AI摘要：氚是一种放射性氢同位素，在自然界中极其稀少。因此，这项研究的另一个重大贡献是，它用确凿的数据，指明了通往未来聚变能源材料研究的下一步方向：科学家必须开发更精巧的“碎片构建策略”，即更柔和的切割方式，在量子计算机算得更准的同时，解决“无损缝合”的难题。
意义不止于核聚变
橡树岭国家实验室、克利夫兰诊所和IBM的科学家们联手开展了这项研究。IBM量子中心超级计算CTO Jerry Chow表示：“这些结果进一步证明，以量子计算为中心的超级计算已经成了能解决化学家、工程师和材料科学家的长期难题的实用科学工具。”
► 文 观察者网心智观察所
要想实现可控核聚变，造出“人造太阳”，首先要解决一个根本问题：燃料从哪来？近日，量子计算给出了一个令人振奋的答案，科学家首次用量子计算机成功模拟了可控核聚变的关键材料的分子构型，为化解氚燃料短缺难题提供了全新工具。
用于这项计算的量子计算机
核聚变燃料，卡就卡在“稀有”上
核聚变反应堆的原理并不复杂：把氢的同位素，氘和氚，加热到上亿摄氏度，让它们融合成氦，释放出巨大能量。氘在海水里随处可见，每立方米海水中大约含有33克氘。问题出在另一半：氚。
氚是一种放射性氢同位素，在自然界中极其稀少。全球每年通过人工方式生产的氚只有大约20千克。更麻烦的是，氚的半衰期只有12年左右，放得久了，自己就会衰变掉。一座1吉瓦级的聚变电站每天可能要消耗约0.45千克的氚。单靠外部供应根本不现实。
那怎么办？答案是：让反应堆自产自销，自造燃料。
科学家们设计了一个巧妙的方案：在反应堆核心外围包裹一层厚厚的液态锂盐，称为“增殖包层”。聚变反应所释放的高能中子轰击锂盐中的锂-6原子时，锂会“裂开”，生成氚和氦。这样一来，反应堆一边消耗氚，一边又在制造氚，实现燃料的自给自足。
然而，这个方案有一个致命难点：材料的选择和设计极其复杂。
FLiBe：最有前途，也最难搞的熔盐
在众多候选材料中，FLiBe脱颖而出，它是一种由氟化锂和氟化铍混合而成的熔盐。美国能源部于2026年6月将FLiBe列为聚变包层的首选材料。
FLiBe之所以备受青睐，是因为它身兼多职：既能增殖氚，又能传递热量，还能屏蔽辐射。但问题也恰恰出在这里，FLiBe的化学行为极其复杂。高能中子不断轰击熔盐时，FLiBe的化学成分时刻在变化。
氚到底会以什么形态存在，直接决定了能否把它有效回收：如果氚以气体形式逸出，就能轻松收集；但如果它和氟结合生成氟化氚，就会变成一种具有腐蚀性且极难分离的物质。
预测氚在FLiBe中的行为，需要精确计算分子中电子的排布和相互作用。只有搞清楚电子怎么排布，才能知道氚在FLiBe里究竟会“跟谁走”。而恰恰是这项计算，难倒了地球上最快的超级计算机。
可控核聚变的托卡马克装置
为何经典超算撞上了计算天花板？
FLiBe熔盐的一切秘密，如是否耐腐蚀、能否高效释放氚、如何传递热量，最终都归结为一个核心问题：电子是如何排布的？
这个问题听来简单，实则是一个噩梦级别的数学问题。在量子世界里，电子没有运动轨道，它们像一团概率云雾笼罩在原子核周围。为了描述这团云雾，只能用波函数。波函数包含了分子的所有信息，堪称微观世界的“电子图纸”。要精确画出一张FLiBe分子的“电子图纸”，需要求解薛定谔方程。问题在于，当分子里的电子超过两个，这个方程就无法精确求解了。在FLiBe熔盐中，电子之间存在着强烈的相互作用，物理学家称之为电子关联效应。电子们不仅受原子核吸引，彼此之间还在不停推搡、躲闪，这种复杂的“社交行为”极其难以模拟。
经典超级计算机是怎么算的呢？它以蛮力枚举。假如有N个电子，每个电子有无数种可能的位置分布，计算机需要把所有这些可能性全部遍历一遍。这个计算量不是随着N的增加而线性增长，而是2的N次方，呈指数级爆炸。每增加一个电子，计算量就翻一倍。
如果用业界公认最精确的经典计算方法来计算FLiBe分子，哪怕仅仅包含21个离子的极小分子簇，其计算量也远远超过宇宙中所有原子数量的总和，地球上最快的超算即使跑到报废也跑不完。
怎么办？经典计算机退而求其次，采用了一种偷懒但高效的方法：密度泛函理论（DFT）。该理论不再关心每个电子怎么动，只看空间中电子的平均密度。这就像统计一个城市的人口，不需要知道每个人的具体位置，只要知道哪个区域人多就行了。这大大降低了计算量，但也牺牲了精度。在处理FLiBe这种带电、强极化（电子云容易变形）的离子体系时，误差可能高达10%以上。10%的误差，足以让科学家没法准确判断氚到底是会变成气体冒出来，还是会变成腐蚀物粘在管壁上：这一点决定了整个反应堆设计方案的生死。
就在这时，量子计算机，微观世界的原住民，登场了。它之所以能解决经典计算机搞不定的问题，根本原因在于底层物理逻辑的改变。
经典计算机用“比特”作为最小单位，一个比特要么是0，要么是1。它在模拟量子现象时，相当于用一堆开关（0和1）去拼凑一个连续波动的海浪，非常吃力。
量子计算机则用量子比特作为最小单位。量子比特可以同时是0和1，是0和1的任意组合。更重要的是，多个量子比特还能形成纠缠态，使得它们不再是相互独立的个体，而是一个不可分割的整体。
这就带来了一个降维打击般的优势：N个量子比特构成了一个2的N次方维的数学空间，让量子算法可以在其中利用干涉和纠缠进行大规模并行振幅操作，实现经典算法难以企及的加速。如果说经典计算机是在用乐高积木搭一座复杂的沙盘模型，那么量子计算机就是直接把真实的微观世界搬了过来，量子计算机本身就是由物质波和量子态造出来的，它天生就懂电子是怎么“社交”的。
需要说明的是，量子计算机并非真能同时计算这2的N次方种状态，犹如同时运行了这么多台经典计算机。实际过程是：量子算法通过精心设计的量子门操作，利用干涉效应让错误的路径相消、正确的路径相长，最终以高概率塌缩到正确答案。这是一种对量子振幅的精密操纵艺术，而非简单的暴力并行。
尽管量子计算机很强，但目前的量子处理器（IBM的Heron芯片）还不够大，只有几百个量子比特，无法独立处理完整的FLiBe大分子。于是，研究团队祭出一套精妙的“分而治之”策略。这个方法的精髓，可以想象成修复一幅巨大且复杂的拼图，但你的手头只有一把很小的放大镜，也就是量子计算机。你不能一次性看全整幅图，那怎么办？
第一步，AI当“筛子”。AI先从庞大的熔盐研究数据库中筛选出最有希望的候选材料。
第二步，超级计算机当主力。最有希望的盐类被送到目前全球最快的超级计算机之一上面。超算用密度泛函理论对材料进行逐原子建模，确定分子的大致骨架，找出了电子关联效应最强、最难啃的“硬骨头碎片”。
第三步，量子计算机当特种兵。 那些电子关联效应最复杂、经典理论无计可施的核心碎片，被精挑细选出来，送进IBM的Quantum Heron量子处理器。科学家运行了一种名为“扩展样本量子对角化”的先进算法。这种算法不是硬算某个单一的方程，而是利用量子比特的叠加态，通过量子电路快速生成海量的试探性电子排布样本。就像给电子拍了千万张不同角度的快照，然后从中筛选出能量最低、最稳定的那个真实基态。由于量子处理器天生能并行处理这千万种可能性，它算得又快又准。
第四步：拼回去，发现新问题。量子计算机算完碎片，经典计算机再把这些精准的碎片数据“缝合”回大分子骨架中。
实验结果令人振奋，也揭示了新的挑战。结果显示，量子计算机在计算碎片内部能量时，精度极高，与目前最精确的经典计算方法相比，误差控制在0.7 kcal/mol以内。通俗地说，量子计算机在这方面的表现，达到了优等生水平。然而，一旦把碎片计算结果拼回完整分子，误差急剧放大到了12 kcal/mol和110 kcal/mol。这个巨大的落差恰恰揭示了当前技术的核心瓶颈，问题不在于量子计算机算不准碎片，而在于把碎片的计算结果还原到宏观尺度时，边界上的微小“毛刺”，也即误差，在跨尺度的数学拼接过程中被急剧放大了。就像要把一张撕裂的地图重新粘合，即便局部复原得再好，接缝处的褶皱也会导致整体地形图的巨大变形。
因此，这项研究的另一个重大贡献是，它用确凿的数据，指明了通往未来聚变能源材料研究的下一步方向：科学家必须开发更精巧的“碎片构建策略”，即更柔和的切割方式，在量子计算机算得更准的同时，解决“无损缝合”的难题。
值得注意的是，这项研究的意义并不局限于核聚变。论文指出，熔盐自由能计算中面临的计算挑战，在催化化学和生物化学等领域同样存在。换句话说，这套方法论一旦成熟，将惠及整个化学和材料科学领域。
量子计算机，算出了通往“人造太阳”的第一条路
回到我们最初的问题：可控核聚变的燃料氚从哪里来？答案就藏在FLiBe熔盐那复杂到令人绝望的电子云里。经典计算机已经在指数级黑洞前止步了。这一次，量子计算机所做的，是把经典计算机根本算不了的那个核心的聚变难题，实实在在地算了出来。研究团队用确凿的数据证明了这条路行得通。
当然，科学家也发现了新问题，但这不是量子计算机的问题，而是策略优化问题。换句话说，量子计算机已经证明了自己的能力，接下来要解决的是如何更好地驾驭它。
这是人类第一次利用真正的量子硬件，为核聚变材料的设计提供了可验证的计算路径。从此，科学家有了一个全新的工具，能够深入电子的量子世界，直面那些此前根本无法触碰的复杂计算。
距离真正的人造太阳还有很长一段路要走。但挡在路上的第一道高墙至少已经被量子计算机撕开了一个口子。
研究团队的Tom Beck教授说：“五个月前刚刚开启这项工作时，我没想过这么快就能走到这一步。”而这一步，足以让人们相信：量子计算机，或许正是点燃那颗太阳的火把。
参考资料
Das, S. et al. (2026). Quantum Computations on Fusion Blanket Molten Salts. arXiv:2606.30402.
https://interestingengineering.com/ai-robotics/quantum-algorithm-faster-ai-scientific-computing
来源|心智观察所
禁止转载
暂无回复，快来抢沙发吧！
本次需消耗银元：
100
当前账户余额: 0 银元
意义不止于核聚变
橡树岭国家实验室、克利夫兰诊所和IBM的科学家们联手开展了这项研究。IBM量子中心超级计算CTO Jerry Chow表示：“这些结果进一步证明，以量子计算为中心的超级计算已经成了能解决化学家、工程师和材料科学家的长期难题的实用科学工具。”
► 文 观察者网心智观察所
要想实现可控核聚变，造出“人造太阳”，首先要解决一个根本问题：燃料从哪来？近日，量子计算给出了一个令人振奋的答案，科学家首次用量子计算机成功模拟了可控核聚变的关键材料的分子构型，为化解氚燃料短缺难题提供了全新工具。
用于这项计算的量子计算机
核聚变燃料，卡就卡在“稀有”上
核聚变反应堆的原理并不复杂：把氢的同位素，氘和氚，加热到上亿摄氏度，让它们融合成氦，释放出巨大能量。氘在海水里随处可见，每立方米海水中大约含有33克氘。问题出在另一半：氚。
氚是一种放射性氢同位素，在自然界中极其稀少。全球每年通过人工方式生产的氚只有大约20千克。更麻烦的是，氚的半衰期只有12年左右，放得久了，自己就会衰变掉。一座1吉瓦级的聚变电站每天可能要消耗约0.45千克的氚。单靠外部供应根本不现实。
那怎么办？答案是：让反应堆自产自销，自造燃料。
科学家们设计了一个巧妙的方案：在反应堆核心外围包裹一层厚厚的液态锂盐，称为“增殖包层”。聚变反应所释放的高能中子轰击锂盐中的锂-6原子时，锂会“裂开”，生成氚和氦。这样一来，反应堆一边消耗氚，一边又在制造氚，实现燃料的自给自足。
然而，这个方案有一个致命难点：材料的选择和设计极其复杂。
FLiBe：最有前途，也最难搞的熔盐
在众多候选材料中，FLiBe脱颖而出，它是一种由氟化锂和氟化铍混合而成的熔盐。美国能源部于2026年6月将FLiBe列为聚变包层的首选材料。
FLiBe之所以备受青睐，是因为它身兼多职：既能增殖氚，又能传递热量，还能屏蔽辐射。但问题也恰恰出在这里，FLiBe的化学行为极其复杂。高能中子不断轰击熔盐时，FLiBe的化学成分时刻在变化。
氚到底会以什么形态存在，直接决定了能否把它有效回收：如果氚以气体形式逸出，就能轻松收集；但如果它和氟结合生成氟化氚，就会变成一种具有腐蚀性且极难分离的物质。
预测氚在FLiBe中的行为，需要精确计算分子中电子的排布和相互作用。只有搞清楚电子怎么排布，才能知道氚在FLiBe里究竟会“跟谁走”。而恰恰是这项计算，难倒了地球上最快的超级计算机。
可控核聚变的托卡马克装置
为何经典超算撞上了计算天花板？
FLiBe熔盐的一切秘密，如是否耐腐蚀、能否高效释放氚、如何传递热量，最终都归结为一个核心问题：电子是如何排布的？
这个问题听来简单，实则是一个噩梦级别的数学问题。在量子世界里，电子没有运动轨道，它们像一团概率云雾笼罩在原子核周围。为了描述这团云雾，只能用波函数。波函数包含了分子的所有信息，堪称微观世界的“电子图纸”。要精确画出一张FLiBe分子的“电子图纸”，需要求解薛定谔方程。问题在于，当分子里的电子超过两个，这个方程就无法精确求解了。在FLiBe熔盐中，电子之间存在着强烈的相互作用，物理学家称之为电子关联效应。电子们不仅受原子核吸引，彼此之间还在不停推搡、躲闪，这种复杂的“社交行为”极其难以模拟。
经典超级计算机是怎么算的呢？它以蛮力枚举。假如有N个电子，每个电子有无数种可能的位置分布，计算机需要把所有这些可能性全部遍历一遍。这个计算量不是随着N的增加而线性增长，而是2的N次方，呈指数级爆炸。每增加一个电子，计算量就翻一倍。
如果用业界公认最精确的经典计算方法来计算FLiBe分子，哪怕仅仅包含21个离子的极小分子簇，其计算量也远远超过宇宙中所有原子数量的总和，地球上最快的超算即使跑到报废也跑不完。
怎么办？经典计算机退而求其次，采用了一种偷懒但高效的方法：密度泛函理论（DFT）。该理论不再关心每个电子怎么动，只看空间中电子的平均密度。这就像统计一个城市的人口，不需要知道每个人的具体位置，只要知道哪个区域人多就行了。这大大降低了计算量，但也牺牲了精度。在处理FLiBe这种带电、强极化（电子云容易变形）的离子体系时，误差可能高达10%以上。10%的误差，足以让科学家没法准确判断氚到底是会变成气体冒出来，还是会变成腐蚀物粘在管壁上：这一点决定了整个反应堆设计方案的生死。
就在这时，量子计算机，微观世界的原住民，登场了。它之所以能解决经典计算机搞不定的问题，根本原因在于底层物理逻辑的改变。
经典计算机用“比特”作为最小单位，一个比特要么是0，要么是1。它在模拟量子现象时，相当于用一堆开关（0和1）去拼凑一个连续波动的海浪，非常吃力。
量子计算机则用量子比特作为最小单位。量子比特可以同时是0和1，是0和1的任意组合。更重要的是，多个量子比特还能形成纠缠态，使得它们不再是相互独立的个体，而是一个不可分割的整体。
这就带来了一个降维打击般的优势：N个量子比特构成了一个2的N次方维的数学空间，让量子算法可以在其中利用干涉和纠缠进行大规模并行振幅操作，实现经典算法难以企及的加速。如果说经典计算机是在用乐高积木搭一座复杂的沙盘模型，那么量子计算机就是直接把真实的微观世界搬了过来，量子计算机本身就是由物质波和量子态造出来的，它天生就懂电子是怎么“社交”的。
需要说明的是，量子计算机并非真能同时计算这2的N次方种状态，犹如同时运行了这么多台经典计算机。实际过程是：量子算法通过精心设计的量子门操作，利用干涉效应让错误的路径相消、正确的路径相长，最终以高概率塌缩到正确答案。这是一种对量子振幅的精密操纵艺术，而非简单的暴力并行。
尽管量子计算机很强，但目前的量子处理器（IBM的Heron芯片）还不够大，只有几百个量子比特，无法独立处理完整的FLiBe大分子。于是，研究团队祭出一套精妙的“分而治之”策略。这个方法的精髓，可以想象成修复一幅巨大且复杂的拼图，但你的手头只有一把很小的放大镜，也就是量子计算机。你不能一次性看全整幅图，那怎么办？
第一步，AI当“筛子”。AI先从庞大的熔盐研究数据库中筛选出最有希望的候选材料。
第二步，超级计算机当主力。最有希望的盐类被送到目前全球最快的超级计算机之一上面。超算用密度泛函理论对材料进行逐原子建模，确定分子的大致骨架，找出了电子关联效应最强、最难啃的“硬骨头碎片”。
第三步，量子计算机当特种兵。 那些电子关联效应最复杂、经典理论无计可施的核心碎片，被精挑细选出来，送进IBM的Quantum Heron量子处理器。科学家运行了一种名为“扩展样本量子对角化”的先进算法。这种算法不是硬算某个单一的方程，而是利用量子比特的叠加态，通过量子电路快速生成海量的试探性电子排布样本。就像给电子拍了千万张不同角度的快照，然后从中筛选出能量最低、最稳定的那个真实基态。由于量子处理器天生能并行处理这千万种可能性，它算得又快又准。
第四步：拼回去，发现新问题。量子计算机算完碎片，经典计算机再把这些精准的碎片数据“缝合”回大分子骨架中。
实验结果令人振奋，也揭示了新的挑战。结果显示，量子计算机在计算碎片内部能量时，精度极高，与目前最精确的经典计算方法相比，误差控制在0.7 kcal/mol以内。通俗地说，量子计算机在这方面的表现，达到了优等生水平。然而，一旦把碎片计算结果拼回完整分子，误差急剧放大到了12 kcal/mol和110 kcal/mol。这个巨大的落差恰恰揭示了当前技术的核心瓶颈，问题不在于量子计算机算不准碎片，而在于把碎片的计算结果还原到宏观尺度时，边界上的微小“毛刺”，也即误差，在跨尺度的数学拼接过程中被急剧放大了。就像要把一张撕裂的地图重新粘合，即便局部复原得再好，接缝处的褶皱也会导致整体地形图的巨大变形。
因此，这项研究的另一个重大贡献是，它用确凿的数据，指明了通往未来聚变能源材料研究的下一步方向：科学家必须开发更精巧的“碎片构建策略”，即更柔和的切割方式，在量子计算机算得更准的同时，解决“无损缝合”的难题。
意义不止于核聚变
橡树岭国家实验室、克利夫兰诊所和IBM的科学家们联手开展了这项研究。IBM量子中心超级计算CTO Jerry Chow表示：“这些结果进一步证明，以量子计算为中心的超级计算已经成了能解决化学家、工程师和材料科学家的长期难题的实用科学工具。”
值得注意的是，这项研究的意义并不局限于核聚变。论文指出，熔盐自由能计算中面临的计算挑战，在催化化学和生物化学等领域同样存在。换句话说，这套方法论一旦成熟，将惠及整个化学和材料科学领域。
量子计算机，算出了通往“人造太阳”的第一条路
回到我们最初的问题：可控核聚变的燃料氚从哪里来？答案就藏在FLiBe熔盐那复杂到令人绝望的电子云里。经典计算机已经在指数级黑洞前止步了。这一次，量子计算机所做的，是把经典计算机根本算不了的那个核心的聚变难题，实实在在地算了出来。研究团队用确凿的数据证明了这条路行得通。
当然，科学家也发现了新问题，但这不是量子计算机的问题，而是策略优化问题。换句话说，量子计算机已经证明了自己的能力，接下来要解决的是如何更好地驾驭它。
这是人类第一次利用真正的量子硬件，为核聚变材料的设计提供了可验证的计算路径。从此，科学家有了一个全新的工具，能够深入电子的量子世界，直面那些此前根本无法触碰的复杂计算。
距离真正的人造太阳还有很长一段路要走。但挡在路上的第一道高墙至少已经被量子计算机撕开了一个口子。
研究团队的Tom Beck教授说：“五个月前刚刚开启这项工作时，我没想过这么快就能走到这一步。”而这一步，足以让人们相信：量子计算机，或许正是点燃那颗太阳的火把。
参考资料
Das, S. et al. (2026). Quantum Computations on Fusion Blanket Molten Salts. arXiv:2606.30402.
https://interestingengineering.com/ai-robotics/quantum-algorithm-faster-ai-scientific-computing
来源|心智观察所
禁止转载