IBM unisce calcolo quantistico e supercalcolo tradizionale per la più complessa simulazione proteica mai effettuata

È più efficace il calcolo quantistico o il tradizionale supercalcolo per simulare proteine complesse? Secondo IBM, la risposta giusta è quella di usarli entrambi, in parallelo. Insieme a Cleveland Clinic e RIKEN, Big Blue ha infatti modellato una proteina da 12.635 atomi, la più grande mai simulata, facendo leva su una combinazione delle due tecnologie. 

Quantum-centric supercomputing: elaboratori tradizionali e quantistici insieme per la simulazione di proteine complesse

Il nuovo approccio al supercalcolo sperimentato da IBM si chiama quantum-centric supercomputing e combina i tradizionali HPC con i più moderni elaboratori quantistici, delegando a ciascuna architettura la tipologia di calcoli con la quale è più efficace. 

Il banco di prova è stato dato dalla simulazione della proteina più complessa mai effettuata su un elaboratore quantistico, composta da ben 12,635 atomi. Per farlo, IBM, Cleveland Clinic e RIKEN hanno sviluppato un algoritmo progettato per far lavorare insieme computer quantistici e sistemi classici. Con questo approccio, i ricercatori sono riusciti a simulare due proteine di rilevanza biochimica circa 40 volte più grandi rispetto a quelle gestibili dallo stesso metodo appena sei mesi fa. Nello stesso periodo, l’accuratezza delle simulazioni in una fase cruciale del workflow è cresciuta fino a 210 volte.

I processori IBM Quantum Heron da 156 qubit, operanti all’interno dei computer quantistici IBM sia presso la Cleveland Clinic negli Stati Uniti sia presso RIKEN in Giappone, hanno calcolato il comportamento quantomeccanico di queste parti in tandem con due tra i più potenti supercomputer classici: Fugaku di RIKEN e Miyabi‑G, gestito dall’Università di Tokyo e dall’Università di Tsukuba. La potenza dell’hardware quantistico IBM è stata essenziale per l’accuratezza e il successo del calcolo, che ha richiesto in alcune parti della simulazione fino a 94 qubit e quasi 6.000 operazioni quantistiche. I risultati sono stati poi ricomposti sui computer classici per ottenere una rappresentazione completa della molecola.

Perché questo esperimento è importante

Secondo IBM, questo esperimento ha dimostrato come la possibilità di scalare simulazioni accurate di sistemi molecolari può diventare uno strumento chiave per prevedere con maggiore precisione l’interazione tra farmaci e proteine target. Nella drug discovery computazionale le sfide principali restano due: ricostruire il movimento degli atomi durante i processi biologici e calcolare in modo affidabile le energie in gioco. È proprio su questi due fronti che il quantum-centric supercomputing inizia a mostrare un contributo concreto.

Con l’evoluzione dei computer quantistici, in futuro sarà possibile anche simulare catalizzatori enzimatici, meccanismi farmacologici e altri comportamenti molecolari che oggi richiedono ancora soprattutto sperimentazione di laboratorio.

"Questo lavoro rappresenta un importante passo avanti e sottolinea il ruolo emergente del calcolo quantistico nei sistemi per la scoperta dei farmaci", dichiara Kenneth Merz, Ph.D., autore principale dello studio e staff scientist del Computational Life Sciences Department della Cleveland Clinic. "Superando la soglia dei 12.000 atomi, abbiamo ampliato in modo significativo la scala delle simulazioni molecolari biologicamente rilevanti possibili con il calcolo quantistico e dimostrato un framework per applicare questi metodi a problemi scientificamente rilevanti su scala più ampia".

"Per anni, il calcolo quantistico è stato una promessa. Oggi, i computer quantistici stanno producendo risultati che contano davvero per la scienza", afferma Jay Gambetta, Direttore di IBM Research e IBM Fellow. "I sistemi che abbiamo simulato sono il tipo di molecole con cui biologi e chimici lavorano nel mondo reale. I computer quantistici non stanno più dimostrando di essere solo strumenti validi, ma che possono apportare contributi significativi nelle architetture di quantum-centric supercomputing".