Scientific applications of quantum computing: challenges and opportunities

Eeuwenlang is het verhaal van menselijke vooruitgang geschreven in de materialen die we creëren. Van de pigmenten die onze vroegste kunst kleur gaven tot de katalysatoren die onze moderne industrieën voeden, ons vermogen om de wereld vorm te geven, heeft rust op een cyclus van vallen en opstaan, gevolgd door theorie, en uiteindelijk, voorspelling. Vandaag de dag gebruiken wetenschappers krachtige computers om te simuleren hoe atomen zich gedragen, waardoor ze nieuwe medicijnen, sterkere metalen en efficiëntere batterijen kunnen ontwerpen voordat ze ooit een chemische stof mengen in een laboratorium. Deze simulaties werken door de vergelijkingen op te lossen die bepalen hoe elektronen bewegen en interageren. Er is echter een hardnekkige limiet aan hoe goed deze klassieke computers de toekomst kunnen voorspellen. Wanneer atomen complexe bindingen vormen of zich in aangeslagen, hoogenergetische toestanden bevinden, wordt de wiskunde zo verstrengeld dat zelfs de meest geavanceerde supercomputers moeten vertrouwen op benaderingen. Deze afkortingen werken goed voor eenvoudige gevallen, maar ze falen vaak wanneer precisie het meest nodig is, waardoor wetenschappers moeten gissen naar de stabiliteit van een nieuw materiaal of de snelheid van een chemische reactie.

Een groep onderzoekers van universiteiten en laboratoria uit het Verenigd Koninkrijk is bijeengekomen om een kritische vraag te stellen: kan een nieuw soort computer, één die de vreemde wetten van de kwantummechanica gebruikt om problemen op te lossen, deze barrière eindelijk doorbreken? Hun antwoord is een zorgvuldige, gegronde beoordeling van waar deze technologie vandaag de dag staat en waar het toe zou kunnen leiden. Zij betogen dat hoewel de belofte van quantumcomputing reëel is, het de klassieke computers die we nu gebruiken niet simpelweg zal vervangen. In plaats daarvan omvat de meest waardevolle weg voorwaarts een partnerschap. In deze nieuwe workflow zouden quantumcomputers fungeren als zeer gespecialiseerde instrumenten, die alleen ingrijpen om de specifieke, moeilijkste delen van een probleem op te lossen die klassieke machines niet kunnen aanpakken, terwijl de rest van het werk bij gevestigde methoden blijft.

De onderzoekers beginnen met het erkennen van de huidige staat van het vakgebied. We zijn nog niet op een punt waarop een quantumcomputer een volledig chemisch probleem zelfstandig kan oplossen. De apparaten die vandaag de dag beschikbaar zijn, zijn nog steeds "ruizig", wat betekent dat ze gevoelig zijn voor fouten en slechts een kleine hoeveelheid informatie tegelijk kunnen vasthouden. Vanwege deze reden suggereert het team dat de directe toekomst ligt in "hybride" benaderingen. Stel je een complex chemisch systeem voor, zoals een enzym in een levende cel of een katalysator in een fabriek. Het moeilijkste deel van het simuleren van dit systeem is vaak slechts een klein, actief gebied waar bindingen worden verbroken en gevormd. De auteurs stellen voor om een quantumcomputer te gebruiken om het gedrag van dit kleine, kritieke gebied met extreme precisie te berekenen, terwijl een klassieke computer de rest van het enorme systeem afhandelt. Deze methode, bekend als "embedding" (inbedding), stelt wetenschappers in staat om de hoge nauwkeurigheid te verkrijgen die ze nodig hebben zonder dat een quantummachine groot genoeg moet zijn om de hele wereld tegelijkertijd te simuleren.

Het artikel maakt zorgvuldig onderscheid tussen verschillende soorten problemen en de verschillende stadia van quantumtechnologie die nodig zijn om ze op te lossen. Voor taken zoals het voorspellen van de energie van een molecuul of de kleur van een materiaal, zullen de meest nauwkeurige methoden waarschijnlijk "fouttolerante" quantumcomputers vereisen. Dit zijn machines die hun eigen fouten kunnen corrigeren, een technologie die nog in een vroege experimentele fase verkeert en nog niet breed beschikbaar is. De auteurs suggereren echter dat we niet hoeven te wachten op deze perfecte machines om nuttig werk te gaan verrichten. Voor bepaalde soorten uitdagingen, zoals het zoeken door miljoenen mogelijke arrangementen van atomen om de meest stabiele structuur te vinden, kunnen de huidige apparaten nu al een voordeel bieden. Deze problemen lijken op het zoeken naar een specifieke naald in een enorme hooiberg; quantumalgoritmen kunnen veel mogelijkheden tegelijkertijd verkennen, waardoor ze potentieel de beste oplossing sneller kunnen vinden dan een klassieke computer dat zou kunnen.

De onderzoekers richten zich met name op de praktische realiteiten van het integreren van deze machines in echt wetenschappelijk werk. Ze waarschuwen tegen de hype die vaak rond nieuwe technologieën hangt. Een quantumcalculatie is alleen waardevol als deze een resultaat oplevert dat nauwkeuriger of betrouwbaarder is dan wat een klassieke computer kan bieden, zelfs nadat rekening is gehouden met de tijd en energie die nodig zijn om het experiment op te zetten, de berekening uit te voeren en de gegevens te verwerken. Het team benadrukt dat het doel niet is om te bewijzen dat quantumcomputers bestaan, maar om aan te tonen dat ze de onzekerheid in wetenschappelijke voorspellingen kunnen verminderen. Als een quantumapparaat een chemicus met meer vertrouwen kan vertellen dat een nieuw batterijmateriaal stabiel zal zijn, of dat een medicijn zich aan een virus zal binden, dan heeft het zijn doel bereikt.

In de wereld van de materiaalkunde benadrukt het artikel de moeilijkheid van het ontdekken van nieuwe verbindingen. Historisch gezien was dit een proces van intuïtie en high-throughput experimentatie, waarbij wetenschappers duizenden kandidaten testen om de weinigen te vinden die werken. Hoewel machine learning heeft geholpt dit te versnellen, vertrouwt het nog steeds op gegevens gegenereerd door klassieke simulaties die inherente onnauwkeurigheden kunnen hebben. De auteurs suggereren dat quantumcomputing de hoogwaardige gegevens kan leveren die nodig zijn om deze machine learning-modellen te trainen of direct door complexe chemische ruimtes te zoeken om structuren te vinden die klassieke methoden mogelijk missen. Dit is vooral relevant voor systemen die ongeordend zijn of veel verschillende elementen bevatten, waarbij het aantal mogelijke arrangementen te groot is om door traditionele methoden grondig te worden verkend.

Voor de biochemie zijn de uitdagingen nog groter omdat biologische systemen groot, chaotisch en constant in beweging zijn. Het simuleren van een enkel eiwit vereist vaak het volgen van honderdduizenden atomen, een taak die de grenzen van zelfs de snelste supercomputers opzoekt. Het artikel betoogt dat een volledige quantumsimulatie van een levende cel niet een realistisch doel is voor de nabije toekomst. In plaats daarvan zal de meest praktische toepassing zijn om quantumcomputers te gebruiken om de specifieke chemische reacties te bestuderen die binnen enzymen plaatsvinden. Door deze kleine, reactieve locaties met quantumprecisie te behandelen en de omgeving met klassieke methoden, kunnen wetenschappers een dieper begrip krijgen van hoe het leven op moleculair niveau werkt. Dit zou kunnen leiden tot betere medicijnontwerpen en een duidelijker beeld van hoe ziekten zich ontwikkelen.

De auteurs adresseren ook de hardware zelf, waarbij zij opmerken dat er verschillende concurrerende technologieën zijn, van supergeleidende circuits tot gevangen ionen en neutrale atomen. Elke technologie heeft haar eigen sterktes en zwaktes, en het is te vroeg om te zeggen welke zal domineren. Wat er belangrijker is dan het specifieke type machine, is hoe goed het geïntegreerd kan worden in het bestaande ecosysteem van wetenschappelijke computing. De onderzoekers wijzen erop dat de kloksnelheden van quantumprocessors momenteel veel lager liggen dan die van klassieke computers, en dat de manier waarop gegevens worden opgeslagen en tussen hen worden verplaatst een grote hindernis vormt. Het oplossen van deze technische problemen is even belangrijk als het verbeteren van de quantumalgoritmen zelf.

Uiteindelijk dient het artikel als een roadmap voor een realistische transitie. Het suggereert dat het vakgebied zich moet bewegen weg van geïsoleerde demonstraties die de capaciteit van een quantumcomputer om een "toy problem" op te lossen laten zien, naar geïntegreerde workflows die echte wetenschappelijke vragen oplossen. De waarde van quantumcomputing zal worden gemeten aan haar vermogen om de foutmarges in wetenschappelijke voorspellingen te verkleinen. Als het ons met meer zekerheid kan vertellen hoe snel een reactie zal plaatsvinden, of hoe stabiel een nieuw materiaal zal zijn, dan heeft het zijn plek in het laboratorium verdiend. De weg vooruit is lang en de technologie staat nog in de kinderschoenen, maar de weg voorwaarts is duidelijk: een collaboratieve toekomst waarin quantum- en klassieke computers samenwerken om de geheimen van de materiële wereld te ontrafelen.