加密新闻

英国公司Quantum Motion与NVIDIA联合提出了一项创新解决方案，用于解决量子计算领域最棘手的难题之一——为分子模拟准备量子态。众所周知，这一阶段所需的计算资源往往远超后续计算本身，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。与其让量子处理器通过复杂搜索来寻找分子所需状态，不如将部分工作转移给经典人工智能。这种方法能够减少所需的量子操作数量，并降低对硬件本身的要求。

开源代码与CUDA-Q平台

开发团队已发布了用于量子化学任务的GPU加速软件包的源代码，同时提供了在NVIDIA CUDA-Q平台上使用该解决方案的详细指南。这使得该技术可供广大研究人员和工程师使用。

为何这是突破？

量子计算机的主要承诺之一，是以传统超级计算机无法达到的精度模拟分子行为。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。其中关键一点是，必须将任务转化为与所研究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且资源密集。

混合计算——新趋势

Quantum Motion与NVIDIA的合作反映了行业日益增长的趋势：企业不再等待完美的通用量子计算机问世，而是学习如何结合人工智能、经典计算和量子处理器的能力。这种混合方法能更快地将量子技术应用于科学和工业的实际问题。尽管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瓶颈之一。

专家观点：这是重要的一步，表明实用量子化学正以比许多人预期更快的速度成为现实。利用人工智能优化状态准备阶段不仅是技术改进，更是范式转变，可能从根本上加速量子计算在制药和材料科学领域的应用。