使用计算机研究聚合物一直是科学计算的主要挑战，尤其是对于长而密集的生物分子（如DNA）。现在量子计算开辟了一个新的视角。科学家们现在已经将聚合物的基本模型改写成可以用量子计算机有效解决的优化问题。这种新颖的方法使得在迄今为止未开发的环境中利用这些机器的巨大潜力成为可能。

该研究发表在近期的《物理评论快报》上，SISSA（国际高级研究学院）的Cristian Micheletti以及特伦托大学的Philipp Hauke和Pietro Faccioli参与了这项研究。

该论文作者解释说，许多科学计算范式，从蒙特卡罗到模拟退火技术，它们至少有部分原因是出于为了研究聚合物的特性，包括生物特征（如蛋白质和DNA）等。一方面，量子计算机的进步为科学计算开辟了新的场景。同时，它需要开发适合充分利用这一巨大潜力的新模式。特别是量子计算机擅长解决优化任务。这些问题通常涉及根据预先分配的评分系统找到系统变量的最佳组合。

考虑到这一点，作者通过建立每种可能的聚合物配置与合适的优化问题的解决方案间的对应关系，重新构建了基本的聚合物模型。

通常，聚合物链被直接建模为三维空间中的一系列点。在经典模拟中，通过渐进变形对这条链进行动画处理，来模仿自然界中聚合物的动力学。现在由于正在进入量子计算时代，用这种创新技术研究聚合物也变得自然而然。然而，基于3D空间中的点不能被量子计算机轻易的来描述。因此，寻找规避传统聚合物描述的方法是一项挑战，但可开辟新的视角。

Micheletti解释说：“我们的策略是将聚合物系统的所有可能配置编码为单个优化问题的解决方案。最优化问题是根据Ising自旋变量来描述的。它是物理学中最常见的模型之一，量子计算机可以有效解决这一问题。为了更简化，Ising模型上的优化问题可以看作是一个着色难题。挑战在于在遵守大量规则的同时，为晶格的每个点指定蓝色或红色。”

他接着说：“例如，A点和B点应该有不同的颜色，B点和C点也应该有不同的颜色；同时，A点和C点应具有相同的颜色。量子计算机在解决这样的问题上非常有效，即找到满足最大数量给定规则的颜色分配。在我们的案例中，在优化问题找到的每个解决方案中，我们都可以关联特定的聚合物配置。通过重复寻找解决方案，我们可以收集越来越多的聚合物配置，所有这些配置都在统计上是独立的。”

量子计算机的快速发展表明，这些机器可用于解决比传统计算机能解决的问题复杂得多的科学问题。该研究作者表示：“这就是为什么现在打好算法基础对利用这种新的科学计算范式的潜力很重要。我们的研究提供了如何使用量子计算来研究关键聚合物模型的第一个例子。从长远来看，因为我们的方法是通用的，它应该为处理更复杂和雄心勃勃的系统提供了基础，例如密闭空间中的高生物聚合物，这也是理解基因组组织的关键。”（编译:Qtech）