Efficient Block Encodings for Ensembles of Molecular Hamiltonians

Pour comprendre comment une molécule de médicament fonctionne, les scientifiques doivent souvent l'observer non pas comme un objet unique et figé, mais comme une forme flexible qui change et pivote. Les molécules vibrent, tournent et modifient leurs angles internes en permanence, et ces mouvements dictent la façon dont elles interagissent avec le corps humain. Pour prédire ces comportements, les chercheurs doivent calculer l'énergie d'une molécule à travers des milliers de formes différentes, une tâche qui crée un vaste paysage de possibilités. Pendant des décennies, les ordinateurs quantiques ont été proposés comme l'outil ultime pour résoudre les équations complexes qui décrivent ces énergies moléculaires. Cependant, les méthodes quantiques traditionnelles traitent chaque forme comme un problème distinct, obligeant l'ordinateur à effectuer un calcul spécifique et coûteux pour chaque configuration. Cette approche devient impraticable lorsque le nombre de formes atteint les milliers, car le coût de calcul augmente proportionnellement au nombre de formes, dépassant rapidement les capacités des machines les plus puissantes.

Une équipe de chercheurs de PsiQuantum et de Boehringer Ingelheim a développé une nouvelle méthode pour contourner ce goulot d'étranglement, permettant à un ordinateur quantique de traiter simultanément toute une famille de formes moléculaires. Au lieu de traiter des milliers de géométries moléculaires différentes comme des puzzles séparés et sans lien, l'équipe a trouvé un moyen de reconnaître les profondes similitudes entre elles. Ils ont créé une technique appelée SVD-THC, qui agit comme une clé maîtresse pour tout un ensemble de serrures. En analysant les motifs mathématiques partagés à travers toutes les formes d'un groupe, la méthode compresse l'information de milliers de géométries en un seul circuit unifié. Cela permet à l'ordinateur quantique de faire évoluer l'ensemble des formes à la fois, plutôt que de les traiter une par une.

Les chercheurs ont testé cette approche sur trois systèmes moléculaires différents, allant d'une simple chaîne d'atomes à des structures peptidiques complexes qui imitent les briques élémentaires des protéines. Ils ont généré des grilles de milliers de formes pour chaque molécule, le ensemble le plus vaste contenant plus de cinq mille configurations distinctes. Dans ces simulations, la nouvelle méthode s'est révélée remarquablement efficace. Alors que l'approche traditionnelle exigerait que l'ordinateur effectue un calcul complet distinct pour chaque forme, la nouvelle méthode a construit un circuit unique capable de gérer l'ensemble du groupe. À mesure que le nombre de formes augmentait, le coût de calcul de la nouvelle méthode variait à peine, tandis que le coût de l'ancienne méthode grimpait de façon abrupte. Pour le plus grand cas de test impliquant la molécule de alanine dipeptide avec 5 184 géométries, la nouvelle méthode a réduit le nombre de portes logiques fondamentales requises d'un facteur de 200 par rapport à l'approche standard. Même pour des groupes de formes plus petits, les économies étaient significatives, la méthode devenant plus efficace que la méthode traditionnelle dès que la taille du groupe atteignait seulement quelques dizaines de géométries.

Le cœur de cette réussite réside dans la manière dont les chercheurs ont organisé les données. Ils ont réalisé que si les positions des atomes changent d'une forme à l'autre, les interactions électroniques sous-jacentes suivent souvent un motif prévisible de rang faible. En utilisant une décomposition mathématique pour séparer la structure électronique partagée des détails géométriques spécifiques, ils ont pu construire un circuit « multiplexé » unique. Ce circuit est conçu pour basculer entre différentes formes automatiquement, guidé par un registre quantique qui détient l'indice de la forme actuelle. Les chercheurs ont constaté que la partie la plus coûteuse du calcul, qui consiste à charger les données dans l'ordinateur, n'avait pas besoin d'être répétée pour chaque forme. Au lieu de cela, les données pour l'ensemble complet pouvaient être préparées une seule fois et réutilisées, avec un léger surcoût constant pour chaque nouvelle forme. Cela a entraîné un comportement de mise à l'échelle bien plus modéré que la croissance linéaire observée avec les méthodes précédentes.

En termes pratiques, cela signifie que des tâches qui étaient auparavant hors de portée des ordinateurs quantiques, telles que la cartographie du plein paysage énergétique d'un candidat médicament ou la simulation de la façon dont une molécule se déplace au fil du temps, pourraient devenir réalisables. Les chercheurs ont démontré que leur méthode pouvait prédire avec précision l'énergie de chaque forme de la grille, maintenant l'erreur dans une marge stricte acceptable pour la précision chimique. Ils ont également montré que la méthode fonctionne bien même lorsque les formes ne sont pas disposées selon une grille régulière et ordonnée, suggérant qu'elle pourrait être appliquée aux collections de formes irrégulières et désordonnées qui apparaissent souvent dans la découverte de médicaments en conditions réelles. Ce travail suggère qu'en exploitant la redondance inhérente aux ensembles moléculaires, les ordinateurs quantiques peuvent dépasser la résolution de problèmes isolés pour gérer des systèmes dynamiques complexes.

L'étude a également mis en évidence les ressources spécifiques nécessaires pour réaliser ce travail sur un futur ordinateur quantique tolérant aux fautes. Les chercheurs ont calculé le nombre de qubits et de portes logiques nécessaires pour exécuter leur algorithme, constatant que les économies de nombre de portes étaient substantielles, bien que les économies de temps total d'activité de l'ordinateur soient quelque peu moindres en raison de la surcharge liée au chargement des données. Cette distinction est importante car elle indique où des améliorations futures peuvent être apportées. L'équipe a noté que si le nombre de portes logiques a chuté de manière spectaculaire, le temps pendant lequel l'ordinateur est actif est toujours influencé par le coût du déplacement des données. Réduire cette surcharge de chargement de données pourrait encore réduire l'écart entre le potentiel théorique de la méthode et son application pratique.

En fin de compte, cette recherche fournit une nouvelle primitive pour la chimie quantique, qui traite l'ensemble des formes moléculaires comme une entité unique et cohérente plutôt que comme une collection de clichés disjoints. Les conclusions suggèrent que pour les problèmes impliquant de nombreuses géométries liées, l'avantage quantique ne dépend pas seulement de l'attente de meilleurs matériels, mais de la recherche de moyens plus intelligents pour encoder le problème. En compressant la représentation de milliers de formes en un seul circuit, les chercheurs ont montré que les ordinateurs quantiques peuvent potentiellement s'attaquer aux paysages multidimensionnels complexes qui définissent le comportement moléculaire. Cela ouvre la voie à des prédictions plus précises de la façon dont les médicaments se lieront à leurs cibles, dont les protéines se replieront et dont les réactions chimiques se produiront, tout en exploitant la structure partagée du monde moléculaire.