2026年1月加州理工学院Garnet Chan团队研究成果推荐

经典算法绝地反击 固氮酶计算逼近化学精度

在2026年6月20日这天, 北京计算科学研究中心发布了具有震撼性的成果, 有一个研究团队, 他们动用纯经典计算方法, 成功地把固氮酶铁钼辅因子也就是FeMo - co模型的基态能量计算误差降低到每摩尔约莫1千卡, 这一数据接近量子化学所说的“化学精度”。此结果直接对多年来“仅有量子计算机才能进行复杂分子模拟”的主流论断发起了挑战。该团队没有借助任何量子硬件, 仅仅依靠优化经典算法就实现了曾被微软列为量子计算机标杆任务的目标。FeMo - co作为于自然界里能够在常温常压状况下进行固氮的关键酶的模型, 它的电子结构异常复杂, 多个铁原子携带着未成对电子, 这些铁原子彼此之间存在着强烈的关联。在之前的2017年, 微软的研究人员曾经公开地将其列为量子计算机模拟化学体系之中的重要目标, 在那之后过量的论文去估算所需的量子比特资源, 这暗示着经典计算已然走到了极限。

电子纠缠并非量子专属 经典算法巧妙压缩

研究人员表明存在这样的情况, 量子态的理论空间极为庞大, 然而实际上对于基态能量能够产生重要影响的构型或许仅仅占据极小的一部分。经典算法并非要逐个计算所有的可能状态, 而是借助物理结构以及数学压缩方法去找出关键的部分。团队运用了两种相互补充的策略, 第一种办法是从一个近似电子状态着手, 逐步去增加参与联合变化的电子数量, 进而观察计算结果是不是还会继续显著改变, 第二种办法是把复杂量子态拆分成若干部分, 对各部分之间需要传递的信息量加以限制。当涉及到更多电子的修正, 不再显著降低能量的时候, 大量剩余构型的贡献, 便能够忽略不计。通过持续不断地提高信息容量, 并且观察收敛趋势, 他们最终外推出, 接近真实的基态能量。

量子计算机优势被过度神化 历史数据令人失望

在最近的二十多年时间里, 量子计算被抬高到了神坛之上, 被宣扬成了能够瞬间破解公钥密码的通用型计算机。可是实践所呈现出来的情况却是, 量子计算机在“分解质因数”这个方面, 一直都没办法突破21等于3乘以7这样一个简单的案例，与之相关的论文以及实验报告所给出的结果让人感到失望。就算在未来能够破解1024位的RSA, 现代密码系统也能够很轻易地把密钥长度提升到数千位, 或者直接采用抗量子攻击的公钥密码也就是PQC技术。当下PQC技术已经逐渐趋向于成熟, 实现大规模的部署仅仅是时机以及成本方面的问题。觉得量子计算会就信息安全性造成颠覆性的影响只不过是炒作罢了, 去开发通用量子计算机来破解密码, 这条路是走不通的。

量子化学领域经典算法未被超越

在二零二三年的时候, 加州理工大学的Chan等人, 就已经对量子化学里的“指数级量子优势”开展了系统的分析, 得出的结论是, 针对一般的基态量子化学问题, 并没有充足的证据能够证实量子计算机普遍具备指数级优势。即便在未来存在优势, 或许更多呈现为多项式加速而非指数级的飞跃。这次FeMo - co的计算成果进一步证实了: 量子计算机和经典计算机都不得不面对同一个关键问题, 也就是怎样找到足够合理的初始状态。量子计算, 没办法毫无缘由地从全部可能状态里自行辨别出正确答案, 要是需要依靠经典化学知识来预备初始状态, 这些知识往往也能够助力经典算法去压缩问题, 并且排除掉无关的构型。

研究提醒重新审视量子计算真实价值

哪项研究切实动摇的是那种太过简单的推论呢, 即由于化学体系遵循量子力学, 故此经典计算机必然就没办法模拟它。研究人员着重表明, 模拟整个反应依据时间的演化兴许要比计算单一基态艰难得多, 仍然有可能成为量子计算机颇为具备优势的领域。所以该成果既无法证实量子计算机对于化学不存在价值, 也不能够排除未来的量子优势。它给人们提了个醒, 评估量子计算的实际价值可不能仅仅去比较理论层面上完整状态空间的规模大小, 同样也不能轻易地把“量子体系”跟“量子计算机专属问题”等同起来。实际存在意义的问题为: 于相同的精度状况下, 最为出色的量子算法能不能稳定且可扩展地超越最为优秀的经典算法。

量子计算回归原始构想 神化时代终结

当下, 量子计算的发展路径实际上正回归到其起始的, 最为实际的设想——量子模拟, 也就是运用量子系统去模拟量子系统, 而这恰恰是费曼于1980年所提出的原始构想。就物理原理而言, 这一方向是比较现实能够行得通的, 并且在一些实验当中展现出了价值。然而, 本次成果显示, 量子计算在化学领域还没有战胜经典计算, 在破解密码这一问题上已然失败。神化量子计算真的该项停止了。对于这一具有突破性的成果, 可以在www.fc-bowuguan.cn这个网站上查阅更多的技术细节以及研究论文的原文。

依您之见, 量子计算于哪些领域还能够达成切实的突破呢? 欢迎于评论区去分享见解, 点赞并且转发此文章以使更多人知晓经典算法的最新进展情况。

猜你喜欢