加密新闻

英国公司Quantum Motion与NVIDIA合作，提出了一种创新方法，用于解决量子计算中资源消耗最大的问题之一——为分子模拟准备初始量子态。这一阶段传统上所需的计算能力远超后续计算本身，长期以来一直是量子计算机在化学和材料科学领域实际应用的主要障碍。

研究人员提出利用人工智能进行数据预处理。与其让量子处理器从头开始寻找分子的复杂状态，不如让经典AI承担部分工作。这能大幅减少所需的量子操作数量，并降低对硬件的要求。

该团队发布了所创建的GPU加速量子化学计算包的源代码，同时提供了将解决方案与NVIDIA CUDA-Q平台集成的详细指南，使该技术可供广大开发者使用。

为何这是突破

量子计算机有望在分子模拟领域引发革命，超越传统超级计算机的能力。这类计算对于开发新药、电池、肥料和工业材料至关重要。然而在实践中，量子系统面临根本性限制。主要挑战之一是需要先将任务转化为与分子结构对应的特殊量子态。对于复杂化合物而言，这一过程变得极其昂贵。

混合方法成为新标准

Quantum Motion与NVIDIA的工作反映了行业趋势：公司不再等待完美量子计算机的出现，而是学习如何有效结合AI、经典计算和量子处理器的能力。研究人员相信，这种混合方法将能更快地将量子技术应用于科学和工业的实际问题。虽然目前尚未实现商业突破，但这项开发消除了长期制约量子计算机在化学计算中应用的主要瓶颈之一。

我的分析：这确实是重要的一步。状态准备是量子化学的“阿喀琉斯之踵”，利用AI进行优化是合乎逻辑且高效的举措。如果混合方法成为标准，我们有望在未来几年内（而非十年后）看到首批具有实际用途的量子化学模拟。