的Heike Riel说：“使用这种VQE方法，你可以做的一件事就是找到问题的最小能量。通常有一个方程来描述物理系统，必须解决的问题之一是找到这个方程的最小能量。”这种方法比完整模拟需要的量子比特少得多，并且具有广泛的应用：从优化问题（如旅行商问题）到需要找到基态（系统可能的最低能级）的化学反应，以及对激发态（任何其他能级）感兴趣的化学反应——例如光合作用和太阳能。

随着早期量子计算机中量子比特数量的增加，它们的创建者正在通过云开放访问。例如，IBM拥有IBM Q network，而微软已将量子设备集成到其Azure云计算平台中。通过将这些平台与受量子启发的优化算法和变分量子算法相结合，研究人员可以在未来几年内开始看到量子计算在化学和生物学领域的一些早期优势。随着时间的推移，谷歌的Sergio Boixo希望量子计算机能够解决地球面临的一些生存危机。他说：“气候变化是一个能源问题——能源是一个物理、化学过程。也许如果我们构建可以进行模拟的工具，我们就可以开启一场新的工业革命，有望更有效地利用能源。”

但最终，量子物理学本身可能是受量子计算机影响最大的领域。

世界上最大的粒子加速器——大型强子对撞机(LHC)在对质子进行对撞的过程中，每秒可收集约300 GB的数据，以试图解开宇宙的基本秘密。分析它需要大量的计算能力——目前它分布在42个国家的170个数据中心。欧洲核子研究中心(CERN)的一些科学家希望量子计算机能够帮助加速数据分析，使他们能够在进行实际测试之前运行更准确的模拟。他们开始开发算法和模型，以便在量子计算机变得足够好时，能够帮助他们利用量子计算机的能力。

CERN的物理学家Federico Carminati说：“这是我们在量子计算领域的第一步，但即使我们进入这个领域的时间相对较晚，我们也为许多领域带来了独特的专业知识。我们是量子力学的专家，而量子力学是量子计算的基础。”迄今为止，大型强子对撞机的里程碑式成就无疑是2012年希格斯玻色子的发现，这种基本粒子的存在有助于证实一些长期存在但证据不足的量子物理理论。

2018年，加州理工学院和南加州大学的物理学家使用量子计算机重新分析了导致这一发现的数据，并设法复制了结果。这个过程并不比经典计算机快，但它证明了量子机器可以用于解决这类问题。

Carminati 说：“一个令人兴奋的可能性是使用量子计算机对量子系统进行非常非常准确的模拟，而量子计算机本身就是一个量子系统。其他突破性机遇将来自量子计算和分析大数据的人工智能的结合——这在目前是一个非常雄心勃勃的提议，但对我们的需求至关重要。”

Computing with Quantum Cats一书的作者John Gribbin 认为这可能是（即使不是最重要的）量子计算机的最深刻应用。他写道：“如果我们要找到一个令人满意的‘万能理论’，将量子理论和引力理论结合起来，那么几乎可以肯定的是，只有借助量子计算机来模拟宇宙的行为才能找到它。”

注：本文是科技记者Amit Katwala所著的Quantum Computing: How It Works and How It could Change the World的摘录。 

参考链接：

https://www.wired.co.uk/article/quantum-computing

—End—

相关阅读：

#光子盒社群招募中#

进入光子盒社群，与我们近距离互动，了解量子领域更多产业、商业、科技动态，领取量子技术产业报告。

现添加社群助手微信Hordcore即可进群 ，与我们一起展望未来！

你可能会错过：