特氟隆不粘锅，来源：pixabay
回顾我的化学职业生涯，偶然性助我良多。2012年我在正确的地点（IBM加尼福利亚艾曼登研究中心）和时间做了“错误的”事情，我本应当将三种化合物混合在烧杯中，希望能系统性地找出一系列化合物，使得其中一种化学物质能被塑料垃圾中的提取物替换，以提高热固性聚合物的可持续性。
然而，当我混合其中两种试剂时，在烧杯中形成了一种坚硬、白色的塑料物质。它实在是过于坚固以至于我不得不砸碎烧杯才能取出它。此外，当它在稀酸中浸泡过夜后，又会还原为之前的两种物质。就这样意外的，我发现了一类全新的可回收热固性聚合物。假设我将其认为是一次失败的实验并且没有继续探究，我们可能永远不会知道我们到底制作出了什么。罗伊·普朗克特在研究冷却剂气体化学时意外发明了特氟隆，这是科学上最好的偶然性。
今天，我有一个新的目标：减少化学研究对偶然性的依赖。自然对人类世界发出了不少的挑战，从持续的气候危机到COVID-19的预警，这些挑战实在是太过严峻以至于不能仅仅依赖偶然性。自然是复杂和强大的，如果我们希望取得重大科技进步，我们应当具备精确模拟它的能力。
特别是如果我们希望推动化学领域的进步，应当对理解化学反应能量学具有高度的自信。这并非推陈出新而是着重强调：即使是准确预测最简单的分子行为也已经超出了人类最强大计算机的能力。
这就是量子计算机在未来能够为重大突破提供助力的方向。在经典计算机上建立能量反应的模型需要近似值，因为它们无法在一定系统尺度上模拟电子的量子行为。每层估算都会减少模型价值并增加化学家验证和引导模型的实验工作量。然而，量子计算机，现在已经到了能够模拟如氢化锂（LiH）这样小分子的能量和特性的程度——为建立比我们现有模型更易产生新发现的模型提供可能性。
量子化学遗产
当然，量子化学并非全新领域。在20世纪初，德国化学家如海特勒和菲列兹·伦敦就提出了用量子力学理解共价键的理论。而在20世纪晚期，随着计算机技术的发展，化学家也可以实现在经典系统中进行一些基础建模。
尽管如此，当我在2005年前后于波士顿大学攻读博士学位时，具备通过密度泛函理论（DFT）等计算方法进行建模工作知识的实验室化学家还比较少。数学建模化学与传统化学学科（以及所涉及的技能）相去甚远。实验室化学家坚持采用系统化方法，并寄希望于理论指导下出于偶然的发现，而非深入探索DFT。我有幸在Amir Hoveyda教授的研究组工作，他很早就认识到实验研究与理论研究相结合的价值。
粗数据的缺陷
普通计算机，来源：pixabay
如今，随着理论科学的发展，实验室化学家逐渐开始将这些模型融入他们的工作，理论研究和化学反应建模来理解实验结果已经非常普遍。模型结果可以给实验室发现提供有用的反馈。举个例子，从高通量筛选中获得的可用化学数据的爆炸性增长，使得建立完善的化学模型成为可能。这些模型的工业用途包括药物发现和材料实验。
然而这些模型的限制因素是必须进行简化。在计算的各个阶段，你需要挑选一个确定的范围，在这个范围下，既能够实现模型精确度的最大化，又能够使计算负荷低于电脑实际的最大承受值。在该领域的术语中，你正在使用“粗粒度”模型——有意简化反应的已知元素，以提高所研究领域的准确性。每个简化都会降低你模型的整体精准度，并限制其探求发现时的可用性。简单来说，你的数据越粗，所需做的实验也就越多。
量子途径是不同的。在最纯粹的情况下，量子计算机可让你的模型按原样建立，没有近似。用理查德·费曼的话总结，“自然界不是经典的，真是的，如果你想模拟自然界，最好用量子力学来建模”。
我们已经看到近些年在量子计算机功能上的飞速发展。相比于2016年的个位数，IBM的量子数量在2020年翻了两番，并且有望达到超过1000的量子容量。行业中的其他人也对其机器的功能和能力提出了大胆的主张。
到目前为止，量子计算机的应用已经扩展到对原子的稳态与激发态的能量进行建模。这种类型的计算将推动我们探究反应能谱图和光敏分子。与此同时，我们还利用这些模型来模拟小分子中的偶极矩，这是迈向理解分子中电子分布和极性化方向的一步，同时还能告诉我们它们如何反应。
原子与化学键，来源：pixabay
展望未来，我们已经开始为利用量子计算机建立化学体系模型打下基础，并且一直在探索量子计算机能够解决的不同类型分子的不同类型计算。例如，当系统中存在未成对电子会发生什么？计算是否会失去保真度，以及我们如何调整算法以使其与预期结果匹配？这样的工作将会使我们未来某一天能够研究自由基种类，众所周知，自由基种类很难在实验室用经典方法分析和模拟。
准确来说，这项工作也完全可以在经典电脑上实现。不过如果没有五年前的量子技术，这一切都不可能实现。近些年来的进展让人们看到了量子计算能在不久的将来作为科学发现强大催化剂的希望。
当量子理论照进经典体系
我并没有设想未来化学家们只是简单地将算法插入量子装置并在实验室中立即得到一组清晰的数据。更加可行并且可能已经实现的是，将量子模型纳入依赖经典计算机的现有过程中。
在这个过程中，我们利用经典理论来处理模型中计算量大的部分，这可能包括一个酶，一个聚合物或者金属表面。然后我们利用量子学方法来模拟不同相互作用，例如酶袋中的化学反应，溶剂分子和聚合物链之间明确的相互作用，或者小分子中的氢键。我们仍然会接受模型中某些部分的估算，但是在反应最重要部分会取得更高的准确度。我们通过研究将量子电子结构计算嵌入到哈特里-福克（HF）或DFT理论层面获得的经典计算环境的可能性已取得了重要进展。
推动这项研究的实际应用数目巨大，影响深远。高分子链领域更快速的进步有助于解决塑料污染问题，自从中国减少进口可回收材料后，塑料污染更加严重。国内塑料回收利用的能源成本依然相对较高，如果我们能够开发易于回收的塑料材料，就可以在塑料垃圾治理上大有作为。在塑料领域之外，对碳排放量更低的材料需要也越来越迫切，能够制造碳足迹更小的喷气燃料和混凝材料对减少全球总排放量至关重要。
模拟未来
世界各地研究院涌现出的化学家带来了2000年代难以想象的数据流畅性。但这种流畅性所受到的限制是物理上的：经典计算机根本无法处理像咖啡因这样普遍物质的复杂程度。在这种动态中，任何数量的数据流畅性都无法避免对偶然的要求：你将在一个需要运气站在你这边才能取得重要进展的世界中工作。因此，量子计算机的发展与普及对化学家未来的实践至关重要。
撰文：Jeannette Garcia，Senior Manager for Quantum Applications, Algorithms and Theory team at IBM Research
翻译：李卓
审校：费哲妮
引进来源：科学美国人
本文来自：中国数字科技馆
本文是中国数字科技馆(www.cdstm.cn)原创内容，转载请注明出处和作者，否则我们将依法追究侵权责任。
[责任编辑：环球科学]
京公网安备11010502039775号
