量子计算机喊了这么多年"颠覆制药业"，为什么新药研发还没被改写？答案藏在误差率里——这台机器算得再快，错得也多，根本没法单独干活。
但最近有个新思路：不让它单打独斗，而是给超级计算机"打辅助"。结果出人意料：一个12635个原子的分子，被成功模拟了。
40倍突破，靠"分工"实现
这个数字值得细品。12635个原子，是以往量子计算机模拟最大分子的约40倍。不是渐进改良，是量级跨越。
做到这点的，是美国克利夫兰医学中心、IBM和日本理化学研究所的联合团队。他们没等量子硬件完美，而是直接上手现有设备——两台IBM苍鹭（Heron）量子计算机，分别部署在日本理化学研究所和克利夫兰医学中心。
超级计算机这边，动用了富岳（Fugaku）和雅比-G（Miyabi-G），全球顶尖的两台。
四台设备怎么配合？团队把分子模拟任务拆开：量子计算机只负责计算分子部分片段的特定属性，超级计算机接手后续处理。两类机器来回迭代，全程耗时超100小时。
克利夫兰医学中心的肯尼思·默茨说：「这曾是我的梦想，如今我们终于实现了。」
为什么必须"混合"？
量子计算机的短板很现实：量子比特规模小、易出错、运算能力有限。单独用它，实用价值接近于零。
但它在特定环节有独特优势——天生适配量子物理运算。药物分子的电子量子态与能量计算，本质是量子力学问题，传统计算机只能给近似解。
研究团队选的模拟对象也很讲究：两组蛋白质-小分子复合物。默茨称这类复合物已有充分研究基础，是生物医学领域的经典范例。更关键的是，他们还在水环境层中完成模拟，让结果更贴近真实实验室场景。
IBM的Jerry Chow表示，这套混合方案的运算速度仍优于纯传统计算机方案。精度方面，测算出的分子最低能量可媲美部分主流传统算法——虽未实现绝对领先，但已证明量子硬件在部分环节确实有用。
"量子优势"还没算清账
匹兹堡大学的刘君宇评价很直接：该研究给出了极为难得的实践路径，依托现有商用硬件，迈出量子计算实用化的切实一步。他还补了一句：「这次实验的规模着实令人瞩目。」
但他也抛出一个未解问题：能否从严格数学层面证明，这种混合算法在特定场景下必定实现性能碾压，也就是达成所谓的"量子优势"？
目前没人能回答。刘君宇认为，在量子计算机实现完全容错之前，这类混合模式值得大力推广——与其干等硬件成熟，不如先挖掘现有设备的实用价值。
Jerry Chow的表态更务实：本次研究证明量子硬件在部分运算环节具备优势，但这项纪录只是开端。「业界正掀起一股不断突破技术边界的热潮，」他说，「真正令人期待的探索才刚刚启程。」
100小时的混合运算，换来40倍的规模突破。这个交易划不划算，取决于你怎么定义"实用化"——是等一台完美的量子计算机，还是先用不完美的它，解决一部分真实问题？
热门跟贴