自成立以来,IBM研究院始终专注于探索计算技术的未来方向。这不仅仅是学术上的追求,更是为了解决现实世界中迫切需要解决的问题——模拟金融系统、研究新材料特性、开发更高效的电池,这些都是传统计算机难以应对的高难度计算任务。
为此,IBM的解决方案是拓展计算工具箱,重点研发能够模拟量子力学的计算系统。IBM研究院院长、IBM院士杰伊·甘贝塔将量子力学称为"宇宙的操作系统"。这一愿景与著名物理学家理查德·费曼早在第一台量子计算机诞生数十年前的预言不谋而合:自然界本质上是量子的,要模拟量子力学,就必须使用量子计算机。
在IBM 2026年Think大会波士顿站的闭幕主题演讲中,甘贝塔告诉与会者:"我不打算宣布接下来要推出什么,而是要告诉大家我们已经拥有了什么。"来自克利夫兰诊所、橡树岭国家实验室以及Q-CTRL的合作伙伴共同展示了IBM量子计算机如何帮助他们以全新方式加速各自领域的研究工作。IBM量子合作伙伴关系战略增长总监杰米·加西亚在台上表示:"大家看到了这项技术,但正是我们的客户和合作伙伴将其转化为了真正有价值的成果。"
蛋白质模拟创下历史新高
传统计算机在模拟分子电子结构方面面临极大挑战。分子中的原子数量越多,电子间的相互作用就越复杂,传统计算机的处理难度也随之急剧增加。
本周,克利夫兰诊所与日本理化学研究所(RIKEN)的研究人员宣布,他们利用IBM量子硬件上的基于采样的量子对角化算法(SQD),成功模拟了一个由12635个原子组成的蛋白质复合物。这项复杂模拟借助了量子中心超级计算(QCSC)技术,将量子硬件与RIKEN的富岳超级计算机等经典硬件协同运作,实现了单一技术无法达到的计算能力。IBM量子中心超级计算首席技术官、IBM院士杰里·周表示:"这不仅是迄今为止规模最大的蛋白质-配体复合物量子中心模拟,而且与此前最先进的量子中心方案相比,精度提升了210倍。经典方法举步维艰的地方,量子计算才刚刚起步。"
核聚变燃料生产迎来新突破
橡树岭国家实验室的科学家正致力于开发核聚变反应堆这一曾属于科幻领域的能源技术。与现有核裂变反应堆通过分裂原子释放能量不同,聚变反应堆理论上可以通过将较轻原子聚合成较重原子来产生能量。然而,实现这一目标的关键在于能否稳定生产聚变燃料——氚。目前全球每年仅能生产数磅氚,远远无法满足需求。
聚变反应堆内壁涂有一层熔盐,由氟、锂和铍组成,称为FLiBe。这种熔盐可以捕获中子,将锂转化为氚。然而,"要弄清楚其中的化学反应并不容易,熔盐混合物的化学性质与蛋白质截然不同,用经典方法难以进行高精度研究,"杰里·周说道。QCSC技术在此发挥了关键作用。在一项模拟FLiBe原子自由能的实验中,QCSC模拟在无需借助粗糙近似的情况下,得出了与主流经典方法高度吻合的高精度计算结果。这为计算实验室中可测量的化学和物理相关量提供了可行路径。目前,IBM已发布QCSC参考架构,并将与社区共同推进量子与经典硬件更紧密集成的计算工作流。
量子计算速度突破3000倍
在量子计算实用化方面,Q-CTRL本周发布报告称,他们借助IBM量子平台及其自有性能管理基础软件,完成了一项具有商业价值的材料模拟任务。与领先的经典方法相比,速度提升超过3000倍,同时保持了足够的精度并在实用时间范围内完成计算。此次模拟并非专为展示量子硬件而设计的"演示题目",而是一项涉及多达60个相互作用电子的材料科学实际问题——这是经典方法约20电子上限的三倍。据Q-CTRL报告,在经典硬件上完成该计算需要100小时,而量子工作流仅用两分钟便完成了计算,精度与领先经典方法的误差在1%以内。
甘贝塔表示:"实用量子计算已经是现实,我们正在见证来自客户和合作伙伴的精彩成果,而他们才刚刚起步。"
Q&A
Q1:基于采样的量子对角化算法(SQD)是什么,有什么用?
A:SQD(Sample-Based Quantum Diagonalization)是一种运行于IBM量子硬件上的算法,主要用于模拟分子电子结构。它结合量子中心超级计算技术,将量子硬件与经典超算协同工作。克利夫兰诊所和RIKEN利用该算法成功模拟了一个12635个原子的蛋白质复合物,精度比此前最先进方案提升了210倍,是迄今规模最大的量子中心蛋白质模拟。
Q2:量子计算如何帮助核聚变燃料氚的生产研究?
A:核聚变反应堆需要氚作为燃料,但全球每年产量极少。反应堆内壁的FLiBe熔盐(氟、锂、铍混合物)可捕获中子将锂转化为氚,但其化学性质复杂,传统经典计算难以高精度模拟。IBM的量子中心超级计算(QCSC)技术通过量子与经典硬件协同,在无需粗糙近似的情况下,对FLiBe原子自由能进行了高精度模拟,为氚的生产研究提供了新的计算路径。
Q3:Q-CTRL用量子计算做材料模拟,比经典方法快多少?
A:Q-CTRL借助IBM量子平台及自有性能管理软件,完成了一项涉及60个相互作用电子的材料科学模拟,速度比领先经典方法快3000多倍。经典硬件需要100小时完成的计算,量子工作流仅需两分钟,且精度误差在1%以内。这项模拟超越了经典方法约20电子的计算上限,具有实际商业价值。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。