2026年4月23日——量子化学领域最严苛的计算难题如今可通过图形处理器（GPU）超级计算机解决。最新研究表明，专为GPU硬件优化的软件不仅能大幅提升运算速度，还能确保解决复杂化学问题所需的精度。

这项由NVIDIA、Sandbox AQ、匈牙利维格纳研究中心、德国慕尼黑工业大学高等研究院及美国能源部太平洋西北国家实验室计算化学家领导的国际合作，成功破解了两种长期被视为过于复杂且计算成本高昂的化学结构。发表于《化学理论与计算杂志》的这项突破，将助力研究人员在设计新型催化剂、优化磁性与电子材料预测性能方面取得实质性进展。

研究团队特别证实，NVIDIA Blackwell架构能高效处理复杂模拟。该工作创新性地融合了数学精确方法与近似计算策略达成目标。

太平洋西北国家实验室计算化学家、论文作者索蒂里斯·克桑西阿斯表示：“我们的研究表明，面向AI的硬件不仅能提供速度优势，还能在计算可行性边界实现化学精度的强关联量子化学计算。”克桑西阿斯同时担任美国能源部“激发态与关联现象可扩展预测方法（SPEC）”计划的首席科学家，该计划为本研究提供了支持。

论文通讯作者、维格纳研究中心与慕尼黑工业大学的厄尔什·莱格扎专注于开发和应用“密度矩阵重整化群（DMRG）”数值方法，以解决涉及大量相互作用电子的量子化学难题。这类问题对于研究复杂能量转换（如催化过程与半导体行为）的学者具有特殊意义。

AI加速化学转化研究

为验证混合精度方法的有效性，研究团队选择解析两种关键酶活性位点的结构：固氮酶FeMoco（催化大气氮转化为氨的关键物质）和细胞色素P450（重要肝脏代谢酶）。这两种酶被视为计算方法的基准测试体系，也是科研人员亟需破解的实用化学结构典范。但在此之前，即便最先进的计算平台也难以应对这类结构的解析复杂度与耗时问题。

研究团队通过将DMRG与专为AI工作负载开发的低精度FP64模拟技术相结合，在非必要环节降低精度要求，而对关键计算保留高精度处理，最终首次实现了达到化学精度的FP64模拟量子化学计算。

莱格扎指出：“我们证实混合精度DMRG结合FP64模拟能在挑战性活性空间达到化学精度，这为利用新一代Blackwell系统解决催化、生物无机化学和材料科学难题开辟了实用路径——这些领域以往几乎难以触及。”

该研究成功展示了前沿GPU技术与先进科学计算方法的创造性融合。化学家如今可利用GPU的海量算力应对当今最棘手的科学计算挑战。研究团队预测，曾被视作难以实现的计算任务，或将在新一代加速器平台上成为常规操作。

SandboxAQ人工智能模拟创新负责人亚当·刘易斯评价道：“该研究表明NVIDIA Blackwell硬件不仅能引领AI前沿，更能通过纯计算机模拟开发新材料来影响实体经济发展。”

除莱格扎和克桑西阿斯外，研究团队还包括NVIDIA的科尔·布劳尔、塞缪尔·罗德里格斯·贝尔纳博、杰夫·哈蒙德和约翰·冈内尔斯，Sandbox AQ的马丁·加纳尔，以及维格纳物理研究中心的安多尔·门采尔。本研究获得匈牙利国家研发创新办公室、TUM-IAS汉斯·菲舍尔高级研究员计划及美国能源部SPEC计划的支持。