在我作为化学家的职业生涯中，我非常感激偶然发现。2012年，我在正确的地方（加利福尼亚州IBM的阿尔马登研究实验室）在正确的时间——并且做了“错误”的事情。我本应将三种成分混合在一个烧杯中，希望能创造出一种已知的材料。目标是用一种来自塑料废料的版本代替其中一种常用成分，以努力提高称为热固性聚合物的强塑料的可持续性。
相反，当我将其中两种成分混合在一起时，烧杯中形成了一种坚硬的白色塑料物质。它非常坚硬，我不得不砸碎烧杯才能把它取出来。此外，当它在稀酸中浸泡过夜后，它又恢复到其前体材料。在无意中，我发现了一个全新的可回收热固性聚合物家族。如果我把它看作是一个失败的实验而没有跟进，我们永远不会知道我们制造了什么。这是最好的科学幸运，就像罗伊·普朗克特在研究制冷剂气体的化学性质时意外发明了特氟隆一样。
今天，我有一个新的目标：减少化学发现中对偶然发现的需求。气候危机和 COVID-19 等挑战非常巨大，以至于我们的应对措施不能仅仅依赖运气。自然是复杂而强大的，如果我们想取得我们需要的科学进步，我们需要能够精确地模拟它。具体来说，如果我们想推动化学领域向前发展，我们需要能够高度自信地理解化学反应的能量学。这不是一个新的见解，但它突出了一个主要的制约因素：即使是简单分子的行为，要做到完全精确的预测也超出了最强大的计算机的能力范围。这就是量子计算在未来几年提供重大进步可能性的地方。
关于支持科学新闻业
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻业 订阅。通过购买订阅，您正在帮助确保有关塑造我们今天世界的发现和想法的具有影响力的故事的未来。
在经典计算机上模拟化学反应需要近似，因为它们无法完美计算超过几个电子的量子行为——计算量太大且耗时。每次近似都会降低模型的价值，并增加化学家必须进行的实验室工作量，以验证和指导模型。然而，量子计算的工作方式不同。每个量子比特，或称 qubit，都可以映射到一个特定电子的自旋轨道；量子计算机可以利用量子现象，例如纠缠，来描述电子-电子相互作用，而无需近似。量子计算机现在已经到了可以开始模拟锂氢等小分子的能量学和特性的程度——提供了比我们现在拥有的更清晰的发现途径的模型可能性。
模拟反应
量子化学作为一个领域并不新鲜。在 20 世纪早期，沃尔特·海特勒和弗里茨·伦敦等德国化学家表明，共价键可以通过量子力学来理解。在 20 世纪后期，化学家可用的计算能力增长使得在经典系统上进行一些基本建模成为可能。
即便如此，当我在 2000 年代中期在波士顿学院攻读博士学位时，板凳化学家对计算机可以进行的化学建模的功能性知识相对罕见。学科（和所涉及的技能组合）是如此不同。板凳化学家没有探索计算方法的见解，而是坚持试错策略，并寄希望于有根据的但往往是幸运的发现。我很幸运能在 Amir Hoveyda 的研究小组工作，他很早就认识到将实验研究与理论研究相结合的价值。
今天，理论研究和化学反应建模以理解实验结果已变得司空见惯——这是理论学科变得更加复杂和板凳化学家逐渐开始将这些模型纳入其工作的后果。模型的输出为实验室的发现提供了有用的反馈循环。以高通量筛选这种基于试错法的实验方法中爆炸式增长的可用化学数据为例，它允许创建完善的化学模型。这些模型的工业用途包括药物发现和材料实验。
这些模型的限制因素是需要简化。在模拟的每个阶段，您都必须选择某个区域，在该区域您必须在精度上做出妥协，以保持在计算机可以实际处理的范围内。在该领域的术语中，您正在使用“粗粒度”模型。每次简化都会降低模型的整体精度，并限制其在追求发现中的用途。您的数据越粗糙，您的实验室工作就越费力。
量子方法是不同的。在最纯粹的情况下，量子计算将使我们能够模拟自然本身，而无需任何近似。用理查德·费曼经常引用的话来说，“自然不是经典的，该死的，如果你想模拟自然，你最好让它是量子力学的。” 近年来，我们看到了量子计算机能力的快速发展。IBM 在 2020 年将其量子体积（衡量系统中量子比特数量和质量的指标）翻了一番，并有望在 2023 年生产出超过 1,000 个量子比特的芯片，而 2016 年的芯片只有个位数。行业内的其他公司也对其机器的功率和功能提出了大胆的主张。
奠定基础
到目前为止，我们已经扩展了量子计算机的应用，以模拟与分子的基态和激发态相关的能量。这些类型的计算将使我们能够探索各种反应途径以及对光反应的分子。此外，我们还使用它们来模拟小分子中的偶极矩，这是理解化学键中电子如何在原子之间分布的一个步骤，这也可以告诉我们一些关于这些分子将如何反应的信息。
展望未来，我们已经开始为未来使用量子计算机模拟化学系统奠定基础，并一直在研究今天可以在量子计算机上解决的不同类型分子的不同类型计算。例如，当系统中存在未配对电子时会发生什么？这会给分子增加自旋，使计算变得棘手。我们如何调整算法以使其与预期结果匹配？这种工作将使我们有一天能够研究自由基物种——带有未配对电子的分子——这些分子在实验室中或经典模拟中都非常难以分析。
可以肯定的是，所有这些工作都可以在经典计算机上复制。然而，如果没有五年前存在的量子技术，这一切都不可能实现。近年来取得的进展预示着量子计算可以在不久的将来成为化学发现的强大催化剂。
我没有设想过化学家只需将算法插入量子设备，就能获得一组清晰的数据，以便在实验室立即进行发现的未来。可行的——并且可能已经可行的是——将量子模型作为当前依赖经典计算机的现有流程中的一个步骤来结合。在这种方法中，我们使用经典方法来处理模型中计算密集型的部分。这可能包括酶、聚合物链或金属表面。然后，我们应用量子方法来模拟不同的相互作用，例如酶口袋中的化学反应、溶剂分子和聚合物链之间的显式相互作用，或小分子中的氢键。我们仍然会在模型的某些部分接受近似，但我们将在反应的最独特部分实现更高的精度。
通过研究将量子电子结构计算嵌入经典计算环境的可能性，我们已经取得了重要进展。这种方法具有许多实际应用。聚合物链领域的更快进展可以帮助我们解决塑料污染问题，自从中国削减可回收材料进口以来，这个问题变得更加严重。美国回收的能源成本仍然相对较高；如果我们能够开发出更容易回收的塑料，我们就可以大大减少产生的废物。除了塑料领域，对碳排放量较低的材料的需求也日益迫切，制造碳足迹较小的喷气燃料和混凝土等物质对于减少全球总排放量至关重要。
从世界各地研究生院涌现出来的下一代化学家拥有 2000 年代无法想象的数据流畅度水平。但是这种流畅度的限制是物理上的：经典构建的计算机根本无法处理像咖啡因这样常见的物质的复杂程度。在这种动态中，再多的数据流畅度也无法消除对偶然发现的需求：您总是需要运气在您这边才能取得重要的进步。但是，如果未来的化学家拥抱量子计算机，他们可能会幸运得多。