最近,由IBM公司科学家们开发的一种新型算法正在改进复杂化学反应的理解方式,同时还针对量子计算进行了相关优化。
目前,科学家们已研发出了一种全新的方法以完成分子模拟,该方法通过使用配备有7量子位处理器的量子计算机以模拟分子,旨在解决铍氢化物(BeH2)的分子结构问题。IBM方面表示,铍氢化物是迄今为止在量子计算机上能够模拟的最大分子。因其可直接应用于实际,故而该项研发结果的现实意义尤为重大,具体包括创造新材料、研究靶向药物以及发现更高效且可持续性能源。
在接受电话采访时,IBM公司量子计算机研究团队成员Abhinav Kandala对该团队如何实现能够满足分子模拟所需的量子运算数量的高效算法做出了概述。通过使用7量子位处理器中的6个量子位,他们即可测量出BeH2的最低能量级,而这正是理解化学反应的关键量化指标所在。此次实验的结果已发布于经同行评审的《自然》杂志,Kandala也参与了该篇论文的撰写。
该研究团队在此篇论文中率先使用逾百个Pauli(泡利)术语以论证实验优化中所涉及的多达6个量子位的汉密尔顿函数问题,而后展示了一系列分子基态能量的测定值。其中,分子体积大小为控制变量,在测定过程中逐步增加直至构成BeH2。该项测验由“一款能够在试验状态下于量子处理器中完成交互并结合了费米子汉密尔顿函数紧凑编码与随机优化程序的硬件高效量子优化器”完成。
IBM公司研究人员已经研发出了一种新型方法,能够在量子计算机上模拟分子,并在其定制的7量子位处理器上成功地使用其中6个量子位,借此以解决铍氢化物(BeH2)的分子结构问题。铍氢化物(BeH2)是迄今为止能够在量子计算机上模拟的最大分子。
尽管BeH2模型也能够在“经典”计算机上实现模拟,但由于这种新方法具备研究更大分子的潜力,并且随着更为强大的量子系统的建立,该全新的计算方法将自然而言地被视为超越传统计算方法的产物。Kandala表示,该实验最终表明执行于6位超导量子处理器上的硬件高效量子优化器可以解决单一元素以上的分子问题,并且具体范围可扩展至BeH2上限。
Kandala补充称,基本上他们已经颠覆了传统研究方式,即将之前已知的传统计算方法同量子硬件加 结合:该研究团队通过构建适合于当前可用量子设备性能的算法实现了这项重大目标。该算法允许其提取最大的量子计算能力以解决问题,而这对传统计算机而言,完成难度将呈指数级增长。为表达该算法的计算能力,IBM公司采用了全新的度量标准Quantum Volume,该标准具体包括量子位的数量与质量、电路连接以及运算错误率。
使用传统计算方法处理化学问题可能出现的问题,或将通过量子计算能够得以解决。 “迄今为止所有的化学反应都能够用相似的方法得以解决,” Kandala 表示,“而在传统计算机上处理此类问题将导致成本呈指数级增长。”
分子问题的复杂性与其轨道数量密切相关。分子轨道是描述分子中电子波状行为的数学函数。Kandala 表示:“希望量子计算能够以精确的方式处理此类问题。”
如果量子计算机能够用于解决实际问题,那么其将需要搜索一个很大的量子态空间。故而在其衡量标准中,错误率与量子位数量一样重要。
以最简单的分子模型氢为例,科学家需要将四个轨道映射于两个量子位上。 “当试图解决更大的分子时,将有更多的轨道需要计算。因此,量子位随着分子轨道数量的增加而增加。” Kandala表示,“而这些问题可以得到解决。我们能够在量子计算机上尝试解决此类问题的原因正是由于数学映射的存在。” Kandala补充称:“分子轨道的数量与模拟中需要的量子位数量有关。”
Kandala表示,该实验的重点之一在于将量子计算结果与传统计算方法所得进行比较,并确定其实际错误率。 “此举旨在期望能够获得更多经典计算范围以外的信息,” Kandala解释称,“毕竟,这是个全新的领域。”
为展示量子计算机在模拟分子方面的实际表现,开发者与IBM Q体验用户现可访问量子化学Jupyter Notebook,通过QISKit GitHub库提供的开放源代码。IBM Q体验于去年推出,该活动通过在云端部署一台强大的5量子位计算机,且任何人都能自由访问该量子计算机。最近,该量子计算机已完成升级,开始以beta测试方式开放16量子位处理器。
“我们希望创建一个社区,” Kandala表示,“我们希望了解自己,同时也希望其他人能够了解我们。”
好文章,需要你的鼓励
Docker公司通过增强的compose框架和新基础设施工具,将自己定位为AI智能体开发的核心编排平台。该平台在compose规范中新增"models"元素,允许开发者在同一YAML文件中定义AI智能体、大语言模型和工具。支持LangGraph、CrewAI等多个AI框架,提供Docker Offload服务访问NVIDIA L4 GPU,并与谷歌云、微软Azure建立合作。通过MCP网关提供企业级安全隔离,解决了企业AI项目从概念验证到生产部署的断层问题。
中科院联合字节跳动开发全新AI评测基准TreeBench,揭示当前最先进模型在复杂视觉推理上的重大缺陷。即使OpenAI o3也仅获得54.87%分数。研究团队同时提出TreeVGR训练方法,通过要求AI同时给出答案和精确定位,实现真正可追溯的视觉推理,为构建更透明可信的AI系统开辟新路径。
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
PyVision是上海AI实验室开发的革命性视觉推理框架,让AI系统能够根据具体问题动态创造Python工具,而非依赖预设工具集。通过多轮交互机制,PyVision在多项基准测试中实现显著性能提升,其中在符号视觉任务上提升达31.1%。该框架展现了从"工具使用者"到"工具创造者"的AI能力跃迁,为通用人工智能的发展开辟了新路径。