12
对化学的影响
“量子至上”这个术语是由加州理工学院的约翰·普雷斯基尔在 2012 年创造的。科学家们预见了一种状态，量子计算机能够完成经典计算机无法完成的任务。不过，这是对量子优势的一个非常松散的定义。这也许是谷歌宣称他们已经通过 Sycamore 芯片实现了量子优势的原因。
Sycamore 是一个 54 量子位处理器，能够生成随机数。使用传统计算机完成同样的任务，算法需要 10，000 年，而在 Sycamore 上只需要 200 秒。IBM 反对这种说法。他们计算出谷歌 Sycamore 芯片的整个量子状态向量可以存储在 Summit 中，Summit 是世界上最大的超级计算机，具有 250 的存储容量。
审查了谷歌所做工作的科学家透露，该处理器具有高保真和超高速门。但这就是量子优势吗？
在我与量子研究人员的所有谈话中，特别是富士通的 Dave Snelling，他们强调我们需要小心围绕量子优势的炒作。他们证实了我的观点，即该行业显然还处于起步阶段，任何过早的庆祝都可能适得其反。
回到量子优势的问题上来，在我看来，这与计算速度无关。尽管量子优势的一般定义，它更多的是关于以一种前所未有的方式在计算机内模拟粒子物理的能力。它更多的是解决我们甚至无法在经典计算机中精确建模的问题。最重要的是，有了量子退火器，具有相关变量的组合优化问题将变得更容易解决。
这可能最适用于化学和医疗保健领域的量子计算用例。我们详细讨论了这项技术在医疗保健中的应用。在化学领域，研究人员的目标之一是能够解决原子和分子的薛定谔方程 ( SE )。
原子和分子的 SE 描述了可用于模拟这些粒子的物理化学性质的波函数。在这个阶段不要进入太多的细节，要点是精确计算分子系统对经典计算机来说是一项艰巨的任务。
在这一章中，我们将主要讨论量子计算在化学中的应用。我们将触及研究这一领域的组织，所采用的技术，以及研究人员正在探索的算法。
区块链在化学领域的应用也很有趣，但相对局限于其他行业。除了该技术在化学品供应链中的应用，我们也开始看到在管理风险方面的潜在应用。区块链可用于化工行业紧急情况下的灾难恢复和业务连续性管理。我们也将在本章中讨论这一点。
让我们首先看看量子计算如何帮助我们计算目前用经典计算方法难以处理的化学过程。正如我们将看到的，能够对这些过程进行建模将使我们能够致力于解决长期存在的工业问题。我们先来看固氮的过程。
固氮作用
化学物质无处不在。从我们饮用的水到构成我们身体的细胞，用于农业的肥料，植物光合作用的驱动力——所有这些都基于化学物质。了解化学物质在反应过程中的行为对于预测反应结果至关重要。
让我们以肥料为例。肥料被用于农业以增加农作物产量。最初，农民使用动物粪便等天然肥料来提高作物产量。1914 年，第一批合成肥料被使用，从那时起，该行业发展如此之快，以至于今天，它占全球能源消耗的 1.2%。
肥料主要分为三大类:氮、磷和钾。氮是所有养分中最重要的。但是，氮是以氨的形式(NH 3 )喂给农作物的。将大气中的氮(N 2 转化为氨(NH 3 )的过程称为固氮。
这一步对植物来说很重要，因为它们可以代谢氨，而氮大多是不起反应的。固氮过程是自然发生的，这是由于细菌利用诸如固氮酶之类的酶的催化作用。细菌利用这些酶将氮(N 2 )转化为氨(NH 3 )。自然让它看起来很简单；然而，在工业环境中，这并不简单。
在工业环境中由氮生产氨的机理被称为哈伯-博施过程。这个过程非常耗能，占世界二氧化碳排放量的 2-3%。这不仅是因为工业过程，也是因为农业部门对氮的需求。
施氮后，氮不会在土壤中停留很长时间。因此，必须重新施入土壤。因此，氮肥的消费和需求高于磷肥和钾肥。化肥工业消耗的总能量的大约 93%被氮肥所占据。
这是一个急需解决的问题。植物和它们所利用的细菌是如何将氮(N 2 )转化为氨(NH 3 )而没有太多麻烦的呢？为什么我们在生产肥料时采用了如此高能耗的方法？我们能在工业装置中复制氮和固氮酶之类的酶之间的反应吗？
这似乎是一个值得探索的解决方案，也确实是世界各地一些量子计算研究人员的研究领域。这将帮助我们减少 2-3%的二氧化碳排放量，并且毫无负罪感地吃我们的食物。因此，我们需要发展对自然固氮过程的理解。但是氮和细菌之间的反应很难理解，因为经典计算机没有能力模拟它。
了解固氮酶的辅助因子 FeMoco 经历固氮的过程的细节尤其重要。获取该反应细节的实验尚未成功。
化学反应必须考虑到电子关联。这是化学物质的原子和分子中的电子在反应过程中相互作用的地方。由于电子关联影响量子系统中电子的运动，引入了一个全新的复杂性维度。这会影响化学反应的结果，并导致简化的粒子相互作用模型不充分。因此，准确预测化学反应的结果极其困难。需要高度精确的电子结构模型来模拟这些粒子的行为。
尽管经典计算机中有一些技术，如密度泛函理论 ( DFT )，但它们仍然缺乏模拟化学反应所需的定量精度。结果，即使只有一百个电子参与的化学反应对计算机来说也变得很难处理。因此，科学家们正在寻找量子计算的方法来解决这个问题。
DFT 目前在获得多体(多电子)系统的薛定谔方程的近似解方面相当流行。来源:http://Newton . ex . AC . uk/research/q systems/people/coomer/DFT _ intro . html
量子计算机可以模拟自然界中产生氨的化学反应，因此我们可以更好地理解它，并可能在工业场景中复制它。在这种情况下，科学家们正在探索在量子计算机中模拟固氮酶和 FeMoco 之间相互作用的方法。像托特-铃木分解和截断泰勒级数这样的算法被用来模拟化学反应，精确度各不相同。来源:https://www.pnas.org/content/114/29/7555
人们正在探索混合模型，在化学反应的不同步骤中使用经典计算机和量子计算机。化学反应中的分子结构优化可以在经典计算机中使用经过验证的 DFT 方法进行。DFT 还可以用来验证量子计算机的输出，并反馈到构建分子的过程中。正是为了计算电子之间的相关能量，才需要使用量子计算机。
观察该过程的量子计算部分，基于门的方法可以用于实现量子算法和计算相关电子的行为。科学家进行了一项名为阐明量子计算机上的反应机制的实验，确定了三种不同的基于门的方法以及每种方法所需的资源:
- 实现量子算法的第一种方法是将旋转序列化。
- 在第二种方法中，影响自旋的哈密顿量是并行执行的。
- 第三种方法是分别模拟旋转，并在需要时传送到量子回路中。
利用逻辑 T 门和 Clifford 电路的组合，以及容错的表面代码，他们已经证明可以分析化学反应中的电子行为。
这些选项的组合在序列化时可能需要一年时间。然而，当第一种和第三种方法结合起来时，模拟可以在几天内完成。不过这样做的成本很高，需要 20 倍的量子位。如果我们嵌套门的执行，由于量子位数量的增加，成本会增加，这反过来导致执行时间的下降。
从所有这些中得出的关键是这项技术有巨大的潜力。然而，与此同时，挑战依然存在。正如我在采访 Sam McArdle 时强调的，容错是一个需要克服的重要问题。我们将需要一个带有几个纠错量子位的逻辑量子位。
在现阶段，将溶液扩大到更大分子的成本是不可行的。但引用的实验表明，量子计算机可以用于通过固氮过程识别能量状态。随着这样的实验越来越多，完成这项工作的时间可以缩短到几天。
另一个关键突破是在 2018 年 7 月实现的，研究人员证明了由离子的量子化能量状态组成的量子位电路可以用来模拟简单的分子。像氢(H 2 )这样的小分子的能量状态可以只用四个被捕获的离子来计算。原理是阵列中的离子将精确地代表被研究分子的电子之间的相互作用。
量子计算界有很多关于囚禁离子量子比特优于超导量子比特的宣传。就化学而言，捕获的离子量子位元或许更容易计算分子间的交互作用。但是超导量子比特的优势在于，使用现有设备控制它们要容易得多。因此，我们可能会发现量子设备采取了“马换课程”的方法，也就是说，为正确的工作找到正确的工具。
属于这两种量子位的研究人员之间的良性竞争总是好的。它有助于创新的速度和质量。一旦我们能够在容错量子位元电路上做几百个闸，我们应该可以在几小时内模拟固氮作用，而不是几天甚至几个月。
尽管有这些挑战，这些实验和突破给了我希望，我们将很快大规模解决涉及化学品的问题。化学在让世界变得更绿、更清洁、更美好的过程中所起的作用怎么强调都不为过。有了在实验室条件下模拟自然过程的能力，我们将不必为化学过程重新发明轮子。我们可以从大自然的行为中获得灵感，因此创造出尽可能接近大自然的化学过程。我们已经讨论了量子计算如何帮助我们实现更精确的量子系统建模，特别是在固氮的情况下。另一个可以给世界带来巨大价值的重要化学应用是碳捕获。让我们详细看看。
碳捕获
在我们生活的时代，世界各地的天气模式持续异常。这些天气异常的影响目前相当局限。2020 年，我们已经看到澳大利亚的火灾和整个大陆的气温上升，加利福尼亚的森林火灾，亚洲和非洲前所未有的洪水——所有这些都是日常自然事件，表明我们正处于气候紧急状态。
全世界的科学家已经达成共识，气候变化正在发生。多亏了过去三个世纪的工业革命，人类的行为帮助我们加快了向大气中排放二氧化碳的速度。
世界人口激增至 78 亿，增加了对粮食和农业的需求。人口增长对农产品的压力导致了农业用地的扩张，这反过来又导致了大规模的森林砍伐。
工业化和农业导致二氧化碳排放到大气中。一氧化碳和我们产生的其他温室气体就像一层毯子一样包裹着地球，阻止热量散失。森林可能是这个问题的解决方案，但森林砍伐正开始降低森林对地球气候模式的影响。
树木从大气中吸收二氧化碳，因此减少了温室效应。树木也会向大气中释放水分。一棵大树每天可以向大气中释放大约 1000 升水。例如，亚马逊雨林大约有 6000 亿棵树，每天平均向大气中释放 200 亿公吨的水(假设天气晴朗)，并充当我们的空调。
然而，在亚马逊雨林，砍伐森林的规模很大。我们每分钟损失 150 英亩森林，每年损失 7800 万英亩森林。我们已经失去了 20%的亚马逊雨林。亚马逊雨林对全球气候模式和降雨量的重要性不能被夸大。因此，我们需要一个 B 计划来确保我们模仿森林和树木的作用，至少减少释放到大气中的二氧化碳。
碳捕获是捕获大气中的碳并将其隔离在存储单元中的过程。然而，捕获空气中的碳并不是一个容易的过程。我们如何知道捕捉碳的最佳设备和化学物质是什么？这就是量子计算可以帮助我们的。
碳捕获可分为燃烧前捕获、燃烧后捕获和氧燃料燃烧领域。我们主要关注燃烧后捕获，在工业过程的最后，排放的 CO 2 烟雾被捕获、压缩和储存。
为了大规模地从空气中捕捉二氧化碳，我们需要合适的捕捉技术设备，配备能够有效完成这项工作的化学物质。目前，碳捕获和封存 ( CCS )方法使用液态胺/氨溶剂来洗涤排放的 CO 2 。这些溶剂的生产本身就是能源密集型的，实际上使得碳捕获过程弄巧成拙。
下一代碳捕获方法集中在活性碳 ( ACs )、沸石和分子筛上。活性炭是一种具有高孔隙率和表面积的碳。他们已经被证明在碳捕获方面比 CCS 方法更好，也更便宜。
但是我们还不了解功能化 ACs 和 CO 2 之间的相互作用。美国化学学会发表的一篇研究论文描述了使用量子理论(不是量子计算)对这种相互作用的分析，可在 http://www.claudiocazorla.com/JPCC-Ca-CO2.pdf获得。
该研究探索了利用钙原子对 AC 材料进行表面掺杂，并研究了掺杂材料与 CO 2 之间的相互作用。他们使用了我们之前讨论过的肥料的 DFT 方法。他们还发现钙掺杂的碳材料具有很高的碳捕获能力。
在同一个实验中，他们发现氮(N 2 )与钙掺杂的碳材料结合不良。实验分析了掺钙石墨烯的吸附能力，证明了其有效性。该实验还涵盖了材料表面积方面的过渡态，以及碳捕获能力如何随着材料表面积的变化而变化。
总之，这项研究表明，如果我们能够进行大规模的碳捕获，将对地球产生重大的潜在影响。虽然我们有多种选择来进行碳捕获，但我们需要使用正确的技术来帮助确定最佳的可持续解决方案。使用量子计算机理解反应将有助于识别碳捕获的选项及其功效。
尽管做了所有的努力，但要理解碳捕获过程还有很多工作要做。IBM 和埃克森美孚已经联手将量子计算应用于许多有益于环境的领域。预测环境建模、碳捕获和优化电网是该计划的三个主要成果。埃克森美孚是第一家与 IBM 在这方面合作的能源公司。
这让我们结束了对量子计算在化学中的应用的研究。您可能还记得，我们在第 6 章、 对医疗保健和制药的影响中也谈到了一些关于分子分析的有趣话题。因此，我在这一章中介绍了我们以前没有涉及的量子计算在化学中的不同潜在应用。
化学和量子计算的一个有趣的方面是接入有噪音的中等规模量子 T2 设备的能力。让我们看看为什么 NISQ 非常适合化学应用。
NISQ 和化学
在我与山姆·麦卡德尔的访谈中，我们讨论了 NISQ 作为一种充分利用“坏”量子位的方法。在一个典型的带有纠错功能的逻辑量子位中，你可以让少量的量子位进行计算，而让大量的量子位进行纠错。比如表面码，你可以有一千个有噪声的量子位和一个无误差的量子位。
然而在 NISQ 中，我们使用噪声量子位来进行计算。由于这些量子位是有噪声的，执行计算所需的时间必须很短。如果计算速度不快，我们可能会得到容易出错的结果。一般来说，这种设置需要较短的电路，而且没有纠错量子位。每次重复后，系统都会重新初始化，以确保不会出现错误。
因此，我们需要使用一种能够适应更低相干时间的方法。相干时间只是指量子态可以存活的时间跨度。传统上，一种叫做量子相位估计 ( QPE )的方法已经被用来模拟波函数的时间演化。使用 QPE 对化学反应进行计算是由 Aspuru-Guzik 和 Seth Lloyd 首先设想的，但 QPE 需要一个有效的容错设备，因为它具有更高的相干时间。有了容错装置，QPE 能够计算化学哈密顿量的基态能量。
QPE 的容错需求和高一致性电路深度可能是化学的限制因素。
另一种叫做变分量子本征解算器 ( VQE )的方法最近被用来帮助模拟分子相互作用，并给出了有希望的结果。VQE 需要比 QPE 更短的相干时间，并且可以用在低相干时间的噪声量子位上。因此，VQE 可以用在 NISQ 设备上，用于模拟化学反应。(来源:https://pdfs . semantic scholar . org/00ee/5a 3c C1 d 14 da 2 EC 3 E0 ab 15674 DFB 29 B1 d 233 c . pdf和https://pubs . RSC . org/en/content/article pdf/2019/CP/c9cp 02546d)。
但是为什么 NISQ 适合学化学呢？要回答这个问题，我们需要理解这个上下文中的“噪声”。量子计算环境中的噪声指的是量子位(组成电路的粒子)与其环境的相互作用。在量子计算的其他应用中，例如随机数生成，这可能导致计算中的错误。
然而，在化学中，我们使用量子计算机来复制自然和物理，噪声将代表分子存在和相互作用的环境。当嘈杂的量子位被用来模拟分子行为时，它告诉我们分子在自然界中的行为。这是一个我们可以潜在利用的属性，在这种情况下，噪声成为一个特性。
结果，量子计算最大的痛点之一变成了化学模拟的无价特征。哈佛大学的材料理论研究空间名为 NarangLab，正在专注于使用 NISQ 发现新的电子材料。
传统计算机还没有真正处理模拟电子材料。使用量子计算机可以更好地解决这个问题。电子材料在很大程度上也是由按一定模式排列的原子组成的。因此，我们不需要模拟所有的原子来研究这些材料的行为。挑选几个只需要几个量子位的代表性原子来模拟它们的相互作用就足够了。
尽管化学反应很复杂，但我相信这可能是一个比其他许多领域更早开始在量子计算中看到商业应用的领域。使用 VQEs 的 NISQ 在化学模拟中的应用肯定会改善这些解决方案的“上市时间”。
正如本章前面所讨论的，其中一些解决方案，如固氮和碳捕获，会对环境产生巨大影响。减少碳排放和化肥生产的能源足迹是具有长远影响的成就。正如我们在第 6 章、、、对医疗保健和制药的影响中所讨论的，了解化学反应也可以帮助我们更好更快地模拟药物疗效。
现在让我们继续关注另一项技术——区块链，以及它如何在化学领域发挥作用。
化学中的区块链
到目前为止，我们已经看到了区块链在不同行业的应用，在这样做的过程中，我们已经确定了区块链的一些属性，这些属性可以以类似的模式在不同行业中有用。例如，区块链可以用于供应链，以减少文书工作，进行即时支付，并提高效率。制药业如此，化学工业也是如此。
同样，区块链智能合同可以用作数据驱动的方法，在生态系统参与者、供应商、销售商和供应链参与者之间自动履行合同义务。在物流和医疗保健领域是如此，在化工行业也是如此。因此，我不会回到这两个例子，我们已经在前面的章节中讨论过了，相反，我会重申化学的这些相同的用法。
然而，每个行业都有自己的特质，在谈论技术和创新如何帮助他们实现效率、增长或更好的收入机会时，触及这些特质会很好。纵观化工行业，我可以看到区块链有助于两个关键应用:
- 培育行业生态系统
- 灾难恢复和灾后规划
让我们依次看看这些应用程序。
培育行业生态系统
大学毕业后，我在孟买住了大约一年，在一家名为 Patni Computers 的技术咨询公司工作。我在新孟买工作，那里也是信实工业的总部。Reliance 是印度最大的品牌之一，由传奇人物 Dhirubhai Ambani 创立。他的儿子穆克什和阿尼尔已经接手。
穆凯什在推动品牌发展方面表现非凡，而他的兄弟阿尼尔(Anil)则不那么出色。阿尼尔的失宠在印度广为人知，并被《福布斯》(Forbes)等杂志报道。在孟买 Navi 的日子里，我可以看到 Reliance 是如何建立他们自己的小生态系统的。在这种情况下，生态系统将代表供应商、销售商和其他供应链利益相关者。甚至他们在城市中的实际存在也展示了整个生态系统的参与，包括供应商、供货商和其他利益相关者。如今的信实化工是信实帝国的主要组成部分，2019 年的报告收入为 900 亿美元。
这种生态系统行为仍然是真实的，只是行业生态系统内的参与和数据共享以数字方式发生。与食品生态系统非常相似，化学品行业也需要采取市场方式(而不是市场商业模式)与不同的利益相关方共享数据。
这种参与可以帮助围绕创新建立更好的标准，并帮助生态系统团结起来，为某些特定的目的创造特定的化学品。回到我们的肥料例子，如果处于价值链核心的公司能够与供应商合作，创造可能需要对其供应链进行定制调整的专有肥料成分，那么高度创新和差异化将变得容易得多。
世界上最大的化学品生产商德国巴斯夫公司正在与区块链公司 Quantoz 合作。他们已经为物联网搭建了一个平台，其他一些利益相关者也是其中的一员。在生态系统环境中使用区块链在化工行业仍处于早期阶段。然而，一旦一些试点证明了有效性，就有真正的机会来扩大规模。
我们已经介绍了区块链如何帮助我们理解化学品的生产过程。供应链的端到端可追溯性和透明度至关重要，这有助于化学品的制造、物流、储存和分销。现在让我们看看区块链在化工厂灾难恢复中的应用。
灾难恢复
1984 年 12 月 2 日和日，印度的城市博帕尔面临一场大灾难，这场灾难至今仍困扰着当地的社区。联合碳化物公司杀虫剂工厂释放了大约 30 吨名为异氰酸甲酯的有毒气体。这种气体与大气混合，影响了居住在邻近城镇和村庄的大约 60 万人。迄今为止，死亡人数为 15，000 人，包括直接死亡人数和历年死亡人数。许多人失去了视力，邻近地区的人们面临着健康问题。
一项关于社区中死亡和疾病与事故之间联系的综合研究尚待进行。人权组织仍然声称有几吨化学物质埋在地下，印度政府已经宣布该地点受到污染。像能源部门一样，化学工业在帮助世界解决几个问题方面创造了奇迹。然而，当事情出错时，它们会变得很糟糕。
在这些情况下，灾难恢复变得非常重要。在进行灾难恢复时，了解化学品的影响至关重要。在博帕尔毒气悲剧中，让我们快速看看区块链如何帮助灾难恢复机制。
区块链上关于供应链、库存和原材料使用的数据可以在近实时的注册表中捕获。这将允许我们评估可能被释放到空气中的化学物质的数量。根据追踪到的进入工厂的化学物质的数量，以及危机后剩余的数量，我们可以立即计算出问题的规模。
一旦对释放到环境中的化学品数量进行了评估，就可以根据受影响者所需药品的数量和质量制定出即时解决方案。由于区块链支持的注册的不可变性质，我们也知道是什么触发了事故。特别是，如果我们跟踪供应链以及原材料、中间产品和最终产品在制造过程中的流通，我们就会知道哪里出了问题。
将物联网传感器集成到过程中，可以在微观层面上跟踪原材料的温度和供应率，这可能是有用的。通过跟踪所有这些数据，它可以帮助灾后的审计和保险流程。审计员可以对供应链变更、运营流程变更和化学流程调整做出明智的决策，并相应地增加治理和控制以确保业务连续性。
通过该流程获取的所有数据对于定义未来卓越运营的最佳实践都是非常宝贵的。化学工业，就像能源部门一样，可以从这种数据驱动的计划中受益匪浅。埃森哲在 2018 年的一份报告中强调了在化工行业使用区块链进行灾难恢复的黄金数据源的使用。然而，这一使用案例还有待大规模验证。
正如我们在前面的章节中提到的，区块链应用正在供应链管理、贸易融资和智能城市中获得牵引力。任何需要管理和维护生产、运输和分销商品完整性的价值链都是区块链的绝佳用例。然而，这项技术仍处于早期阶段。这是一项已有 12 年历史的技术，肯定会度过它的冬天。
结论
量子计算和区块链等深度技术可以带来化工行业创新和运营方式的范式转变。化学中的量子计算用例与医疗保健中的相似，因为它们主要是使用量子算法和设备来模拟和计算化学反应。
对于量子计算的化学应用，还有另外两个关键的加速因素。一个方面是分子可以用不同的电路在量子位中更自然地建模。我们看到了比超导体量子位电路更适合化学的囚禁离子量子位。另一个有趣的方面是将 NISQ 设备用于化学的能力。NISQ 设备非常适合化学，因为噪声可以用作模拟分子行为的特征。
在密码术的量子计算解决方案中，情况并非如此；因此，在利用噪声量子位的能力方面，化学应用是特殊的。我们还提到了像 VQE 这样需要更短相干时间的技术的使用。所有这些因素结合在一起，化学解决方案有可能成为行业中第一个商业化的解决方案。
然而，有了区块链，化学工业还没有真正意识到它的潜力。当数据跟踪和共享发生在不可变的记录上时，从风险管理和灾难恢复的角度来看，它可能产生的影响可以增加很多价值。我们还谈到了为什么区块链生态系统可以与化学品行业相关，因为它们有助于更容易地为特定化学品创建定制供应链。
对于那些能够开发解决方案来超越当前限制的人来说，这个行业有很多机会。要使这种解决方案成为主流，还需要克服一些技术障碍。但关键是，在化工行业，量子计算应用可能会领先于区块链应用。在接下来的章节中，我们将探讨量子计算可能给密码学带来的风险。
