再往後還有好幾個團隊和公司的東西，有做蛋白質摺疊簡化模型的，有做酶催化反應路徑的，有做DNA鹼基堆疊能計算的，路子五花八門，可毛病都差不多。
要麼體系太小、環境太簡化，算出來的東西跟真實生物體系隔著好幾層近似。
要麼演算法只針對某一類特定問題硬編碼，換個體系就得從頭再來，缺少通用性。
要麼就是在經典計算機上套了個量子的殼，實際加速比聊勝於無。
就這麼翻了幾頁，肖宿的手指停了一下。
荷蘭那邊一個叫QBio的團隊，做了一套混合架構的酶催化反應路徑搜尋演算法，思路有點意思。
他們沒有去硬算整個酶分子，而是把活性中心附近十幾個氨基酸殘基的側鏈構象空間用量子退火做取樣，外圍的蛋白質骨架和溶劑環境用經典力場處理，中間用一個自適應耦合層來動態決定哪些區域需要量子精度、哪些區域可以經典粗算。
這個按需分配算力的思路，和之前化科院組的有點相似，比那些一刀切的做法聰明了不少。
至少概念上，它是嘗試讓量子計算和經典計算在同一個體系裡分工協作，而不是簡單地把量子計算塞進某個固定位置。
肖宿點進去掃了兩眼他們的測試結果，酶催化反應的活化能算出來跟實驗值差了百分之三十左右，對一個混合架構來說不算太離譜，可離真正能指導實驗還差得遠。
而且他們那個自適應耦合層本質上是靠經典啟發式規則來切換的，遇到新的酶體系還得重新訓練規則，通用性還是沒解決。
肖宿把檯燈擰亮了一格，眉頭微蹙，手指在桌面上無意識地敲了兩下。
以目前的情況，想用量子計算機在原子尺度上把生物體系推演清楚，根本做不到。
體系大了算不動，環境複雜了精度不夠，精度夠了速度又上不去。
他需要的東西，是能在原子尺度上即時推演一個大分子複合物在溶液裡的行為，幾萬個原子、顯式溶劑、皮秒級的時間步長，還得能跟溼實驗資料即時比對。
這東西現在的軟硬體架構根本撐不起來。
那該怎麼辦呢？
現有的量子-經典混合架構，本質上都是在經典力場的框架裡嵌一塊量子計算的補丁，耦合方式要麼靠固定截斷半徑切一刀，要麼靠啟發式規則動態切換。
這兩種做法他都看不順眼。
固定截斷的問題在於，生物體系裡的長程靜電和溶劑化效應根本沒法用截斷半徑來近似，一截斷就把關鍵的極化效應給切沒了。
啟發式規則的問題在於，規則是人寫的，人寫規則就得靠經驗，靠經驗就意味著換一個體系就得重新試錯，永遠跳不出“調參”的泥潭。
而肖宿想用的東西，不能有瑕疵。
他摸了摸下巴，雙眸越發深邃。
或許，可以居於密度矩陣嵌入理論改造一個變體。
這個理論框架必須本身就允許把體系切成量子區域和環境區域，量子區域能夠用高精度的方法來處理，環境區域能用低精度方法取得近似，最後，兩者再透過密度矩陣的耦合實現自洽求解。
只是，傳統密度矩陣嵌入的耦合方式還是基於經典靜電近似，環境對量子區域的極化響應只能處理到偶極級別，高階極化和電荷轉移效應全丟了。
