Computador quântico simula proteína com 12.635 átomos e 94 qubits

Uma protena com 12.635 tomos, em soluço aquosa, calculada com ajuda de 94 qubits em hardware quântico, isto j aconteceu e marca um salto relevante na simulaço molecular.

A experiência envolveu a Cleveland Clinic, o instituto japonês RIKEN e a IBM, numa abordagem que junta computadores quânticos e supercomputadores clssicos para dividir e recompor o problema. O trabalho modelou complexos protena-ligando em dois casos conhecidos, T4-Lysozyme e Trypsin, e exigiu uma execuço pesada, com milhares de circuitos e uma recolha massiva de mediçes. O ponto no é “ter um nmero bonito”, é mostrar que a qumica computacional em escala biolgica começa a caber num fluxo de trabalho onde o quântico faz as partes mais difceis e o clssico segura o resto, sem promessas milagrosas.

Cleveland Clinic, RIKEN e IBM escalam para 12.635 tomos

O marco foi atingido ao simular complexos protena-ligando com 11.608 tomos e 12.635 tomos, correspondentes a T4-Lysozyme e Trypsin, respetivamente, ambos imersos em gua. Para teres uma noço, durante anos o discurso pblico do quântico em qumica girou à volta de moléculas pequenas, teis para validar métodos, mas longe de sistemas biolgicos com relevância direta para frmacos.

A execuço combinou dois computadores quânticos da IBM Quantum em dois locais, um associado à Cleveland Clinic nos EUA e outro no Japo, e recorreu a dois supercomputadores, Fugaku (RIKEN) e Miyabi-G (Universidade de Tquio e Universidade de Tsukuba). A lgica é pragmtica, cada mquina faz o que sabe: o clssico trata a decomposiço e a montagem, o quântico entra quando a correlaço eletrnica fica mais difcil de aproximar com métodos tradicionais.

O custo computacional também é uma parte da notcia. Foram executados cerca de 9.200 circuitos ao longo de mais de 100 horas, com recolha de 1,3 mil milhes de resultados de mediço. Isto é o tipo de nmero que desmonta a ideia de “carregar num boto e sai a resposta”, porque mostra a logstica real, tempo de mquina, repetiço e estatstica, necessria para reduzir rudo e obter resultados utilizveis.

Algoritmo EWF-TrimSQD divide o problema em fragmentos qumicos

O salto no veio s do hardware. A equipa usou um algoritmo hbrido chamado EWF-TrimSQD (Embedding Wave Function – Trimmed Sample-based Quantum Diagonalization), desenhado para partir um complexo enorme em “fragmentos” computveis e escolher quais os pedaços que justificam o custo quântico. O truque, dito sem jargo, é no tentar meter a protena inteira dentro do processador quântico, porque isso ainda no é realista.

Na prtica, os computadores clssicos identificam regies onde a fsica quântica, como o entrelaçamento eletrnico, é mais relevante, e enviam esses clusters para processadores Heron da IBM. Em partes do fluxo, foram usados até 94 qubits e, segundo a descriço do trabalho, cada simulaço chegou a envolver perto de 6.000 operaçes quânticas em segmentos especficos. Depois, os resultados voltam ao clssico para recompor uma representaço completa da molécula.

H ainda um detalhe técnico que explica por que isto escalou: métodos de crescimento linear que limitam o clculo quântico a uma esfera local de 7-10 angstroms em torno de certos tomos, assumindo que o entrelaçamento diminui com a distância. Isto evita que o custo clssico exploda. Um investigador português em qumica computacional, o “Marc” que conheço de conferências, resumiu-me a ideia com humor, “no é magia, é escolher bem onde gastar a conta do quântico, e aceitar aproximaçes controladas”.

Impacto na descoberta de frmacos e limites do marco dos 94 qubits

O interesse pblico mais direto est na descoberta de medicamentos. Um dos passos mais caros e lentos é perceber como um candidato a frmaco se liga a uma protena-alvo, e como a gua e o ambiente alteram essa ligaço. Ao modelar Trypsin, uma protena ligada à digesto, e T4-Lysozyme, a equipa quis mostrar que j d para atacar sistemas “com cara de biologia”, no apenas moléculas de demonstraço.

Os nmeros divulgados apontam para uma aceleraço rpida do campo: foi referido um aumento de 40 vezes no tamanho do sistema e uma melhoria de 210 vezes na preciso face a benchmarks de meses antes. Isto interessa a quem faz qumica e materiais porque sugere uma curva de aprendizagem, com melhorias simultâneas em algoritmo, seleço de fragmentos e execuço. O objetivo final é ter workflows de qumica mais teis, desde desenho de frmacos até materiais para tecnologia e infraestruturas.

Agora, o lado crtico, porque convém no vender isto como “o quântico j resolveu a medicina”. O prprio custo de execuço, mais de 100 horas e 1,3 mil milhes de mediçes, mostra que ainda é um processo pesado e especializado. E o resultado depende de um casamento delicado entre aproximaçes clssicas e correçes quânticas. O marco é real e importante, mas é um marco de engenharia e método, no uma aplicaço clnica pronta a entrar num laboratrio de hospital amanh.