Иногда яркая визуальная метафора помогает донести сложную мысль. Летом 2001 года профессор физики Университета Тулейна Джон П. Пердью придумал удачный образ. Он хотел показать иерархию вычислительной сложности, связанную с поведением электронов в веществах. Название — «Лестница Иакова». Идея взята из Книги Бытия, где Иаков увидел во сне лестницу от земли до неба, по которой поднимались и спускались ангелы Божьи.
Лестница Иакова символизировала градацию, и лестница Пердью тоже — только не духовную, а вычислительную. На нижней ступеньке математика простейшая, требует минимум вычислений: вещества изображены упрощенно, как мультяшная версия атомного мира. Чем выше ступенька, тем сложнее расчеты и больше мощности нужно, тем точнее картина атомной реальности. На вершине — идеальное описание природы, но с немыслимыми вычислениями, как будто взгляд самого Творца.
Мы предлагаем развить идею Пердью, чтобы охватить все способы симуляции электронов. Вместо медленного подъема по ступенькам к недостижимой вершине предлагаем изогнуть лестницу, чтобы пик оказался достижимым. В Microsoft задумали гибридный метод. Сначала квантовые компьютеры создадут сверхточные данные о поведении электронов — то, что на классических машинах стоит безумных денег. Эти данные обучат ИИ-модели на обычных компьютерах, которые молниеносно предскажут свойства веществ. Точность квантовых расчетов плюс скорость ИИ позволят взлететь по Лестнице Иакова, создавая материалы с новыми свойствами дешево и быстро.
Гибридный подход сохраняет основание Лестницы: классические модели с атомами-шариками на пружинах — скоростные для миллионов атомов долгое время, но грубые. Выше — полуправдоподобные с квантовыми элементами. Дальше полные квантовые эффекты электронов с усреднёнными взаимодействиями: точнее, но мощно, только сотни атомов. Верхушка — самые тяжёлые методы, недоступные классике, но посильные квантовым компьютерам.
В ближайшие годы квантовые машины и ИИ станут ключевыми в материаловедении и химии. Вместе они усилят друг друга. Квантовые данные для обучения ИИ дадут сверхточные модели, покоряющие высокие ступени без огромных затрат.
Такой дуэт раскроет прорывы в химических открытиях, проектировании материалов и механизмах реакций. Химия незримо улучшает жизнь: эффективные лекарства продлевают годы, безопасная паста, кремы, чистящие средства; чистое топливо, долговечные батареи; лучшие удобрения и пестициды для урожая; разлагающиеся пластики и перерабатываемые материалы для экологии. Химия — скрытая сила прогресса.
Перспективы огромны. Где ИИ уже работает, квантовый буст взвинтит результаты. Модели найдут катализаторы для фиксации углерода из воздуха против климатических изменений, реакции для переработки пластиковых отходов и удаления стойких «вечных химикатов», новые составы батарей компактных и безопасных, ускорят персонализированную медицину.
Это только старт. Квантовый ИИ откроет горизонты в материаловедении, перевернув понимание и управление веществом на базовом уровне. Вот как это сработает.
Как квантовые компьютеры изменят химию
Чтобы понять изгиб Лестницы Иакова, разберём классические приёмы в химии. В атомах и молекулах электроны коррелируют сложно. Эти связи ключ к точному описанию. Методы вроде теории функционала плотности (DFT) или метода Хартри-Фока упрощают: заменяют корреляции усреднёнными полями от других электронов. Это работает часто, но не полностью.
Корреляции критичны при сильных взаимодействиях — в сверхпроводниках или металлах-катализаторах с близкими энергиями конфигураций.
Тут DFT и Хартри-Фок пасуют, нужны продвинутые методы. С ростом конфигураций вычисления экспоненциально усложняются — классика упирается в стену.
Квантовые компьютеры решают. Кубиты в суперпозиции хранят множество состояний сразу, копируя квантовое поведение коррелированных электронов. Они симулируют по тем же законам, что и системы, — идеально для сильно связанных электронов.
Как ИИ продвигает вычислительную химию
Даже базовые методы Лестницы медленные, высшие — ещё медленнее. ИИ ускоряет как эмуляторы: предсказывают без полных расчётов, ускоряя в разы по всей лестнице.
Это открывает новые масштабы. В 2023–2024 мы с Pacific Northwest National Laboratory (PNNL) применили передовые ИИ-модели к 32 миллионам кандидатов на батареи — безопасных, дешёвых, зелёных. Традиционно — 20 лет, а за неделю сузили до 500 тысяч стабильных и 800 топовых. ИИ заменил квантовую химию, в разы быстрее — до полмиллиона.
Суперкомпьютеры проверили DFT и ИИ-динамикой. PNNL за 9 месяцев синтезировал электролит на натрии (дешёвом), с 70% меньше лития, чем в литий-ионных. Построили прототип твердотельной батареи, испытали при температурах.
Не единичный успех. ИИ ускорил климатологию, гидродинамику, астрофизику, дизайн белков, хим-био открытия. Заменяя недели симуляций, ИИ меняет темп науки.
Но ИИ хорош данными: симуляции или эксперименты должны отражать физику. Плохие данные — ошибки. Качественные, как квантовые симуляции полной точности, дают обобщения и insights. Вот сила квантовых данных для ИИ.
Ускорение химических открытий
Прорыв — в синергии: ИИ паттерны и скорость, квантовые — корреляции точно. Обучение классических моделей на квантовых данных даёт квантовую точность на ИИ-скорости.
Как в проекте с PNNL по электролитам, ИИ ускоряет поиск. Квантовый ИИ решит крупнее. Открытия — как воронка: миллионы кандидатов сверху, фильтры по свойствам (температура кипения, проводимость, вязкость, реактивность). Точность моделей решает: неточности пропускают хорошее или тянут плохое.
Квантовый ИИ повысит предсказания свойств, отберёт «с первого раза» кандидатов для лаборатории — экономия времени и денег.
Ещё реакции: сеть дорог в горах, барьеры — перевалы. Точные высоты барьеров покажут быстрые пути от реагентов к продуктам.
Малые ошибки меняют прогнозы продуктов. Например, в экологии: ошибка решит, «вечный химикат» или разлагающийся.
Точные скорости нужны для катализаторов — ускорителей реакций в производстве, улавливании CO2, биологии. Квантовый ИИ даст данные для предсказаний и дизайна.
Обученные модели на классике с квантовыми данными принесут квантовую точность. Расчёты уйдут на ноутбуки, без суперкомпьютеров или будущих квантовых. Доступность демократизирует открытия для решения задач здоровья, энергии, устойчивости.
Вызовы для ИИ и квантовых компьютеров
Когда ждать? Квантовые ещё борются с ошибками и короткой жизнью кубитов. Нужно сотни-тысячи качественных кубитов с ошибками 10-15 (одна на квадриллион операций). Фолт-толерантность — логические кубиты из сотен физических, итого миллион физических.
ИИ для свойств не переделывать: дообучить классические на квантовых результатах хватит.
Вопросы есть, но награды в науке и технологиях стоят усилий. Квантовые вышли из шумных прототипов, высокоточные с низкими ошибками — через декаду.
Для пика квантового ИИ нужны химики, материаловеды, квантовщики и ИИ-спецы. Правильно — и вызовы климата, болезней решатся раньше срока.