一种新的量子启发算法破解了一个如此庞大的问题，传统超级计算机甚至难以接近。研究人员利用该方法模拟了极其复杂的量子材料——准晶体，为强大的新型量子器件和超高效电子设备打开了大门。这项工作可能帮助科学家设计未来量子计算机的先进拓扑量子比特和材料。
最近看到一篇从 Physical Review Letters 出来的论文，是编辑特别推荐的那种——New quantum algorithm solves “impossible” materials problem in seconds，题目翻译过来大概是「新的量子算法能在几秒钟内解决“不可能”的材料问题」。
最近一直在关注量子领域的相关信息，正在深度学习中。作为一个门外汉，我咬紧牙关读了下去，感觉这件事真的有点意思
背景交代一下，做这个研究的是芬兰阿尔托大学的团队，带头人是助理教授 Jose Lado，主力作者是博士研究员 Tiago Antão。他们在5月13日发布了这个成果，发表于 Physical Review Letters，而且被选为「编辑推荐」。这个荣誉有多少含金量呢，Physical Review Letters 全年发表几千篇论文，编辑推荐大概只占其中一小部分，基本上是同行评审觉得「这个真的很重要，不该被埋没」。
好，现在说说他们到底做了什么。
准晶体是什么？
先从准晶体开始。
你可能听过晶体，食盐、金刚石、硅，这些都是晶体，原子排列非常整齐，有周期性的重复结构。但准晶体不一样，它的原子排列方式有序但没有周期性，就像一个永远不重复的拼图，数学上是合法的，但结构比晶体复杂得多得多。
复杂到什么程度？模拟一块准晶体，需要处理的数字规模超过一千万亿个。写成数字，1后面15个零。
今天地球上最强的超级计算机，遇到这个问题，也基本上举白旗。
你要模拟的材料越复杂，量子效应越显著，经典计算机的计算量就以指数级爆炸。这个问题在物理学里有个名字，叫「指数墙」。过不去的。
但为什么我们要模拟准晶体？因为有一类特殊的准晶体，拓扑准晶体，具有非常罕见的量子特性，它的边缘会出现「受保护的」电子态，不容易被噪声和干扰破坏。这恰好是量子计算需要的东西，用来做拓扑量子比特，理论上更稳定、更抗错。
但问题就卡在这里，你没法模拟，就没法设计。
他们到底做了什么？
阿尔托大学团队的解法，用了一种叫张量网络的工具。
张量网络可以在超细网格上表示函数，这使其成为计算大质量量子材料的有前景技术。图片来源：何塞·拉多/阿尔托大学
张量网络，我尝试用一个不太严谨但比较有体感的方式解释一下。
假设你要描述一个有1000个粒子的量子系统。经典的做法是把每个粒子的所有可能状态全列出来，然后组合，规模是指数级的。但张量网络的思路是，量子系统里的粒子不是完全互相纠缠的，大多数粒子只跟它周围几个邻居有强相关性，跟远处的粒子关系很弱。
那就可以把这个庞大的状态空间「压缩表示」，把复杂的全局纠缠拆解成局部的张量乘积，大幅降低计算量。
这个思路不是他们发明的，张量网络在凝聚态物理和量子信息领域已经用了很多年。但之前大家主要用它处理有周期性的系统，也就是普通晶体。拿去处理准晶体，这个「没有周期性」的结构，以前认为是不可行的，因为你无法利用周期性来简化问题。
阿尔托大学的团队找到了一种新的方法，把准晶体的结构重新编码为一种量子多体问题的形式，然后用张量网络来处理。
结果是，他们成功模拟了一个拥有超过2.68亿个格点的准晶体系统，几秒钟完成。
好家伙。
2.68亿，什么概念，按他们的说法，这比传统方法的能力高出了「好几个数量级」。
这里有个很奇妙的地方
不只是这个算法本身有多厉害，我觉得更值得想想的，是这件事揭示的一个循环结构。
Jose Lado 在论文里说了一句话，「量子算法可以帮助我们设计新的量子材料，然后用来构建新范式的量子计算机，这形成了一个量子材料和量子计算机之间的双向正反馈循环。」
经典的叙事是，我们要造出强大的量子计算机，然后用它来解决传统计算机解决不了的问题，比如模拟复杂材料。这是一条单向的路，先造机器，再用机器做事。
但阿尔托大学这个团队做的事情反转了这个逻辑，他们用「量子启发算法」，也就是借用量子计算的数学思路，但在经典计算机上实现，来模拟现在还无法大规模稳定运行的量子计算机所需要的材料。
也就是说，还没有强大的量子计算机，我们就已经可以开始设计它的核心零件了。
这让我想起芯片行业早期的一个故事，设计工具（EDA软件）的进步，使得工程师可以在还没有制造能力的情况下，先把芯片架构设计出来，等工厂产能跟上了，直接流片。量子材料的设计，可能正在走一条类似的路，先用软件工具打通设计端，等量子硬件成熟了，材料方案已经准备好了。
很现实的问题
就是能耗。
这个材料研究最终可能通向的地方，有一个叫「无耗散电子学」的概念，顾名思义，电流通过时几乎不产生热量损耗。
这听起来像科幻小说，但基础原理是真实存在的，超导体就是一类已知的无耗散电导体。拓扑材料里的某些边界态，理论上也具有类似的性质，只是实现条件还很苛刻。
但为什么这件事现在值得提？
AI数据中心的能耗问题，在过去两年已经变成了真实的产业压力。谷歌、微软、亚马逊，这些大厂在数据中心能耗上的支出增速，比他们的收入增速还要快。散热问题，已经是现阶段制约AI算力规模扩张的一个实际瓶颈，不是遥远的将来，是现在进行时。
如果拓扑材料有一天真的能做到导电不发热，这对数据中心的影响，不比芯片制程节点的进步小。
当然，我需要非常诚实地说，这还非常早期。从「模拟出材料的量子结构」到「能在室温下稳定工作的无耗散器件」，中间有很长的工程路要走，这两件事之间的距离，大概比我们想象的要远得多。
怎么理解
这项研究，从投资视角怎么理解它的位置？
我认为它属于「技术栈底层的基础设施突破」，最直接的受益方向，是量子计算的材料设计工具这个细分领域。
这个领域还很早期，但有几个信号值得持续跟踪。一是张量网络方法的商业化，现在做这个方向的公司还很少，技术还主要在学术界。二是拓扑量子比特的竞争格局，微软在这条路上押注时间最长，但目前进展仍然缓慢，阿尔托大学这类材料设计工具的突破，理论上能加速整个领域的实验验证速度。三是北欧量子生态的崛起，芬兰在量子技术上的布局比很多人意识到的要扎实，阿尔托大学这个团队背后连着 ERC Consolidator Grant 和芬兰国家量子计算基础设施，不是一两个学者的孤立项目。
不过说句实话，这类基础科学的突破，从论文发表到有人拿它做出商业上可行的东西，时间跨度往往超过10年。但这种研究值得追踪，因为它是量子计算整个叙事能不能兑现的底层支撑之一。
如果有一天张量网络方法成功帮助设计出了在室温下可用的拓扑量子比特，回过头来看，今天这篇 Physical Review Letters 的论文，大概会被很多人当做一个关键节点来引用。
我们是不是可以理解为量子技术领域正在形成一种「软件先行」的研发范式，先用算法工具把材料设计的可能性空间搜索出来，再让硬件慢慢跟上。如果这个判断成立，那材料设计软件这个方向，可能是量子生态里相对确定性更高的投资标的，不依赖量子硬件什么时候真正成熟。
这只是我目前的一个直觉，不算确定的结论，欢迎继续讨论。
热门跟贴