IBM用量子-经典协同计算成功模拟锂电池电极反应
2026年6月22日，IBM Research 团队将量子计算机与经典超算结合，用于模拟锂金属电池电极表面的氧还原反应。这项工作把基于采样的量子对角化（SQD）及其扩展算法 Ext-SQD 应用于真实表面化学反应，在最大 32 个轨道的活性空间中预测 Li-O₂ 反应能，并展示了量子计算作为材料科学工具的潜力。
相关研究已发布在 [Scientific Reports]，论文题为 *Scaling active spaces in simulations of surface reactions through sample-based quantum diagonalization*。
这项工作之所以值得关注，并不只是因为它使用了更多量子比特。更重要的是，它面向的是一个材料科学中真实存在的问题：如何更准确地理解锂金属电池界面上的反应能量。对于下一代高能量密度电池来说，锂金属负极被长期视为重要方向，但枝晶生长、界面失稳和 SEI 膜形成机制仍然限制其走向更广泛应用。要解决这些问题，研究人员需要更可靠地预测电极表面反应的能量变化。
这正是量子计算有望发挥作用的地方。
量子和经典超算协同工作
在这项研究中，量子计算机并不是单独完成整个化学模拟。IBM 将这种架构称为 [Quantum-centric supercomputing]：量子处理器和经典超算各自承担自己更擅长的部分，并在一个工作流中协同完成科学计算。
量子-经典协同计算工作流示意图
经典计算首先用于优化锂金属表面结构、筛选参与反应的关键电子轨道，并构造后续计算所需的活性空间。随后，搭载 156 量子比特 IBM Quantum Heron R2 处理器的 **ibm_aachen** 量子计算机负责对活性空间中这些关键轨道的电子组态进行采样。最大的量子线路映射到 80 个量子比特，每条线路采样 $6×10^6$ 次，用来处理 14 个电子分布在 32 个轨道中的活性空间。
采样完成后，经典超算资源继续接手， 在 192 个 x86 核心与 3 TB 内存的高性能计算节点上，通过**组态恢复技术（Configuration recovery）**，把量子硬件产生的样本恢复、筛选并扩展为可用于能量计算的子空间。最终，通过对角化计算反应物与产物的能量差，从而得到锂金属表面 Li-O₂ 反应的反应能。
这种分工很关键。当前量子处理器仍处于含噪中等规模量子（NISQ）时代，不能像理想量子计算机那样直接输出完美答案。但在某些电子结构问题中，量子处理器可以通过自身优势帮助经典计算找到更有价值的组态样本。换句话说，量子计算机不是替代经典超算，而是成为整个科学计算流程中的一个新组件，和经典超算形成有机互补。
为什么是锂电池
锂离子电池作为当前主流的电化学储能体系，已在新能源汽车、大规模储能和消费电子领域实现大规模商业化应用。然而，随着其性能日益逼近理论极限，市场对新型二次电池化学体系的需求愈发迫切。
日常生活中电池的广泛应用
锂金属负极有望显著提高电池能量密度，但枝晶生长以及电极与电解液之间的副反应，可能引发短路和失效，带来安全问题，使其商业化推广面临挑战。[另一研究]表明电解液中溶解的氧可促进氧化锂 (Li₂O) 生成，进而影响 SEI 膜的组成和稳定性。一个更稳定、更均匀的 SEI 膜，有助于抑制枝晶生长并提升电池寿命。
研究关注的是一个基础反应：
Li + O₂ → Li⁺ + O₂⁻(ads)
这一步描述锂原子向氧分子转移电子，形成锂离子和吸附在表面的超氧根阴离子。它并不是完整电池反应网络的全部，却是理解后续锂氧化物形成路径的一个重要起点。如果这一步的反应能预测不准确，后续对 SEI 生长、界面稳定性和材料筛选的判断也会受到影响。
传统计算方法在这里面临困难。密度泛函理论（DFT）效率高，但在涉及强电子关联时可能存在偏差；完全活性空间组态相互作用（CASCI）等高精度方法更可靠，但很难扩展到足够大的活性空间。IBM 团队希望验证的是，量子-经典协同方法能否在这两者之间打开一条新路。
结果显示了什么
研究团队首先在小规模体系中检验方法可靠性。在不超过 12 个轨道的活性空间中，Ext-SQD 的结果与 CASCI 基准高度一致。这说明在经典精确方法仍能运行的范围内，量子辅助方法给出了可信结果。
当活性空间继续扩大，CASCI 已无法有效扩展。此时，论文使用 HCI、Ext-HCI 和 CCSD 等经典方法作为参考。结果显示，在 27 个轨道规模下，Ext-SQD 相比仍具计算可行性的标准经典参考方法表现出精度提升；与论文中高精度经典参考 Ext-HCI 的差异进入 1.6 mHa 以内，也就是通常所说的化学精度范围，并且比 Ext-HCI 所需要的子空间规模更小，也就是说，量子采样帮助 Ext-SQD 用更紧凑的变分空间达到了与高精度经典近似方法相近的结果。
在最大 32 轨道活性空间中，Ext-SQD 基于 ibm_aachen 真实量子硬件采样得到的反应能为 -4.342 eV。相比 DFT 得到的 -3.897 eV，这一结果进一步向文献中的实验参考范围靠近。
这项结果的意义在于，它把量子化学模拟从较小、较理想化的体系推进到更接近材料研发的问题。对于电池领域来说，真正有价值的并不是展示一个漂亮的量子线路，而是能否帮助研究人员更可靠地比较反应路径、理解界面形成，并最终指导电池电极材料和电解液设计。
仍然只是开始
这项工作还没有直接实现“量子计算加速电池研发”。论文也清楚指出，当前结果距离完整电池材料模拟仍有距离。
首先，32 轨道活性空间仍然有限。论文中的经典参考和张量网络模拟结果表明，若要让反应能更充分收敛，未来可能需要扩展到更多轨道。其次，在 34 个轨道及以上的真实硬件实验中，当前量子处理器的噪声和线路映射限制已经明显影响采样质量。也就是说，下一步突破不仅依赖算法，也依赖量子硬件本身继续提升。
论文对未来方向给出了清晰判断：随着量子硬件错误率下降、线路质量提高、采样能力增强，SQD/Ext-SQD 这类方法有望处理更大的活性空间；同时，经典后处理方法也需要继续优化，以便更高效地完成子空间对角化和动态相关修正。研究团队还提到，将 Ext-SQD 与 NEVPT2 等微扰方法结合，可能进一步补足活性空间外电子相关的影响。
对电池研发而言，这意味着随着未来量子硬件继续进步，可能会帮助研究人员更准确地计算复杂界面反应的能量，比较不同电解液环境下的反应路径，并在实验之前筛选更有希望的材料组合。它不会立刻替代实验，也不会取代所有经典模拟工具，但它可能成为推动量子计算从实验室研究迈向化学与材料科学实际应用的重要一步。
从硬件指标走向科学问题
IBM 的近期工作有一个共同趋势：不再只强调量子计算机有多少量子比特、能跑多少量子门，也开始讨论它能帮助解决什么实际的科学问题。
在[蛋白质模拟报道中]，IBM、Cleveland Clinic 和 RIKEN 展示了 quantum-centric supercomputing 如何扩展到从 10 个原子到 12,635 个原子生物分子体系。在这项锂电池表面反应研究中，同样的思想被带入能源材料场景。量子处理器提供关键采样，经典超算完成大规模重构和求解，二者共同服务于一个真实的科学问题。
量子算法求解蛋白质规模的增长
这也是这项工作的真正价值。它不是宣布量子计算已经全面改变电池研发，而是说明量子计算正在从演示走向工具：在经典方法吃力、实验又难以直接观察的地方，为科学家提供另一种看见反应机制的方式，为研究复杂化学问题开辟了一条前景广阔的路径。同时也展示了量子计算和超算在不同问题层次、不同计算阶段和不同精度需求下形成互补，指向一种面向未来科学发现的新型计算基础设施。
更多信息可阅读论文：[Scaling active spaces in simulations of surface reactions through sample-based quantum diagonalization]。
