研究人员展示量子计算在化学方面的能力

快速阅读: 据《Newswise （新闻稿）》最新报道，科学家利用量子计算和机器学习模拟质子亲和力，展示量子机器学习在化学预测上的优势。这种方法能在气相中更准确预测分子的质子结合能力，为复杂化学问题提供新解决方案。

新传网——克利夫兰诊所计算生命科学中心的肯尼斯·梅尔兹博士及其研究团队，正在通过整合机器学习与量子电路，测试量子计算在化学领域的应用能力。化学是量子计算潜力最大的领域之一，因为这项技术能够预测无限数量的可能结果。

为了确定量子计算在执行复杂化学计算方面的能力，梅尔兹博士和金博士决定测试其模拟质子亲和力的能力，这是一种对生命至关重要的基本化学过程。梅尔兹博士和金博士专注于在量子硬件上使用机器学习应用程序。这与其他依赖模拟器来模仿量子计算能力的研究相比，是一项重要优势。

在这项发表于《化学理论与计算杂志》的研究中，研究团队展示了量子机器学习的能力。他们创建了一个模型，该模型能够比经典计算更准确地预测质子亲和力。量子计算是一种全新的计算方法，它以不同于经典计算机的方式运行。经典计算机依赖于比特（一系列1和0）来解决问题。而量子计算机使用的是量子比特（量子位），它可以同时存在于多个状态，并且不受限于1或0。当经典计算机解决复杂问题时，比特会通过逻辑门进行处理。而量子比特则由量子门引导，这种操作方式在经典计算机上是不可能实现的。量子门允许量子比特处于多种状态，从而使它们能够同时测试由门设置的所有“规则”以及所有潜在的结果。这对于化学领域尤为重要，因为在分子行为具有无限可能结果的情况下，这一点至关重要。

为了缩小研究范围，研究团队选择专注于气相中的质子亲和力。质子亲和力是指分子吸引并保持质子的能力。这一过程是在气相中研究的关键化学过程，但由于大多数化合物不易蒸发且容易被热破坏，因此在气相中研究此过程极具挑战性，这也限制了实验的开展。梅尔兹博士指出，这些实验耗时且只能应用于小到中等大小的分子，这使该问题成为量子计算的理想测试案例。

在这个项目中，研究团队应用了一种利用量子门创建的机器学习和量子电路方法。他们设计的量子机器学习（量子机器学习）模型基于186个不同参数进行了训练，金博士说。研究团队比较了该模型在经典计算机与混合量子和经典计算方法之间预测质子亲和力的准确性。“这是我们首次尝试量子机器学习（量子机器学习）项目之一，”梅尔兹博士说。“机器学习已在化学领域展现出巨大价值，因为它能够关联化学结构与物理化学性质，并预测反应结果。凭借量子计算的强大能力，它甚至能超越最先进的超级计算机。”

(以上内容均由Ai生成)