In einer Welt, in der die Genauigkeit quantenchemischer Berechnungen die Zukunft von Katalysatoren und biologischen Prozessen bestimmt, hat ein Team von IBM, RIKEN und NVIDIA einen bemerkenswerten Schritt nach vorn gemacht. Mit einem 72-Qubit-Quantenprozessor und einem leistungsstarken Supercomputer verbesserten die Forscher die Genauigkeit der Energieberechnungen des Eisen-Schwefel-Clusters Fe4S4 erheblich.
Untersuchungsobjekt ist der Modellkomplex [Fe4S4(SCH3)4]²⁻, ein Schlüsselelement von Ferredoxinen und Nitrogenase. Diese Cluster sind am Elektronentransfer in lebenden Organismen beteiligt, und ihre elektronischen Zustände sind aufgrund der starken Korrelation vieler Elektronen äußerst komplex. Der aktive Raum umfasste 54 Elektronen und 36 Orbitale, was die Berechnungen zu einer ernsthaften Herausforderung für klassische Methoden macht.
Die Wissenschaftler wandten die hybride Methode Sample-Based Quantum Diagonalization (SQD) an. Der Quantenprozessor ibm_kingston sammelte Stichproben elektronischer Konfigurationen, während der Supercomputer ROQUO mit NVIDIA-GPUs die anschließende Verarbeitung und Diagonalisierung durchführte. Die wichtigste Neuerung ist die Verwendung einer gebrochenen Spinsymmetrie als Ausgangszustand (BS-UHF), wodurch die magnetischen Wechselwirkungen zwischen den Eisenatomen sofort berücksichtigt werden konnten.
Das Ergebnis ist beeindruckend: Die beste direkte Energie lag nur 4,3 Millihartree über dem mit der DMRG-Methode bei einer Bindungsgröße von 4000 erzielten Wert. Das ist etwa um den Faktor 79 näher am Referenzwert als in früheren Experimenten. Die Extrapolation auf einen unendlichen Raum ergab einen Wert, der innerhalb der Fehlergrenze praktisch mit DMRG übereinstimmt.
Die Errungenschaft zeigt, wie wichtig ein hochwertiger Ausgangspunkt für quantenklassische Hybridalgorithmen ist. Selbst bei einer begrenzten Anzahl von Qubits ermöglichen die richtige Wahl des Ausgangszustands und eine leistungsstarke klassische Nachbearbeitung, sich in komplexen Systemen der chemischen Genauigkeit zu nähern.
Die Arbeit ebnet den Weg zu einer genaueren Modellierung von Enzymen und neuen Materialien. Die nächsten Schritte sind die Übertragung der Methodik auf Berechnungen von Reaktionsenergien und Redoxpotentialen, wo die Genauigkeit für praktische Anwendungen besonders kritisch ist.
