Длинная нитка бус ложится в крошечную шкатулку — одни бусины прижимаются друг к другу, другие расходятся подальше. Такую задачу решает белок, когда сворачивается в работающую молекулу. Только бусин — аминокислот — может быть сотни, и каждое их касание меняет всю конструкцию.
В новой работе учёные взяли шесть коротких белков — по 14–16 аминокислот — и поручили их укладку квантовому устройству из 64 ионов бария. Каждый ион работал как крошечный магнит, а вся система описывалась сложной формулой с взаимодействиями до пяти тел сразу. Обычный компьютер вязнет в таких расчётах, потому что число вариантов растёт лавиной. Здесь же применили особый приём — bias-field digitized counterdiabatic quantum optimization, или, проще говоря, «умный поводырь». После каждого прогона алгоритм запоминал, какие пары аминокислот чаще оказывались рядом, и в следующем заходе слегка подталкивал ионы к этим удачным положениям.
Такой подход не гарантирует идеального результата с первой попытки, но заметно сдвигает «погоду» в нужную сторону. Сырые данные с квантового устройства всё ещё шумные, поэтому их пропускали через финальный фильтр — алгоритм, который брал квантовые подсказки о контактах и достраивал по ним геометрически допустимую цепочку. В итоге для нескольких белков удалось достичь той же энергии, что и в классических эталонных расчётах, а для одного — даже улучшить её. Это первый случай, когда на ионном процессоре такого масштаба смогли осмысленно сворачивать белки, а не просто гонять случайные цепочки.
Почему это важно? Сворачивание белка — одна из самых капризных задач в биологии. От того, какую форму примет молекула, зависит, будет ли она работать лекарством или станет бесполезным комком. Классические суперкомпьютеры тратят месяцы на расчёт одного крупного белка. Квантовые машины обещают сократить это время до часов, но пока спотыкаются на шуме и ошибках. Нынешний эксперимент показывает, что даже неидеальное «железо» способно давать полезные подсказки, если правильно организовать диалог между квантовым поиском и классической достройкой. В перспективе такие гибридные конвейеры могут стать рабочим инструментом для дизайна новых материалов и лекарств — задолго до появления идеального квантового компьютера.
Та самая нитка бус из начала обретает форму не вслепую, а с умным поводырём, который учится на каждом изгибе. И шкатулка перестаёт быть загадкой.
как её написали авторы, на английском 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.
Белок из 100 аминокислот теоретически может принять больше форм, чем атомов в видимой Вселенной, — но в клетке он находит единственно верную за доли секунды.
В романе Питера Уоттса «Ложная слепота» инопланетные существа используют белки с непривычной геометрией, что делает их невидимыми для земных сканеров — квантовые симуляции могли бы однажды раскрыть такие складки.