你在网上能找到的大多数 VQE 教程——包括我们自己的——模拟的都是氢或氢化锂：只有几个原子的分子，之所以选择它们，是因为这正是当前硬件和噪声水平真正能够处理的规模。2026年3月，克利夫兰诊所与 IBM 发布了一项性质完全不同、规模大得多的成果：使用 IBM 的 Heron r2 处理器，对一个303原子的迷你蛋白质 Trp-cage 的电子结构进行了量子-经典混合建模。
这是规模上的真正跃升，值得弄清楚这为什么困难，以及这个引人注目的原子数量究竟证明了什么、又没有证明什么。
为什么分子大小是问题的核心
费曼在1982年提出量子计算的最初论证正是这一点：在经典计算机上精确模拟量子系统，所需资源会随系统规模呈指数增长，因为电子波函数存在于一个希尔伯特空间中，其维度会随所涉及的轨道数量而急剧膨胀。化学家通常用近似方法绕过这个问题，但对于超出小分子范围的任何体系，精确解在经典计算上都是不可及的。这正是 VQE 存在的全部意义——Peruzzo 于2014年发表的论文提出了 VQE，正是因为当时的近期硬件无法独立完成整个计算，才采用了量子-经典混合循环。
这也是为什么"有多少个原子？"对于量子化学演示来说是一个真正有意义的衡量标准——这与随机电路采样基准测试之类的场景不同。从一个2原子分子跃升到一个303原子分子，并不是对同一结果的营销式夸大——而是所攻克问题规模上的真实飞跃。
Trp-cage 是什么，为何选择它
Trp-cage 并不是为了新闻稿而随意挑选的大分子——它是一种被充分研究过的20个残基的迷你蛋白质，多年来一直是分子动力学和蛋白质折叠研究中的标准基准体系，正是因为它足够小、易于处理，又足够真实、能够表现出真实蛋白质的行为。使用一个已被广泛验证的参考体系，而非全新的体系，使得这一结果更容易与数十年积累的经典模拟数据进行核对。
"混合工作流"在这里几乎可以肯定意味着什么
请仔细审视这个原子数字。一个303原子体系的完整电子结构，远远超出当前任何量子处理器能够直接处理的范围，303个原子的所有电子极不可能真的都被表示在量子处理器上。更符合实际的情形——与 IBM 此前在类似大分子研究中公布的方法一致——是一种混合嵌入方案：精心选择的活性空间（对所研究性质最关键的电子和轨道）交由量子硬件处理，其余部分则通过经典计算处理并拼接回整体结果。这并不是在贬低这项成果——目前这个规模范围内所有"量子计算机模拟真实分子"的说法，实际上都是以这种方式实现的，这正是该领域在 NISQ 时代所确立的混合算法模式。诚实的结论是：新闻标题中的数字描述的是所研究的体系，而不是量子处理器对每一个原子都做了同等工作量的证明。
为什么它依然是一个有意义的里程碑
抛开这些限制不谈，这确实是这类混合流水线处理能力上的一次真正进步。此前大多数"量子计算机做化学"的演示，最多只能处理采用最小基组、只有几个原子的分子。将同一类技术扩展到一个具有生物学意义、且已被充分表征的303原子体系——并且是在真实硬件上运行量子部分，而非作为经典的替代演示——表明的是整条流水线本身在规模上的可扩展性，而这正是各厂商都在争相攻克的真正瓶颈。它与2026年其他同方向的化学里程碑并列，包括 Qubit Pharmaceuticals 与 Pasqal 展示的、在蛋白质口袋中进行水分子量子算法定位——这是一项分子生物学级别的任务，而非教科书式的演示。
如果你正在学习，这意味着什么
你并不需要 Heron r2 的访问权限——甚至不需要任何真实的量子处理器——就能学会这里所使用的技术。同样的 VQE 构建模块（拟设构造、活性空间选择、经典优化循环）无论你是在免费本地模拟器上拟合 H₂，还是在阅读一个303原子的蛋白质案例，都是通用的。如果你想亲自运行小分子版本，可以从我们的 PennyLane VQE 指南开始；而对于这类报道中出现的原子数字，应当像对待任何其他硬件宣称一样看待它：一个真实的成果，值得被准确理解，但还不是故事的全部。