2026年4月20日——美国劳伦斯利弗莫尔国家实验室（LLNL）被选定主导一个获得美国能源部高级能源研究计划署（ARPA-E）410万美元资助的项目，该项目属于量子计算用于计算化学（QC3）计划的一部分。

QC3旨在开发和应用量子算法，以加速化学和材料科学的模拟，推动从超导电力线、先进电池、工程稀土磁体到突破性催化系统等商业能源应用的发展。

LLNL将开发量子和机器学习加速的软件工具，并将其应用于发现对电动机、发电机和高性能信息技术至关重要的超强轻质磁体。核心创新是一种混合经典-量子算法，能够准确预测材料性能。

这一成果可能对美国能源使用方式产生巨大影响。

“无论是风力涡轮机、电动汽车还是水力发电，任何需要将电能与机械能相互转换的场合，都需要磁体作为中介，”LLNL科学家兼项目负责人伊隆·约瑟夫表示，“如果我们能更精确地计算磁性材料科学，就能发现新型磁性材料，从而推动能源技术的发展。”

新型磁体材料可以绕过中国的关键材料供应链，并在重量、强度、耐用性和抗腐蚀性方面实现改进。

即使微小的改进也能减少人工智能（AI）和信息技术（IT）所需的资源。AI和IT的大部分能源消耗来自内存信息的写入和擦除。对于基于MRAM的芯片（利用磁态存储数据），读写操作需要翻转微型薄膜磁体的磁化方向。由于预计到本年代末AI和IT将主导美国电力消耗，即使翻转磁存储器所需的能量减少20%，也能显著降低能源成本。

为了发现这些新型磁性材料，LLNL团队结合了多个领域的专业知识。实验室研究人员开发了一些世界上最先进的代码，用于在原子尺度上模拟电子结构和真实材料。这些工具目前运行在全球最强大的超级计算机“酋长岩”上。

“我们将把运行在高性能计算系统（如酋长岩）上的尖端电子结构模拟代码与量子框架相结合，将问题的复杂量子部分转移到量子框架中处理，”LLNL科学家阿尔弗雷多·科雷亚·特德斯科表示，“当然，让这些量子资源发挥作用是最具挑战性的部分——但这也是我们能力提升空间最大的地方。”

将这些材料模拟适配到量子计算机上运行将带来更好的性能。材料中的磁自旋代表了一个多体量子系统，虽然用经典计算机建模具有挑战性，但用量子计算机建模则高效且自然契合。

然而，当今经典计算硬件上使用的算法几乎都不适用于量子计算机。LLNL的主要任务在于将经典算法转化为量子算法。例如，约瑟夫在开发用于模拟流体和等离子体所需的偏微分方程的高效量子算法方面有着丰富经验。他将专注于开发和实现直接模拟量子磁体的高效量子算法。

为了进行有用的量子计算，科学家们需要专注于量子纠错，这对于获得超越经典计算机的实际计算结果至关重要。利用大量物理量子比特（约10,000个），他们计划将其分组并创建足够的冗余，以生成100个所谓的“逻辑量子比特”。虽然某些物理量子比特可能存在错误，但纠错协议确保物理计算能够以逻辑量子比特的形式形成正确的解决方案。

这需要目前尚未具备的强大的量子硬件。LLNL研究人员预计将在约一年后开始与他们的硬件合作伙伴（中性原子计算领域的领先者之一）合作开发原型。随后，他们将利用项目的剩余两年时间使算法发挥作用，将量子计算的结果与机器学习算法结合，从而筛选出具有改变能源格局潜力的磁性材料。

“这是一个几乎接近不可能完成的项目。我们正处于突破的边缘，”约瑟夫说，“但即使我们失败了，如果我们能证明在未来2-3年内可以制造出能够完成这些计算的量子计算机，那也将是一个重大胜利。”