Quemix、豐田汽車、豐田中央研究所與東京大學共同發表古典-量子混合計算在量子化學計算中的高效「任務分配」實證研究
由 Quemix、豐田汽車、豐田中央研究所及東京大學組成的聯合研究團隊,成功實證了在古典與量子混合計算中,針對量子化學計算的高效任務分配方法。透過在古典電腦上利用密度矩陣重整化群法(DMRG)將精度提升至極限,再交由量子演算法「PITE®」進行後續計算,大幅降低了整體運算成本。
📋 文章處理履歷
- 📰 發表: 2026年6月1日 20:15
- 🔍 收集: 2026年6月1日 11:35
- 🤖 AI分析完成: 2026年6月1日 18:33(收集後6小時58分鐘)
隸屬於 TerraSky 集團、專注於量子電腦演算法與軟體研發的 Quemix 公司,與豐田汽車、豐田中央研究所及東京大學理學系研究科共同發表了關於量子化學計算中,古典電腦與量子電腦高效任務分配的實證研究成果。本研究結合了密度矩陣重整化群法(DMRG)與機率虛時間演化法(PITE®),為「計算資源的高效分配」提出了新的指引,旨在最大化發揮兩類裝置的優勢。
【背景:量子化學計算中「初始狀態準備」的課題】
近年來,利用量子電腦進行高精度量子化學計算備受矚目。由於分子的電子狀態遵循量子力學,能自然地表現於運作原理相同的量子位元上,因此有望精確模擬傳統古典電腦難以處理的複雜電子行為,進而加速高性能新材料的開發。
量子化學計算的核心在於確定能量最低的「基底狀態」。若能掌握基底狀態,即可導出分子反應性及實驗光譜等多種物性資訊。Quemix 提出了獨家的量子演算法「機率虛時間演化法(PITE®)」以加速計算,但「初始狀態準備(State Preparation)」仍是共同難題。通常初始狀態會使用古典電腦上的平均場近似計算解,但對於平均場近似難以處理的問題,雖然量子電腦的優勢顯著,但若初始狀態距離真值太遠,會導致後續量子電腦上的運算成本(時間與錯誤風險)暴增。因此,如何準備接近真值的初始值是實用化的關鍵。
在量子電腦上準備良好初始狀態面臨兩大問題:首先,在古典電腦上求取良好初始狀態時,系統規模越大,計算負荷呈指數級增長;其次,即便在古典電腦上準備好量子狀態,將其編碼至量子電腦的過程也需耗費巨大成本。因此,兩者間的任務分配方法一直不明確。隨著混合型計算成為新一代計算基礎,釐清任務分配成為極重要的課題。
【實證研究內容:探索古典與量子的「最佳平衡」】
本研究針對單一計算問題,實證釐清了「古典電腦準備到何種程度,以及何時交由量子電腦處理」的界線。
■ 實證結果
古典電腦的徹底「篩選」:研究顯示,在基底狀態計算中,盡可能在古典電腦端處理完畢能直接提升整體效率。具體而言,利用已知的 DMRG 方法,在古典電腦記憶體與成本允許的「極限」內,盡可能逼近真值。
無縫連接與量子優勢:將古典電腦獲得的高精度狀態編碼為矩陣乘積狀態(MPS)並傳遞至 Quemix 的「PITE®」演算法。
以量子突破古典極限:對於大規模問題,單靠古典電腦會導致資源耗盡。本研究採取分工模式,先由古典電腦逼近真值,再由量子電腦處理剩餘部分,成功實證了到達單靠古典電腦無法觸及之「真值」的可能性。
【研究成果意義:混合運用的現實指引】
本研究再次證明,若初始狀態不足,量子電腦的強大效能將無法充分發揮。本次提出的資源分配平衡指引,是邁向實用化的重大成果。Quemix 未來將持續推動演算法開發,透過材料開發為解決社會課題做出貢獻。
【背景:量子化學計算中「初始狀態準備」的課題】
近年來,利用量子電腦進行高精度量子化學計算備受矚目。由於分子的電子狀態遵循量子力學,能自然地表現於運作原理相同的量子位元上,因此有望精確模擬傳統古典電腦難以處理的複雜電子行為,進而加速高性能新材料的開發。
量子化學計算的核心在於確定能量最低的「基底狀態」。若能掌握基底狀態,即可導出分子反應性及實驗光譜等多種物性資訊。Quemix 提出了獨家的量子演算法「機率虛時間演化法(PITE®)」以加速計算,但「初始狀態準備(State Preparation)」仍是共同難題。通常初始狀態會使用古典電腦上的平均場近似計算解,但對於平均場近似難以處理的問題,雖然量子電腦的優勢顯著,但若初始狀態距離真值太遠,會導致後續量子電腦上的運算成本(時間與錯誤風險)暴增。因此,如何準備接近真值的初始值是實用化的關鍵。
在量子電腦上準備良好初始狀態面臨兩大問題:首先,在古典電腦上求取良好初始狀態時,系統規模越大,計算負荷呈指數級增長;其次,即便在古典電腦上準備好量子狀態,將其編碼至量子電腦的過程也需耗費巨大成本。因此,兩者間的任務分配方法一直不明確。隨著混合型計算成為新一代計算基礎,釐清任務分配成為極重要的課題。
【實證研究內容:探索古典與量子的「最佳平衡」】
本研究針對單一計算問題,實證釐清了「古典電腦準備到何種程度,以及何時交由量子電腦處理」的界線。
■ 實證結果
古典電腦的徹底「篩選」:研究顯示,在基底狀態計算中,盡可能在古典電腦端處理完畢能直接提升整體效率。具體而言,利用已知的 DMRG 方法,在古典電腦記憶體與成本允許的「極限」內,盡可能逼近真值。
無縫連接與量子優勢:將古典電腦獲得的高精度狀態編碼為矩陣乘積狀態(MPS)並傳遞至 Quemix 的「PITE®」演算法。
以量子突破古典極限:對於大規模問題,單靠古典電腦會導致資源耗盡。本研究採取分工模式,先由古典電腦逼近真值,再由量子電腦處理剩餘部分,成功實證了到達單靠古典電腦無法觸及之「真值」的可能性。
【研究成果意義:混合運用的現實指引】
本研究再次證明,若初始狀態不足,量子電腦的強大效能將無法充分發揮。本次提出的資源分配平衡指引,是邁向實用化的重大成果。Quemix 未來將持續推動演算法開發,透過材料開發為解決社會課題做出貢獻。
常見問題
Quemix 與豐田汽車的合作有何意義?
這代表了日本量子技術領域中,軟體新創與大型製造業之間的深度技術整合,旨在加速材料科學的創新。