[发明专利]用于量子计算使能的分子从头算模拟的方法和系统

说明书

本公开提供了用于使用经典和非经典(例如，量子)计算的混合架构来计算化学系统的量子机械能和/或电子结构，以及识别化学系统(例如，分子)的稳定构象和/或对化学系统执行从头算分子动力学计算或模拟的方法和系统。

交叉引用

本申请要求于2019年12月17日提交的美国临时专利申请序列号62/949,263和2019年5月13日提交的美国临时申请序列号62/847,141的权益，该申请出于所有目的通过引用整体并入本文。

背景技术

在化学和生物学中，因为分子功能固有地嵌入分子构象(molecularconformation)中，对分子的电子结构和最能量稳定构象的识别和预测具有重要意义。例如，催化反应中的反应速率可以基于使用几种不同构象的催化剂中的哪一种而显著变化。作为另一示例，蛋白质在其形成一定的三级结构时更起作用或才起作用。

为了准确地识别和预测电子结构和最稳定的构象异构体，可以执行高度精确的量子化学方法，例如耦合簇理论(CC)或完全组态相互作用(Full CI)。然而，此类方法的计算成本会随着分子的大小呈指数级增长，并且在分子大小超过CC约50个原子和Full CI约10个原子的情况下，即使在一些当前最先进的经典计算机上执行，它们也经常变得难以处理。因此，需要高效和准确的计算框架来识别与工业相关的化合物和与生物相关的大分子的最稳定构象。

与经典计算相比，量子计算(QC)技术可能能够以指数更少的计算资源来计算分子的量子机械能和/或电子结构。因此，使用经典计算难以处理的高精度量子化学计算可能使用QC方法会变得易于处理。然而，QC方法可能会面临挑战，例如，QC资源的高成本和稀缺性。此外，增加量子计算机中的量子位数量是一项技术挑战，这限制了量子计算设备的尺寸。此外，量子位对噪声和环境影响非常灵敏，这可能导致量子位在很短的时间内退化(decohere)，从而为运行有意义的计算提供了一个相对较小的窗口。

发明内容

本文中认识到需要有效利用当前和近期的量子计算系统来解决复杂的量子化学问题的量子算法和电路。一种方法是将工业规模的问题分解为子问题、识别更复杂的子问题、然后使用量子计算机仅处理问题的子集，例如那些对于经典计算机具有挑战性的子问题。

本文提供的系统和方法利用量子化学中的问题分解(PD)技术来识别和预测电子结构以及分子的一组最能量稳定的构象异构体。这样的PD技术可以包括碎片分子轨道理论(FMO)方法、分治算法(DC)方法、密度矩阵嵌入理论(DMET)方法、密度矩阵重整化群(DMRG)方法、张量网络、增量方法等，如本文所述。

在量子化学中，已经开发出PD技术以使用经典计算以合理的准确度有效地计算分子能量和/或电子结构。在PD技术中，分子可分解成较小的片段，使得对于每个片段，量子机械能和/或电子结构计算变得易于处理。然后可以针对每个片段分别执行量子机械能和/或电子结构计算。由每个片段产生的量子机械能和/或电子结构计算可以重组为原始分子的解决方案。

本文提供的用于在QC平台上执行PD技术的系统和方法可以使每个片段的量子机械能和/或电子结构计算能够以高水平的准确度来执行。进一步地，每个片段的小尺寸可以允许在计算规模相当有限的QC设备上执行高度准确的计算，从而有效且准确地获得复杂的、与工业相关分子的能量和/或电子结构。

分子的电子结构和最能量稳定的构象异构体的识别是化学和生物学相关研究与开发的基本过程。尽管可以通过实际合成分子并使用各种物理化学测量来识别其电子结构和构象来执行此类过程，但此类实验过程可能需要非常大量的资源，例如人力和时间。因此，诸如本公开内容所提供的那些高效且准确的计算方法和系统可以显著减少对这种资源的需求，并使通用的RD过程更加有效。进一步地，本文描述的方法和系统不简单地可以应用于单个化学系统结构(例如，化合物和生物分子)，而且还可以应用于具有不同缔合的分子聚集体。例如，本文公开的方法和系统可以用于识别候选药物相对于靶蛋白的最稳定的结合方向，所述结合方向是从可能的结合方向的集合中确定的。