Algorithmiq i Fraunhofer ISC będą współpracować w przyszłości w zakresie obliczeń kwantowych dla rozwoju materiałów

© Algorithmiq

Prof. Miriam Unterlass (z lewej) i Prof. Sabrina Maniscalco (z prawej) łączą siły badawcze, aby uczynić obliczenia kwantowe użytecznymi w badaniach materiałowych. © K. Wolf / Algorithmiq

Przystępna medycyna, drożyzna energii, uzależnienie od strategicznych źródeł surowców: dla wielu aktualnych zagadnień nowe materiały odgrywają kluczową rolę. Klasyczne metody rozwoju materiałów są jednak czasochłonne i często wymagają wielu lat. Instytut Fraunhofer ds. badań nad krzemianami pracuje więc nad przyspieszonymi podejściami rozwojowymi („Materials Acceleration”) opartymi na metodach cyfrowych, uczeniu maszynowym i sztucznej inteligencji (SI). Dodatkowe potencjały przyspieszenia oraz szersze wykorzystanie przestrzeni materiałowej oczekuje się w zastosowaniu komputerów kwantowych. W tym celu Fraunhofer ISC podpisał z włoską firmą Algorithmiq, posiadającą wybitną wiedzę w zakresie komputerów kwantowych, porozumienie o dalszej współpracy (MoU).

Metafora lotosu ilustruje drogę do użytecznej przewagi kwantowej. Wewnętrzne płatki symbolizują trzy warunki, które muszą być spełnione jednocześnie: wykonalność na obecnym sprzęcie, istotność dla badania przestrzeni materialnej oraz weryfikacja wobec najnowocześniejszych metod klasycznych przy uczciwych założeniach zasobów. Zewnętrzne płatki oznaczają zastosowanie, integrację i skalowanie. Są one niezbędne do wprowadzania postępów do praktyki i mogą być systematycznie rozwijane. W prawdziwym kwiatu lotosu centralna struktura zawiera nasiona, z których mogą wyrosnąć nowe kwiaty. W tym sensie uważamy ten rdzeń za generatywny, zdolny do wspierania różnych zastosowań po jego ustanowieniu, i cieszymy się, że możemy wprowadzić tę ideę do badań nad materiałami. © Algorithmiq

Fraunhofer ISC dysponuje szerokim doświadczeniem w chemicznym syntezowaniu bardzo różnych materiałów. Klasyczne syntezy laboratoryjne są jednak czasochłonne: dla nowego podejścia materiałowego konieczne jest przeprowadzenie wielu serii prób, zanim osiągnięte zostaną pożądane właściwości materiału i jego przetwarzanie. Metody cyfrowe oferują tu możliwość przyspieszenia procesu rozwojowego. Dzięki symulacjom i obliczeniom relacji struktura-właściwości można wcześnie odrzucić nieodpowiednie warianty i celowo zidentyfikować obiecujących kandydatów. Podstawowe procesy są jednak wysoce złożone: pełny opis dynamiki wielocząsteczkowych układów kwantowych wymaga, nawet na dzisiejszych superkomputerach, ekstremalnie długich czasów obliczeń. Komputery kwantowe mogą na przykład znacznie przyspieszyć poszukiwania szczególnie oszczędnych energetycznie materiałów magnetycznych („rare-earth-lean magnets” lub „gap magnets”) i umożliwić eksplorację przestrzeni materiałowej na niespotykaną dotąd głębokość.

Komputery kwantowe – szybsze i bardziej wszechstronne odkrywanie przestrzeni materiałowej

Algorithmiq to firma z Mediolanu specjalizująca się w opracowywaniu kwantowo-natywnych algorytmów dla badań nad lekami i symulacji molekularnej. Głównym celem jest dokładniejsze i bardziej efektywne obliczanie właściwości i dynamiki molekuł, niż jest to możliwe przy użyciu klasycznych symulacji (np. klasyczna chemia kwantowa, symulacje dynamiki molekularnej). Aby algorytmy kwantowe, dostosowane do zagadnień chemicznych i nauk o życiu, działały już na dzisiejszych, jeszcze niedoskonałych komputerach kwantowych, zespół korzysta z metod hybrydowych, w których współpracują klasyczny komputer i komputer kwantowy: kwantowy oblicza szczególnie trudne efekty kwantowe w molekułach, a klasyczny steruje optymalizacją i analizą. Metody te są tak zaprojektowane, aby wykorzystywać typowe struktury i prawidłowości chemiczne, dostarczając możliwie wiarygodnych informacji o molekułach i ich właściwościach, mimo błędów sprzętowych.

Obecnie naukowcy chcą rozszerzyć swoje dotychczasowe, głównie w dziedzinie nauk o życiu, koncepcje komputerów kwantowych, które w kwietniu zostały wyróżnione nagrodą o wartości 2 milionów dolarów od organizacji Wellcome Leap za „pierwszą demonstrację ciągłego kwantowo-klasycznego procesu symulacji złożonych terapii i tym samym otwarcie wiarygodnej drogi do krótkoterminowej przewagi kwantowej w naukach o życiu”. W tym celu firma nawiązała strategiczne partnerstwo z Fraunhofer ISC, które wnosi swoją wiedzę w zakresie chemicznej syntezy i digitalizacji materiałów.

Skuteczniejsze rozwiązywanie złożonych problemów

„Na początku symulacje pozwalają nam łatwiej identyfikować nasze białe plamy w przestrzeni materiałowej – czyli materiały, których może nie szukaliśmy bezpośrednio, ale ich właściwości mogą być obiecujące”, wyjaśnia prof. dr Miriam Unterlass, dyrektorka Instytutu Fraunhofer ISC, cele współpracy. Kolejnym celem jest lepsze zrozumienie przestrzeni materiałowej poprzez symulacje i szybsze znajdowanie nowych rozwiązań. „Również w przyszłości potrzebujemy kreatywności naukowców, aby tworzyć innowacje istotne społecznie. Jednak narzędzia staną się coraz bardziej cyfrowe, a obok rzeczywistej syntezy coraz większe znaczenie będzie miał cyfrowy bliźniak, który pozwoli przewidywać syntezę materiałów, właściwości produktów i odzysk przez recykling na całym cyklu życia produktu, bez konieczności odtwarzania każdego kroku laboratoryjnego.”

Włączenie komputerów kwantowych do rozwiązywania tak złożonych zadań jest więc ważnym krokiem w kierunku przyspieszonego rozwoju materiałów. Prof. dr Sabrina Maniscalco, CEO i współzałożycielka Algorithmiq, dodaje: „Zbyt długo globalny dyskurs wokół komputerów kwantowych koncentrował się niemal wyłącznie na sprzęcie. Jednak sam sprzęt nie wystarczy. Bez znaczącego postępu w algorytmach i oprogramowaniu komputery kwantowe mogą pozostać naukowo imponujące, ale bez realnej wartości przemysłowej. W Algorithmiq budujemy warstwę algorytmiczną, która faktycznie czyni komputery kwantowe użytecznymi – dla chemii, nauk o życiu, nowych materiałów i nie tylko.”

W czerwcu 2026 roku partnerzy Algorithmiq i Fraunhofer ISC spotkają się na poziomie kierowniczym, aby omówić pierwsze wspólne projekty i ich kierunki.