五度易链

菜单

lch
发布于 2026-05-07 / 0 阅读
0

IBM 完成 1.2 万原子蛋白质模拟，量子计算首次逼近真实生物分子复杂度

#转载

量子计算商业智库

把握量子计算产业脉搏

追踪量子产业化新动向

QUANTUM COMPUTING



文丨浪味仙  排版丨浪味仙
行业动向：3100字丨7分钟阅读

内容提要


IBM、克利夫兰医学中心（Cleveland Clinic）与日本理化学研究所（RIKEN）近日联合宣布，研究团队基于“以量子为中心的超级计算”架构，成功完成了一个包含 12,635 个原子的蛋白质体系模拟，为目前已知规模最大的量子相关生物分子模拟之一。

更重要的是，此次研究不仅涉及超过 1.2 万个原子，还处理了约 30,000 个电子轨道，意味着量子计算开始接触真实生命体系中的复杂电子结构问题：研究对象包括包含 11,608 个原子的 T4 溶菌酶，以及包含 12,635 个原子的胰蛋白酶。

但真正值得关注的，并不只是规模本身。

因为这些蛋白并非孤立存在，而是被置于接近真实生理环境的水溶液中，并模拟了其与自然界中互作分子（ligands）的结合状态，标志着研究逼近现实药物研发中的真实分子环境。

01

从“量子机器”到“计算体系”


蛋白质模拟之所以困难，本质上是因为电子结构问题过于复杂。
蛋白质中的化学反应、分子结合、能量变化，最终都取决于电子之间的量子相互作用。而电子结构计算的复杂度，会随着体系规模扩大迅速失控。几十个原子的体系尚且能够精确处理，一旦进入真实蛋白质尺度，经典计算方法的资源消耗便会呈指数级增长。
这也是量子计算长期被视为未来关键科学工具的原因。电子本身就是量子系统，量子计算机天然适合描述电子波函数与量子态演化。从理论上说，它并不是“模拟”量子过程，而是在用另一个量子系统直接表达量子行为。
但问题同样现实：今天的大部分量子硬件仍处于 NISQ（含噪声中等规模量子）阶段，量子比特有限、误差率较高，尚不足以独立完成完整的大规模科学计算。
故而，一个越来越清晰的行业共识开始出现：真正可行的路线并非“量子计算机替代超级计算机”，而是两者协同。
IBM 此次工作的核心，也正是这种思路。
在这套“量子中心超级计算”架构中，经典超级计算机负责体系拆分、任务调度与大规模数据处理，量子处理器则专门承担最困难的电子关联问题计算。研究团队调用了部署于美国克利夫兰与日本神户的 IBM Quantum Heron r2 处理器，具体运行设备分别为 ibm_cleveland 与 ibm_kobe，并与全球顶级超级计算平台协同运行，包括 RIKEN 的“富岳”（Fugaku）以及东京大学和筑波大学运营的 GPU 超算 Miyabi-G。
图源IBM
而真正体现“量子中心超级计算”精妙之处的，并不只是量子处理器本身，而是不同计算体系之间的任务拆分。量子处理器负责生成与采样复杂量子态，Fugaku 与 Miyabi-G 则承担了对子空间数据进行对角化（diagonalizing）的任务，通过 GPU、CPU 与 QPU 之间的深度协作，完成整个混合工作流。
这意味着，量子计算真正被嵌入现实科研体系之中。某种意义上，这比单纯提升量子比特数量更重要，因为行业竞争的重点正在发生变化。
过去，量子公司比拼的是量子比特、相干时间与门保真度；而现在，真正决定科研价值的，开始变成谁能建立完整的软件栈、经典—量子协同架构，以及适配真实问题的系统级能力。
量子计算正在从“造机器”，走向“造系统”。

02

一场被重新定义的计算实验


真正让这项联合研究工作跨越“实验展示”阶段的，还有其背后的工程与算法突破。
此次研究中，团队在关键计算环节中动用了多达 94 个量子比特，运行了约 9200 个量子线路、近 6000 次量子操作，整个任务持续超过 100 小时，并累计收集 13 亿次测量结果。这已经成为目前资源消耗最庞大的量子化学执行任务之一。
而更深层的突破，其实发生在经典计算瓶颈上：研究团队采用了一种名为 EWF-TrimSQD 的新型混合算法。
首先，EWF（Embedding Wave Function）方法利用电子相互作用的“局域性”特征，将复杂分子拆分为多个可处理“碎片”。相比之下，传统 EWF 方法本身存在严重计算瓶颈：为了构建碎片环境（Fragment bath），通常需要进行 MP2（二阶莫勒-普雷塞特扰动理论）计算，而 MP2 资源消耗会随着分子规模增长迅速失控：分子规模翻倍，资源需求可能增加约 25 倍。
通过改进基于波函数的嵌入技术（EWF），令其仅考虑那些最重要的局部相互作用，可使在胰蛋白酶这种规模上实现该算法变得切实可行。图源IBM
团队通过引入线性缩放方法（Linear-scaling methods），成功绕开了这一经典计算瓶颈，使系统规模首次能够进入上万原子级别。
随后，TrimSQD（修剪样本化量子对角化）则进一步剔除大量无效计算，从海量电子构型中筛选出真正影响能量状态的关键部分。研究团队将这一过程形象地比喻为筛除“deadwood（枯木）”，保留“livewood（活木）”，这一说法源自理论化学家 Klaus Ruedenberg 提出的理论化学语境。
TrimSQD 能够更精准地识别出量子计算机需要重点关注的“有用碎片”（即显著影响能量状态的电子构型），原理是将搜索区域划分为多个子空间，从而可以对每个子空间进行独立搜索。图源IBM
这种方法的价值在于，它并没有试图“暴力求解”整个蛋白质，而是在经典计算与量子计算之间建立一种新的分工机制，恰好符合当下量子计算最现实的发展路径。
相比四个月前 IBM 模拟的 303 原子 Trp-cage 微型蛋白，此次系统规模已经扩大约 40 倍，关键工作流精度提升约 210 倍。
值得注意的是，研究团队同样保持了科学上的克制。
IBM 指出，这项工作虽然展示了量子计算作为科学工具的现实潜力，但目前尚未真正超越最先进的纯经典计算方法。换句话说，这并非是聚焦“量子优越性”的证明，更像是一次关于未来科研体系形态的提前演练。
这恰恰可能比“量子优越性”本身更重要。IBM 这次证明的并不是“量子计算已经比经典计算更强”，而是量子计算已经值得被纳入现实科研工作流。
前者是性能竞赛，后者则意味着一种新基础设施开始获得资格。

03

量子计算开始“参与现实”


这项成果最深层的意义，并不只是“1.2 万个原子”。
从产业视角出发，我们不难看出，面对行业长期存在的困境，量子计算如今的脱身姿态越来越明显：它过去总在证明自己“未来可能很强”，却始终难以真正参与现实世界。
而蛋白质这个场景则不同。
它本身就是药物研发、生命科学与材料科学最核心的问题之一，药物如何与蛋白结合、酶如何催化、分子如何发生反应，都直接决定新药研发效率与材料创新速度。
图源网络
长期以来，药物开发最大的瓶颈之一，就是人类无法提前准确预测这些分子行为，很多候选药物需要经过漫长实验筛选，致使研发周期往往长达十年以上，且成本极其高昂。
如果未来能够更精准地计算蛋白质电子结构，就意味着科研人员有机会在实验之前提前预测药物行为，从而缩短研发周期、降低失败率，并重新定义药物开发流程。
而 IBM、RIKEN 与克利夫兰医学中心此次展示的，也已经不再只是药物研发路线。研究团队明确提到，这套混合工作流未来同样可以迁移至材料科学、酶催化，以及能源与基础设施相关的大规模化学计算场景。
这项工作的背后，体现出量子计算正在成为一种全球科研基础设施。此次整个项目由美国与日本研究团队联合完成，并获得日本 NEDO（新能源产业技术综合开发机构）以及日本文部科学省相关项目支持。
当然，这不意味着量子计算已经成熟。
无论是硬件稳定性、误差纠正，还是系统调度能力，距离真正的大规模产业化仍有很长距离。IBM 也明确将未来路线指向预计于 2029 年前后推出的容错量子系统“Quantum Starling”。
只是，比起过去执着于“什么时候超越经典计算”，今天的量子行业显然走向的是另一条更现实的道路。

Reference：
1、https://newsroom.ibm.com/2026-05-05-cleveland-clinic,-riken,-and-ibm-model-a-12,635-atom-protein-the-largest-known-to-be-simulated-with-quantum-computers
2、https://www.ibm.com/quantum/blog/cleveland-clinic-riken-chemistry

「END」


欢迎添加微信，加入量子前哨交流群
与大家一起探讨交流量子领域动态↓↓↓



往期推荐



  • WAIC 2025 对未来智能的深刻拷问：从辛顿的 AI 洞见，到玻尔兹曼机的量子新生

  • 海外量子股狂热上涨！产业、生态齐发力，一场全球 AI+ 量子算力融合战已打响

  • 10 亿澳元投光量子路线！史上最全面分析澳大利亚政府为何最爱 PsiQuantum

  • 量子计算“拐点”已至！英伟达的未来不止GPU，黄仁勋指向了一个新“Q”

  • 播客访谈实录｜量子计算今天就已经能够为客户创造可量化的商业价值

  • 光子芯片新时代即将到来！专访上海交通大学陈险峰教授

  • 移动正谋划一盘量子计算的大棋？中国移动集团级首席专家钱岭谈算力网络

  • 趣话最大割问题：花果山之群猴博弈

关于量子前哨

u200b华北工控新发布EMB-4...
专家视点 | 中俄海洋合作面临的问...