飞秒级化学反应放缓至肉眼可见,首次使用量子计算机将模拟化学反应减慢1000亿倍

澳大利亚悉尼大学的科学家首次使用量子计算机直接观察到一个对化学反应至关重要的过程,实现这一突破的关键是将原过程速度从飞秒尺度减慢至毫秒尺度。联合首席研究员 Vanessa Olaya Agudelo 博士说:「通过了解分子内部和分子之间的这些基本过程,我们可以在材料科学、药物设计或太阳能收集方面开辟一个新的可能性世界。「它还可以帮助改善依赖分子与光相互作用的其他过程,例如烟雾是如何产生的或臭氧层是如何被破坏的。」研究小组目睹了化学中一种常见的被称为「圆锥形交叉点」的几何结构引起的单个原子的干涉图案。圆锥形交叉点在化

澳大利亚悉尼大学的科学家首次使用量子计算机直接观察到一个对化学反应至关重要的过程,实现这一突破的关键是将原过程速度从飞秒尺度减慢至毫秒尺度。

联合首席研究员 Vanessa Olaya Agudelo 博士说:「通过了解分子内部和分子之间的这些基本过程,我们可以在材料科学、药物设计或太阳能收集方面开辟一个新的可能性世界。

「它还可以帮助改善依赖分子与光相互作用的其他过程,例如烟雾是如何产生的或臭氧层是如何被破坏的。」

研究小组目睹了化学中一种常见的被称为「圆锥形交叉点」的几何结构引起的单个原子的干涉图案。

圆锥形交叉点在化学中众所周知,对于快速光化学过程(例如人类视觉或光合作用中的光捕获)至关重要。自 20 世纪 50 年代以来,化学家一直试图直接观察化学动力学中的此类几何过程,但鉴于所涉及的时间尺度极快,直接观察它们是不可行的。

为了解决这个问题,物理学院和化学学院的量子研究人员以全新的方式利用俘获离子量子计算机进行了一项实验。这使得他们能够设计这个非常复杂的问题并将其映射到一个相对较小的量子设备上,然后将整个过程减慢 1000 亿倍。

该研究以「Direct observation of geometric-phase interference in dynamics around a conical intersection」为题,于 2023 年 8 月 28 日发布在《Nature Chemistry》上。

论文链接:https://www.nature.com/articles/s41557-023-01300-3

「使用我们的量子计算机,我们建立了一个系统,使我们能够将化学动力学从飞秒减慢到毫秒。这使我们能够进行有意义的观察和测量。这以前从未有人做过。」

联合主要作者、物理学院的 Christophe Valahu 博士说:「到目前为止,我们一直无法直接观察几何相位的动力学;它发生得太快,无法通过实验进行探测。利用量子技术,我们已经解决了这个问题。」

Valahu 说,这类似于在风洞中模拟飞机机翼周围的空气模式。

「我们的实验不是这个过程的数字近似——这是对量子动力学以我们可以观察到的速度展开的直接模拟观察,」他说。

在光合作用等光化学反应中,植物从太阳获取能量,分子以闪电般的速度传递能量,形成称为圆锥形交叉点的交换区域。

这项研究减慢了量子计算机的动力学速度,并揭示了与光化学中的圆锥形交叉相关的预测但从未见过的标志。

合著者和研究小组负责人,来自化学学院和悉尼大学纳米研究所的副教授 Ivan Kassal 表示:「这一令人兴奋的结果将帮助我们更好地理解超快动力学——分子如何在最快的时间尺度上发生变化。

「在悉尼大学,我们能够使用全国最好的可编程量子计算机来进行这些实验,这真是太棒了。」

用于进行实验的量子计算机位于量子初创公司 Q-CTRL 的创始人 Michael Biercuk 教授的量子控制实验室中。该实验由 Ting Rei Tan 博士领导。

该研究的合著者 Tan 说:「这是化学理论家和实验量子物理学家之间的一次奇妙的合作。我们正在使用一种新的物理学方法来解决化学中长期存在的问题。」

参考内容:https://phys.org/news/2023-08-scientists-quantum-device-simulated-chemical.html

相关资讯

仅几秒,准确推断蛋白动力学信息,山大、北理工等AI模型RMSF-net登Nature子刊

编辑 | KX蛋白质的动力学对于理解其机制至关重要。然而,通过计算预测蛋白质动学信息具有挑战性。在此,来自山东大学、百图生科(BioMap)、北京理工大学、湖北医药学院、宁夏医科大学和阿卜杜拉国王科技大学(KAUST)的研究团队,提出了一个神经网络模型 RMSF-net,其优于以前的方法,并在大规模蛋白质动力学数据集中产生最佳结果;该模型可以在几秒钟内准确推断出蛋白质的动力学信息。通过从实验蛋白质结构数据和低温电子显微镜 (cryo-EM) 数据集成中有效地学习,该方法能够准确识别低温电子显微镜图和 PDB 模型之

AI自动化系统可以快速找到新的电池化学成分,比人工测试要快得多

编辑 | 萝卜皮开发高能高效电池技术是推进交通和航空电气化的关键方面。然而,电池创新可能需要数年时间才能实现。在非水电池电解质溶液的情况下,选择多种溶剂、盐及其相对比例的许多设计变量使得电解质优化既费时又费力。为了克服这些问题,卡内基梅隆大学(Carnegie Mellon University)的研究团队提出了一种实验设计,将机器人技术(一个名为「Clio」的定制自动化实验)与机器学习(一个名为「Dragonfly」的基于贝叶斯优化的实验计划器)结合起来。在单盐和三元溶剂设计空间内对电解质电导率进行自主优化,在两

几何深度学习揭示微观运动的时空特征

编辑 | 白菜叶生命系统中动力学过程的表征为其机械解释和与生物功能的联系提供了重要线索。由于显微镜技术的最新进展,现在可以在生理条件下以多个时空尺度常规记录细胞、细胞器和单个分子的运动。然而,在拥挤和复杂的环境中发生的动态自动分析仍然落后于微观图像序列的获取。在这里,哥德堡大学的研究人员提出了一个基于几何深度学习的框架,可以在各种生物学相关场景中实现对动力学特性的准确估计。这种深度学习方法依赖于由基于注意力的组件增强的图形神经网络。通过使用几何先验处理对象特征,网络能够执行多项任务,从将坐标链接到轨迹到推断局部和全