量子计算说"我几分钟搞定"

听起来不难？一个分子有几个原子，每个原子有几个电子，算算它们之间的相互作用不就行了？

问题就在这里。原子和原子之间的相互作用，不是简单的加法——它是指数增长的。

图片来源：Crystal Structure of the Vesicular Transport Protein Sec17，CC BY-SA 4.0，来源：Wikimedia Commons

打个比方，你要算2个原子之间的相互作用，可能需要跟踪4种状态。3个原子？16种。4个原子？256种。每多一个原子，计算量不是翻倍——是平方增长，甚至更猛。一个普通药物分子有几十到上百个原子，一个蛋白质有数千个原子。

计算量随原子数增长对比

这就是"指数墙"——计算量随原子数指数级爆炸

这就是科学家所说的"指数墙"（Exponential Wall）。计算量随原子数量呈指数级爆炸，你堆再多算力也翻不过这堵墙。

你可能会想：摩尔定律不是说计算机性能每18个月翻一倍吗？多等几年不就行了？

不行。因为指数增长的特点是：每多一个原子，计算量翻的不是一倍两倍，而是平方甚至更高。摩尔定律的"翻一倍"根本追不上指数墙的"翻几十倍"。这就像你用梯子爬墙，但墙的高度增长速度远超梯子——你永远爬不过去。

所以传统计算机只能妥协：用近似算法，忽略一些相互作用，"差不多就行了"。但"差不多"的代价是——计算结果不够精确，药物分子和蛋白质的"钥匙配锁"对不准，于是90%的候选药物在临床试验中失败。

二、等等，问题不在"快慢"——在"语言"

到这里，你可能已经接受了一个故事：传统计算机太慢了，算不了大分子，所以需要更快的量子计算机来帮忙。

但这恰恰是最大的误解。

▎认知锚点

量子计算机的优势不是"更快"，而是"说同一种语言"。经典计算机面对分子时的困境，不是算力不足的技术问题，而是语言不匹配的根本问题。

要理解这一点，我们得回到一个更根本的问题：分子到底是什么？

你高中化学课本上画的分子模型，原子是圆球，化学键是棍子。但那只是"教学简化版"。真实的分子，是一个量子力学系统。

什么是量子力学系统？说白了就是：它不遵守你日常生活的物理直觉。一个电子不是在某个确定位置上待着——它同时处于多个位置的叠加态。两个电子之间的关联也不是简单的"吸引"或"排斥"——它们可以处于一种叫量子纠缠的状态，改变一个，另一个瞬间响应，不管隔多远。

你可以把它想象成一枚还在旋转的硬币。在落地之前，它不是正面也不是反面——它同时是两者。分子的电子就是这枚硬币：在被"观察"之前，它同时存在于多个位置。

经典比特 vs 量子比特

经典比特描述确定性世界，量子比特描述概率性世界——而分子，恰恰是概率性的

这就是问题的核心：经典计算机的底层语言是0和1，确定性的，非此即彼。但分子的底层语言是叠加和纠缠，概率性的，亦此亦彼。

这就像让一个只会说中文的人去理解一段法语——不是他不够聪明，是语言不通。经典计算机不是"算得太慢"，是它说的语言不对。

为了用0和1去描述一个本质上概率性的量子系统，经典计算机不得不做大量的近似和转换——就像用方块字去拼写法语发音，能凑合用，但信息丢失严重。这就是"指数墙"的真正原因：不是算力不够，是翻译损耗太大。

那量子计算机呢？它的底层不是0和1，而是量子比特（Qubit）。量子比特可以处于0和1的叠加态——和分子里的电子一样，在被测量之前，它同时是0和1。

换句话说，量子计算机和分子说的是同一种语言。用量子比特描述分子的电子，不需要近似，不需要翻译，不需要妥协。

这就是量子计算真正的优势——不是"算得更快"，而是"说得对路"。

三、2026年的突破——从58到20

道理听起来很美，但现实很骨感。量子计算机虽然和分子"说同一种语言"，但它有一个致命短板：量子比特太少。

2026年，世界上最先进的量子计算机也就几百个物理量子比特。而一个中等大小的药物分子，完整模拟需要成百上千个逻辑量子比特。直接算？算不了。

这就是正则量子团队要解决的问题。2026年7月，他们在JCTC（中科院1区顶级期刊）上发表的论文，干了一件聪明的事：

他们不用量子计算机算整个分子，而是把分子切成碎片。

图片来源：Superconducting Quantum Chip with Dispersive Background 2，CC BY 4.0，来源：Wikimedia Commons

这个方法叫密度矩阵嵌入理论（DMET），说白了就是"分而治之"——把一个大分子切成多个小碎片，每个碎片小到现有的量子比特够算，然后分别用量子计算机算每个碎片，最后把结果拼回去。

但"切"不是随便切。分子里的原子不是孤立的，它们之间有电子的纠缠和关联。如果切的时候把这种关联切断了，算出来的结果就是错的。正则量子团队用一种叫"嵌入势"的技术，在切碎片的同时保留碎片和环境之间的电子纠缠——就像把一幅拼图拆开，但每个碎片上都标注了它和邻居的连接关系。

更关键的是，他们还把分子的几何参数（原子在哪里）和量子线路的参数（怎么算）放进同一个优化循环里同步更新。以前的做法是"嵌套循环"——外面调几何，里面调量子，两层循环来回嵌套，计算量翻好几倍。正则量子团队把它变成"一层循环"，大幅减少了量子计算的调用次数。

乙醇酸分子模拟：量子比特需求压缩

数据来源：正则量子/北大/成电联合研究，发表于JCTC（2026年7月）

将乙醇酸分子模拟的量子比特需求压缩了65%

结果如何？他们成功对乙醇酸（一种具有生物活性的小分子）完成了几何构型优化——以前需要58个量子比特才能模拟的分子，现在20个就够了。这个突破意味着，在当前量子比特数量有限的条件下，大尺度药物分子的量子计算不再是"理论上可行"，而是"实际可算"。

这不是孤例。2025年，IBM和Moderna完成了迄今最大规模的蛋白质折叠和mRNA量子模拟。世界经济论坛在2026年发布的《十大新兴技术报告》中，将"量子模拟药物发现"列为第8项新兴技术，指出它能让一些因分子靶点太复杂而被归为"不可成药"的疾病变得"可见"。

"它不保证找到药，但改变了'什么事值得尝试'的边界。"

——世界经济论坛《2026十大新兴技术报告》评量子模拟药物发现

四、"用自然模拟自然"——一个古老的思想

如果你觉得"用量子计算机模拟分子"这个思路很巧妙，那我想告诉你：这个思路一点都不新。

想想神经网络。人工智能的神经网络，灵感来自大脑的神经元网络——用人工的"神经元"模拟生物的神经元，用人工的"突触"模拟生物的突触。为什么有效？因为两者结构同构——用类似的结构去模拟类似的结构。

图片来源：NASA/JAXA X-59风洞实验，公共领域，来源：Wikimedia Commons

再想想风洞。工程师要测试飞机的空气动力性能，不是在计算机里算，而是造一个真实的风洞，用真实的空气吹真实的飞机模型。为什么？因为用真实的流体去模拟真实的流体，比任何数学近似都精确。

你发现规律了吗？

神经网络用类脑结构模拟大脑。风洞用真实气流模拟飞行气流。量子计算机用量子比特模拟量子分子。

它们共享同一个古老的思想：用自然模拟自然。

最好的模拟器，不是更强大的数学工具，而是用被模拟的东西本身来模拟。量子计算机是"用自然模拟自然"这一古老思想的极致——用量子力学的语言，描述量子力学的世界。

这不是偶然。当一个系统足够复杂，用数学近似去描述它的误差就会大到不可接受。这时候，最好的办法不是造一个更强大的"翻译器"，而是直接用同一种语言。神经网络的突破如此，量子计算的突破也如此。

正则量子团队的"分而治之"策略，本质上也是在遵循这个原则——不是放弃量子计算，而是找到一种聪明的方式，让有限的量子比特能够描述更大的量子系统。碎片虽然小，但每个碎片都用"正确的语言"在描述自己那一部分。

下次你吃药时

回到开头那颗药片。

你吞下的每一颗药，分子在那颗药片里待了很多年。它在实验室里被合成，在计算机里被模拟，在临床试验中被验证。但很长一段时间里，我们用错误的语言去"听"它——用0和1去听一个量子系统的声音，听到的只是模糊的噪音。

2026年，我们终于开始学会用正确的语言去倾听。

量子计算不会明天就造出特效药。从"算法可行"到"商用"，从"商用"到"普及"，每一步都需要时间。但它改变了一件事——以前我们觉得"算不了"的问题，现在变成了"值得尝试"的问题。而"值得尝试"这四个字，可能就是无数患者等待已久的那道光。

▎认知锚点

面对"算不了"的问题时，也许答案不是"更快的机器"，而是"说同一种语言的机器"。有些突破不是量变到质变，而是换一种语言。

下次你吃药时，想想那颗分子。

它一直在用自己的量子语言说话——关于它在哪里、它如何运动、它如何与你身体里的蛋白质结合。这套语言存在了数十亿年，从第一个生命分子诞生那天起。而我们，才刚刚开始学会听懂它。

图片来源说明

本文仅供科普参考，不构成医疗建议或投资建议。引用数据均已标注来源与发布时间。

参考文献

[1] 正则量子/北大/成电联合研究，"Large Scale Efficient Molecule Geometry Optimization with Hybrid Quantum-Classical Computing"，JCTC，2026年7月

[2] 世界经济论坛，《2026十大新兴技术报告》，2026年6月

[3] IBM与Moderna合作，蛋白质折叠和mRNA量子模拟，2025年返回搜狐，查看更多