Ricercatori della Cleveland Clinic, di RIKEN e di IBM hanno compiuto un passo che fino a pochi anni fa sembrava fuori portata. Hanno simulato al computer un complesso proteico composto da 12.635 atomi, la molecola biologicamente significativa più grande mai modellata con l'ausilio di computer quantistici.
Il risultato, pubblicato in forma di preprint su arXiv, è molto più di un record: è la dimostrazione che il calcolo quantistico ha smesso di essere una promessa e ha cominciato a produrre risultati misurabili su problemi reali.
Come funziona: quando metodi computazionali quantistici e classici si parlano
La chiave di questa impresa non sta nell'hardware quantistico da solo, ma nell'architettura ibrida che IBM chiama quantum-centric supercomputing.
I supercomputer classici — in questo caso Fugaku di RIKEN e Miyabi-G dell'Università di Tokyo — scompongono il complesso proteina-ligando in frammenti computabili. I processori IBM Quantum Heron da 156 qubit, installati presso la Cleveland Clinic negli Stati Uniti e in RIKEN in Giappone, calcolano il comportamento quantomeccanico di quei frammenti. Impiegano fino a 94 qubit e quasi 6.000 operazioni quantistiche per le parti più critiche. I classici ricompongono poi i risultati in una rappresentazione coerente dell'intera molecola.
Il motore algoritmico che rende possibile tutto questo si chiama EWF-TrimSQD: un algoritmo ibrido che taglia drasticamente l'overhead computazionale rispetto ai metodi precedenti.
Il risultato pratico è eloquente: in soli sei mesi, le molecole simulabili con questo metodo sono diventate 40 volte più grandi, mentre l'accuratezza in una fase chiave del flusso di lavoro è migliorata fino a 210 volte.
Perché è rilevante per la ricerca farmacologica
Uno dei problemi più costosi e lenti nello sviluppo di un farmaco è capire come una molecola candidata si leghi a una proteina bersaglio. Oggi i metodi computazionali classici faticano a dare risposte esatte quando le molecole crescono di dimensione, spingendo i ricercatori verso sperimentazioni fisiche lunghe e costose. Un ciclo completo di sviluppo può superare i dieci anni e richiedere investimenti nell'ordine dei miliardi.
Simulare con precisione l'interazione farmaco-proteina nelle prime fasi della ricerca potrebbe tagliare sensibilmente questi tempi e costi. Come sottolinea Kenneth Merz della Cleveland Clinic, il lavoro ha dimostrato "un framework per applicare questi metodi a problemi scientificamente rilevanti su scala più ampia": non un caso di studio isolato, ma un approccio generalizzabile.
Le prospettive del calcolo quantistico per la simulazione oltre la farmacologia
Questa collaborazione, oltre la farmacologia, diventa una storia di infrastruttura computazionale. La stessa capacità di simulare con accuratezza sistemi quantomeccanici complessi, la meccanica degli elettroni in grandi molecole, è esattamente quello che serve in ambiti molto diversi:
Scienza dei materiali: progettare nuovi superconduttori, batterie, semiconduttori o catalizzatori richiede di simulare come gli elettroni si comportano in strutture molecolari complesse. Più la simulazione è accurata, meno esperimenti fisici servono.
Catalisi industriale e chimica verde: molti processi industriali, dalla produzione di fertilizzanti alla conversione del CO₂, dipendono da catalizzatori il cui comportamento è difficile da modellare classicamente. La fissazione dell'azoto, ad esempio, è un problema aperto che potrebbe beneficiare direttamente di simulazioni di questo tipo.
Energia e fotovoltaico: la progettazione di molecole per celle solari o per lo stoccaggio dell'energia richiede la stessa comprensione degli stati elettronici che questo lavoro ha dimostrato.
Chimica computazionale e intelligenza artificiale: modelli di machine learning addestrati su dati di simulazione quantistica accurata potrebbero generare previsioni molto più affidabili, accelerando ulteriormente il ciclo di scoperta.
Un cambio di metrica
"Per anni il progresso nel calcolo quantistico si misurava in qubit, porte logiche e tassi di errore", ha osservato Jay Gambetta di IBM Research. "Oggi possiamo misurarlo anche in base alla dimensione e alla rilevanza dei problemi che riesce a risolvere".
Fino a poco tempo fa, il dibattito era su quando i computer quantistici avrebbero superato i classici in modo generico. Oggi la domanda che conta è diversa: in quali problemi specifici il calcolo quantistico porta un vantaggio reale e misurabile? Questa ricerca indica che la simulazione molecolare è uno di quei problemi, e suggerisce che ce ne sono altri, nelle industrie che dipendono dalla comprensione della materia a livello atomico.
Il prossimo passo dichiarato dal team è scalare le dimensioni delle simulazioni e migliorarne ulteriormente l'accuratezza, puntando a sistemi molecolari ancora più vicini alle condizioni biologiche reali. Con ogni aggiornamento dell'hardware IBM Quantum e dell'algoritmo EWF-TrimSQD, la finestra di ciò che è simulabile si allarga, e con essa, le industrie che potrebbero trarne vantaggio.