Un long fil de perles se glisse dans un minuscule écrin : certaines perles se serrent les unes contre les autres, d'autres s'écartent. C'est le problème que résout une protéine lorsqu'elle se replie en une molécule fonctionnelle. Seulement, les perles — les acides aminés — peuvent être des centaines, et chaque contact modifie toute la structure.
Dans cette nouvelle étude, les scientifiques ont pris six courtes protéines — de 14 à 16 acides aminés — et ont confié leur repliement à un dispositif quantique de 64 ions de baryum. Chaque ion agissait comme un minuscule aimant, et l'ensemble du système était décrit par une formule complexe avec des interactions allant jusqu'à cinq corps à la fois. Un ordinateur classique s'enlise dans de tels calculs, car le nombre de configurations augmente de façon exponentielle. Ici, ils ont utilisé une technique particulière : l'optimisation quantique contre-diabatique numérisée avec champ de polarisation, ou, plus simplement, un « guide intelligent ». Après chaque passage, l'algorithme mémorisait quelles paires d'acides aminés se trouvaient le plus souvent à proximité, et lors de la tentative suivante, il poussait légèrement les ions vers ces positions favorables.
Cette approche ne garantit pas un résultat parfait du premier coup, mais elle déplace nettement le « temps » dans la bonne direction. Les données brutes du dispositif quantique sont encore bruitées, c'est pourquoi elles passaient par un filtre final — un algorithme qui prenait les indices quantiques sur les contacts et construisait à partir d'eux une chaîne géométriquement plausible. Au final, pour plusieurs protéines, ils ont atteint la même énergie que dans les calculs classiques de référence, et pour l'une d'elles, ils l'ont même améliorée. C'est la première fois qu'un processeur à ions de cette échelle replie des protéines de manière significative, et non pas simplement en générant des chaînes aléatoires.
Pourquoi est-ce important ? Le repliement des protéines est l'un des problèmes les plus délicats en biologie. De la forme que prend la molécule dépend si elle agira comme un médicament ou deviendra un amas inutile. Les supercalculateurs classiques mettent des mois à calculer une seule grande protéine. Les machines quantiques promettent de réduire ce temps à quelques heures, mais butent encore sur le bruit et les erreurs. L'expérience actuelle montre que même un matériel imparfait peut fournir des indices utiles, si l'on organise correctement le dialogue entre la recherche quantique et la reconstruction classique. À terme, de tels pipelines hybrides pourraient devenir un outil de travail pour la conception de nouveaux matériaux et médicaments — bien avant l'avènement de l'ordinateur quantique parfait.
Ce fameux fil de perles du début prend forme non pas à l'aveugle, mais avec un guide intelligent qui apprend de chaque courbure. Et l'écrin cesse d'être une énigme.
tel que rédigé par les auteurs, en anglais arXiv:2604.26861
We report the largest trapped-ion hardware demonstration of lattice protein-folding optimization to date, using bias-field digitized counterdiabatic quantum optimization (BF-DCQO) on a fully connected 64-qubit Barium development system similar to the forthcoming IonQ Tempo line. Six peptide sequences with 14-16 amino-acid residues are encoded using a coarse-grained tetrahedral lattice model, yielding higher-order spin-glass Hamiltonians with long-range interactions involving up to five-body terms and mapped to 46-61 qubits. The resulting instances are demanding for near-term quantum hardware because low-energy configurations must satisfy backbone-geometry constraints while optimizing dense residue-contact interactions. BF-DCQO uses a non-variational bias-feedback mechanism, where low-energy samples from each round define longitudinal fields that guide subsequent quantum evolutions. Across the studied instances, BF-DCQO shifts raw sampled energy distributions toward lower energies than uniform random sampling, with the strongest improvements appearing in residue-contact variables. To preserve this signal, we introduce a consensus-based post-processing pipeline that combines quantum-learned contact information with feasible backbone geometries. The resulting hybrid workflow reaches the classical reference energy in multiple instances and improves over the corresponding random-seeded pipeline. These results show that BF-DCQO can generate structured samples for dense protein-folding Hamiltonians at previously unexplored trapped-ion scales.
Une protéine de 100 acides aminés peut théoriquement adopter plus de formes qu'il n'y a d'atomes dans l'Univers visible — mais dans la cellule, elle trouve la seule forme correcte en une fraction de seconde.
Dans le roman de Peter Watts, « Vision aveugle », des créatures extraterrestres utilisent des protéines à la géométrie inhabituelle, ce qui les rend invisibles aux scanners terrestres — les simulations quantiques pourraient un jour révéler de tels repliements.