2025年12月4日，多伦多大学的Philipp Schleich与Alán Aspuru-Guzik在《Science》期刊上发表了一篇关于量子模拟在化学研究中应用前景的观点型文章，题为“Cracking chemistry with quantum simulations”。文章系统讨论了量子计算在刻画复杂化学体系方面所面临的挑战与潜在突破路径。

原子和分子在彼此以及与环境相互作用的过程中不断发生状态变化。体系从初始态转变为最终态时的自由能差，是理解化学反应及其他分子过程的核心物理量，因为它决定了该转化发生的可能性。然而，自由能差会随温度变化而波动，因此其计算往往十分困难。

对量子体系(其行为主要体现在原子与亚原子尺度)的性质进行模拟同样极具挑战性，这主要源于所谓的“维数灾难”：随着参与粒子数量的增加以及它们相互作用方式的增多，计算复杂度急剧增长。量子计算机可以通过执行精确模拟来准确测量自由能差，其引入的误差仅来自于将位置、时间等连续变量离散化为有限数值的过程。这种方法能够实现现有经典计算机所无法达到的精度。

利用量子计算机解决化学问题的设想最早在二十年前便已提出。当时有人提出，可以通过一种经过改进的量子相位估计算法来估计分子的基态，即最稳定的能量状态。当初始猜测态与真实基态具有足够重叠时，该算法能够以较小误差确定基态能量。该算法曾在一个最小基函数框架下成功求解了氢原子的基态和第一激发态。该模型使用四个自旋轨道来描述电子的空间分布与自旋状态，并将相关信息编码到四个量子比特上。量子比特是量子信息的基本单元，其地位类似于经典计算中的比特。尽管早期研究展示了利用量子计算机理解化学体系的可行性，但其所涉及的问题规模仍然十分有限，且在当时完全可以通过经典计算方法加以解决。

量子计算在化学领域的实际应用，长期受到两大现实因素的制约：一是可用量子硬件规模有限，二是量子纠错技术尚未成熟。这两方面共同构成了开展更复杂量子化学实验的主要瓶颈。

在当前的发展阶段，研究人员所能依赖的仍是含噪声中尺度量子计算机(NISQ)。这类硬件的量子比特数量有限，并且只能配合相应受限的算法使用。在NISQ时代，最具代表性的算法之一是变分量子本征求解器(VQE)。该算法通过对波函数(即描述量子态的数学函数)进行参数化，将问题转化为一个可由经典计算机参与优化的形式。作为一种量子—经典混合算法，VQE在量子计算机上测量体系的数学描述量哈密顿量，以近似求解分子的基态能量；与此同时，经典优化器不断调整量子线路中的参数，以寻找能量的最小值。值得注意的是，在系统性的误差缓解技术尚未建立之前，实验研究就已验证了VQE在概念层面的可行性。然而，尽管量子计算机在理论上有望解决经典计算无法胜任的问题，在实际应用层面，真正具有决定性意义的量子优势示范仍有待出现。

尽管现实挑战依然存在，量子计算在化学研究中的潜力并未因此减弱。当前已有多条颇具前景的研究路径被提出。

已有研究利用基态能量等静态量，成功解析了量子化学体系的反应机理。在这一方法中，基态能量通过量子相位估计算法获得，而反应速率则借助经典动力学建模进行估算。该方案理论上仅需约100个逻辑量子比特，这些逻辑量子比特是通过将信息分布编码到大量物理量子比特上构建而成的。然而，生成一个逻辑量子比特通常需要100至1000个物理量子比特，这对量子硬件规模提出了极高要求。即便如此，基于基态能量的近似策略在理论上仍具有重要意义，它有望为反应机理中涉及的大分子体系提供精确的能量计算结果，而这些结果是现有精确经典方法所无法企及的。

一般认为，在真空、零开尔文(0 K)且动能最小的理想隔离条件下，自然界中的所有体系将趋向于其绝对能量基态，即最稳定的构型。相比之下，在现实条件下的有限温度环境中，电子材料及相关体系可能需要更长的时间尺度才能达到基态。这使得设计基于模拟的计算来确定基态本身就很困难。从计算复杂度的角度看，这一限制可由量子“不可快进”定理加以刻画。该定理指出，模拟量子体系所需的计算资源通常随时间呈线性增长。换言之，对于在给定时间尺度上演化的体系，其模拟速度不可能快于实际演化时间的线性尺度。

现有用于估计基态的量子方法(如量子相位估计)并非通过直接模拟体系向零点能状态演化的过程来实现。尽管量子相位估计的计算成本并不显式依赖于模拟时间，但量子方法在进行基态搜索时仍然存在普遍性的限制。随着体系规模的增大，基态能量的初始猜测与真实基态之间的重叠度往往呈指数级下降。绝热态制备，即量子计算机从一个简单且已知的能量态出发，通过缓慢而连续的演化逼近目标基态，同样无法解决这一问题。总体而言，即便对于能够高效进行时间演化的哈密顿量，寻找其基态依然是一个极具挑战性的计算难题。

为制备基态并提升量子化学模拟的效率，研究人员探索了多种不同的途径。其中一类是启发式方法，旨在寻找一个与真实基态足够接近的初始猜测。例如，在开放体系演化框架下，体系通过与外部环境的相互作用进行演化，其波函数幅度可以被有目的地重新分配到较低能级乃至基态上。该方法的优势在于，算法成功率并不依赖于(也不会随之下降于)初始猜测态与最终基态之间的重叠程度。尽管这类方法缺乏严格的证明，但它展示了通过创新思路改进基态搜索效率的可能性。此外，一些先进的经典启发式算法同样表现出潜力，可用于构造与真实基态具有足够重叠的初始量子态。

动力学模拟通过刻画体系在相互作用驱动下随时间演化的过程，能够直接捕捉物理或化学现象，而无需像静态方法那样以基态能量等静态性质来设定体系的初始状态。经时间演化后的量子态能够为多种应用提供有意义的信息，例如光谱学、光化学以及药物发现等领域。举例而言，动力学模拟可用于测量化学反应速率，并且已有大量化学问题通过动力学方法得到了高效解决。

相较于正面处理一个高度复杂的问题，动力学模拟采用较为简单的初始状态，这些状态可表示构成特定分子的原子，从而避免初始态与目标能量态之间的重叠度在计算过程中迅速衰减。另一种可行方案是采用分而治之的方法，在数学上将复杂问题拆分为若干规模更小、结构更清晰的子问题。在这一框架下，每一次时间演化或模拟步骤都可对应一个具体且有意义的化学过程。针对特定应用，可以构造并测量与时间演化态相关的可观测量。例如，在光谱学研究中，这些可观测量通常表现为不同演化时间下能级之间的相关函数，由此可用于确定分子的吸收光谱。这些研究清楚地展示了量子计算机在模拟量子化学体系方面的独特能力。

量子计算机能否在计算效率上真正超越经典计算机，关键取决于容错算法的实现。此类算法必须借助量子纠错技术加以保护，使计算系统能够在存在误差的情况下通过自动检测并纠正故障而持续运行。通常而言，容错算法通过将量子信息分布编码到大量物理量子比特上实现保护。因此，实现容错量子计算机的主要瓶颈在于：能否获得足够数量的、经过纠错保护的量子比特，并使其在较长时间尺度内稳定地保持量子态。

总体来看，只有在量子硬件、纠错方法与算法设计等多个层面持续取得进展，量子计算机才有可能在实际应用中展现出相对于经典计算的明确优势。作者展望认为，随着这些关键技术的逐步成熟，量子计算机有望通过对量子化学体系开展高精度的动力学模拟，从而深入刻画复杂化学反应的微观机理。

参考链接：https://doi.org/10.1126/science.ado6686

---

文章改编转载自微信公众号：智药邦

原文链接：https://mp.weixin.qq.com/s/o7hGt6AXkBUwascYxXODsw

2025年12月4日，多伦多大学的Philipp Schleich与Alán Aspuru-Guzik在《Science》期刊上发表了一篇关于量子模拟在化学研究中应用前景的观点型文章，题为“Cracking chemistry with quantum simulations”。文章系统讨论了量子计算在刻画复杂化学体系方面所面临的挑战与潜在突破路径。

原子和分子在彼此以及与环境相互作用的过程中不断发生状态变化。体系从初始态转变为最终态时的自由能差，是理解化学反应及其他分子过程的核心物理量，因为它决定了该转化发生的可能性。然而，自由能差会随温度变化而波动，因此其计算往往十分困难。

对量子体系(其行为主要体现在原子与亚原子尺度)的性质进行模拟同样极具挑战性，这主要源于所谓的“维数灾难”：随着参与粒子数量的增加以及它们相互作用方式的增多，计算复杂度急剧增长。量子计算机可以通过执行精确模拟来准确测量自由能差，其引入的误差仅来自于将位置、时间等连续变量离散化为有限数值的过程。这种方法能够实现现有经典计算机所无法达到的精度。

利用量子计算机解决化学问题的设想最早在二十年前便已提出。当时有人提出，可以通过一种经过改进的量子相位估计算法来估计分子的基态，即最稳定的能量状态。当初始猜测态与真实基态具有足够重叠时，该算法能够以较小误差确定基态能量。该算法曾在一个最小基函数框架下成功求解了氢原子的基态和第一激发态。该模型使用四个自旋轨道来描述电子的空间分布与自旋状态，并将相关信息编码到四个量子比特上。量子比特是量子信息的基本单元，其地位类似于经典计算中的比特。尽管早期研究展示了利用量子计算机理解化学体系的可行性，但其所涉及的问题规模仍然十分有限，且在当时完全可以通过经典计算方法加以解决。

量子计算在化学领域的实际应用，长期受到两大现实因素的制约：一是可用量子硬件规模有限，二是量子纠错技术尚未成熟。这两方面共同构成了开展更复杂量子化学实验的主要瓶颈。

在当前的发展阶段，研究人员所能依赖的仍是含噪声中尺度量子计算机(NISQ)。这类硬件的量子比特数量有限，并且只能配合相应受限的算法使用。在NISQ时代，最具代表性的算法之一是变分量子本征求解器(VQE)。该算法通过对波函数(即描述量子态的数学函数)进行参数化，将问题转化为一个可由经典计算机参与优化的形式。作为一种量子—经典混合算法，VQE在量子计算机上测量体系的数学描述量哈密顿量，以近似求解分子的基态能量；与此同时，经典优化器不断调整量子线路中的参数，以寻找能量的最小值。值得注意的是，在系统性的误差缓解技术尚未建立之前，实验研究就已验证了VQE在概念层面的可行性。然而，尽管量子计算机在理论上有望解决经典计算无法胜任的问题，在实际应用层面，真正具有决定性意义的量子优势示范仍有待出现。

尽管现实挑战依然存在，量子计算在化学研究中的潜力并未因此减弱。当前已有多条颇具前景的研究路径被提出。

已有研究利用基态能量等静态量，成功解析了量子化学体系的反应机理。在这一方法中，基态能量通过量子相位估计算法获得，而反应速率则借助经典动力学建模进行估算。该方案理论上仅需约100个逻辑量子比特，这些逻辑量子比特是通过将信息分布编码到大量物理量子比特上构建而成的。然而，生成一个逻辑量子比特通常需要100至1000个物理量子比特，这对量子硬件规模提出了极高要求。即便如此，基于基态能量的近似策略在理论上仍具有重要意义，它有望为反应机理中涉及的大分子体系提供精确的能量计算结果，而这些结果是现有精确经典方法所无法企及的。

一般认为，在真空、零开尔文(0 K)且动能最小的理想隔离条件下，自然界中的所有体系将趋向于其绝对能量基态，即最稳定的构型。相比之下，在现实条件下的有限温度环境中，电子材料及相关体系可能需要更长的时间尺度才能达到基态。这使得设计基于模拟的计算来确定基态本身就很困难。从计算复杂度的角度看，这一限制可由量子“不可快进”定理加以刻画。该定理指出，模拟量子体系所需的计算资源通常随时间呈线性增长。换言之，对于在给定时间尺度上演化的体系，其模拟速度不可能快于实际演化时间的线性尺度。

现有用于估计基态的量子方法(如量子相位估计)并非通过直接模拟体系向零点能状态演化的过程来实现。尽管量子相位估计的计算成本并不显式依赖于模拟时间，但量子方法在进行基态搜索时仍然存在普遍性的限制。随着体系规模的增大，基态能量的初始猜测与真实基态之间的重叠度往往呈指数级下降。绝热态制备，即量子计算机从一个简单且已知的能量态出发，通过缓慢而连续的演化逼近目标基态，同样无法解决这一问题。总体而言，即便对于能够高效进行时间演化的哈密顿量，寻找其基态依然是一个极具挑战性的计算难题。

为制备基态并提升量子化学模拟的效率，研究人员探索了多种不同的途径。其中一类是启发式方法，旨在寻找一个与真实基态足够接近的初始猜测。例如，在开放体系演化框架下，体系通过与外部环境的相互作用进行演化，其波函数幅度可以被有目的地重新分配到较低能级乃至基态上。该方法的优势在于，算法成功率并不依赖于(也不会随之下降于)初始猜测态与最终基态之间的重叠程度。尽管这类方法缺乏严格的证明，但它展示了通过创新思路改进基态搜索效率的可能性。此外，一些先进的经典启发式算法同样表现出潜力，可用于构造与真实基态具有足够重叠的初始量子态。

动力学模拟通过刻画体系在相互作用驱动下随时间演化的过程，能够直接捕捉物理或化学现象，而无需像静态方法那样以基态能量等静态性质来设定体系的初始状态。经时间演化后的量子态能够为多种应用提供有意义的信息，例如光谱学、光化学以及药物发现等领域。举例而言，动力学模拟可用于测量化学反应速率，并且已有大量化学问题通过动力学方法得到了高效解决。

相较于正面处理一个高度复杂的问题，动力学模拟采用较为简单的初始状态，这些状态可表示构成特定分子的原子，从而避免初始态与目标能量态之间的重叠度在计算过程中迅速衰减。另一种可行方案是采用分而治之的方法，在数学上将复杂问题拆分为若干规模更小、结构更清晰的子问题。在这一框架下，每一次时间演化或模拟步骤都可对应一个具体且有意义的化学过程。针对特定应用，可以构造并测量与时间演化态相关的可观测量。例如，在光谱学研究中，这些可观测量通常表现为不同演化时间下能级之间的相关函数，由此可用于确定分子的吸收光谱。这些研究清楚地展示了量子计算机在模拟量子化学体系方面的独特能力。

量子计算机能否在计算效率上真正超越经典计算机，关键取决于容错算法的实现。此类算法必须借助量子纠错技术加以保护，使计算系统能够在存在误差的情况下通过自动检测并纠正故障而持续运行。通常而言，容错算法通过将量子信息分布编码到大量物理量子比特上实现保护。因此，实现容错量子计算机的主要瓶颈在于：能否获得足够数量的、经过纠错保护的量子比特，并使其在较长时间尺度内稳定地保持量子态。

总体来看，只有在量子硬件、纠错方法与算法设计等多个层面持续取得进展，量子计算机才有可能在实际应用中展现出相对于经典计算的明确优势。作者展望认为，随着这些关键技术的逐步成熟，量子计算机有望通过对量子化学体系开展高精度的动力学模拟，从而深入刻画复杂化学反应的微观机理。

参考链接：https://doi.org/10.1126/science.ado6686

---

文章改编转载自微信公众号：智药邦

原文链接：https://mp.weixin.qq.com/s/o7hGt6AXkBUwascYxXODsw