量子计算首次介入聚变材料：ORNL联手IBM破解氚循环难题（附下载）

目前聚变包层材料主要包括三类：

1. 含锂陶瓷固体增殖剂；

2. 铅锂液态金属；

3. 含锂熔盐。

其中，FLiBe（LiF-BeF₂）熔盐被认为是先进聚变堆的重要候选材料之一。FLiBe具有几个优势：

• 含锂，可通过中子反应产生氚；

• 液态运行，可同时承担传热和燃料增殖功能；

• 在强磁场、高功率密度聚变装置中具有潜在应用价值。

尤其对于一些紧凑型高场磁体聚变路线，例如高温超导托卡马克、小型模块化聚变装置，熔盐包层具有较强吸引力。但是，FLiBe中的氚行为非常复杂。

下图：在托卡马克中，等离子体在聚变过程中释放的中子可以轰击周围的熔盐层，从而产生氚。这项新工作使用量子计算机来模拟熔融盐中氚和原子簇之间的相互作用。

图片来源：公开资料

在高温熔盐环境中，氚可能以不同化学形态存在：氚离子（T⁺） 、氚分子（T₂） 、与氟形成复杂结构的氟-氚键（F-T-F） 。这些不同形态直接影响了氚的停留时间、提取效率、氚循环成本。

理解氚在FLiBe中的行为，本质上需要解决一个量子化学问题：在包含几十个甚至上百个原子的复杂熔盐体系中，准确计算其电子结构和化学键的变化。

传统方法已经被广泛用于研究FLiBe，比如：

• 密度泛函理论（DFT）、

• 分子动力学（MD）模拟、

• 机器学习势函数（MLFF）。

但研究人员发现，对于包含氚的复杂熔盐分子及带电离子团簇这类强电子相关体系，仅依靠传统的近似方法（如DFT）会遇到精度瓶颈。

该研究指出，此前针对熔盐中氚行为的研究主要依赖DFT和机器学习力场，但要获得高精度的自由能预测，需要更加准确的量子化学计算。

然而，问题在于诸如FCI（完全组态相互作用）或耦合簇等高精度方法，虽然理论上非常准确，但计算成本会随着体系规模呈指数级激增，难以用于真实的聚变材料环境。

而这，正是量子计算试图切入的破局点。

此次发表于arXiv预印本平台的论文Quantum Computations on Fusion Blanket Molten Salts由橡树岭国家实验室（ORNL）、克利夫兰诊所与IBM Quantum联合完成。

该研究并未直接模拟宏观的完整聚变包层，而是聚焦于“氚如何与包层材料结合”这一关键基础难题，首次展示了利用量子-经典混合计算方法对FLiBe熔盐体系中氚结合行为的高精度计算。

下图：核心工作流与团簇结构图，本研究采用的异构量子-经典嵌入波函数（EWF）计算框架概览。(A) 代表性团簇构象： (A1) 21 原子的中性 FLiBe (Li₆Be₃F₁₂)，(A2) 22 原子的阴离子体系 [Li₆Be₃F₁₃]⁻，以及 (A3) 23 原子的含氚体系 Li₆Be₃F₁₃T。颜色代码：锂（紫色）、铍（蓝色）、氟（绿色）、氚（灰色）。
(B) 算法流程示意：研究人员并未直接计算整个巨型分子，而是将 Hartree-Fock 结果片段化。小型片段交由经典超级计算机求解；而拥有13个及以上轨道的复杂片段，则被交由IBM Heron 量子处理器，通过“扩展基于样本的量子对角化“算法进行求解。最后，系统会将量子与经典计算出的片段结果重新拼合并重建，得出整体的高精度能量。

图片来源：引自论文Quantum Computations on Fusion Blanket Molten Salts∗  仅供学术交流与行业探讨。

这种类似“超级计算机负责整体规划与简单计算，量子计算机解决关键局部电子难题”的协同模式，成功突破了传统算力的规模限制。

基于上述方法，研究团队对9种不同的FLiBe分子构型进行了测试。

结果显示：采用IBM量子处理器计算得到的结果，与经典高精度FCI方法高度一致。论文数据显示：

• ext-SQD量子方法与FCI结果偏差约0.7 kcal/mol；

• 平均绝对偏差约0.3 kcal/mol。

下图：九种 21 原子 FLiBe 团簇的相对能量（ΔEΔE）及不同计算方法的精度偏差。
图片展示了四种“全分子方法”与三种“片段化嵌入方法”的能量计算对比。红色的空心大五角星代表量子硬件结果（EWF-FCI+ext-SQD），黑色的实心小圆点代表经典高精度的 EWF-FCI 基准，两者几乎完全重合。下图的柱状图直观显示了各方法与基准的偏差：未片段化的经典方法偏差高达数十 kcal/mol；而量子ext-SQD 方法的偏差（蓝色条）极小，全部落在 ±1kcal/mol 的“黄金化学精度”区间内（平均绝对偏差仅约 0.3 kcal/mol）。

图片来源：引自论文Quantum Computations on Fusion Blanket Molten Salts∗  仅供学术交流与行业探讨。

这一里程碑式的成果不仅证明了量子计算在当前硬件规模下，已具备处理强离子特征熔盐体系电子结构问题的能力，更是业界首次在带电离子体系（特别是无机熔盐体系）中成功实现量子-经典计算验证。

这项研究对聚变行业的发展具有重要的里程碑意义，它标志着聚变材料研发与核心难题的攻关正在迈向全新的范式。

• 首先，聚变材料的研发有望正式从传统的“经验摸索”迈入基于AI与量子计算的“材料基因组计算设计（MGI）”阶段。 过去，包层及涉氚材料的开发高度依赖“实验试错—中子辐照测试—宏观性能评价”的漫长周期。而未来，依托高性能计算（HPC）、AI模型与量子计算的深度融合，研究人员将能够从原子甚至量子层面，精准预测哪种熔盐组合更利于氚的释放、哪种材料具备更优异的抗辐照性能，以及何种微观结构最契合商业聚变堆的苛刻工况。

• 其次，该研究揭示了聚变能商用过程中的一个关键转变：氚燃料循环正在从宏观的“系统工程问题”下沉为底层的“材料科学问题”。 在探讨聚变商业化时，外界的焦点往往集中在能量增益（Q值）、等离子体温度以及超导磁体性能上。但在实际工程中，建立完整且闭合的燃料循环系统才是商业聚变面临的最大挑战之一。“如何高效产氚”与“如何安全把氚提取出来”，将直接决定未来商业聚变电站能否实现自持与持续运行。本次研究正是直击了这一决定聚变能发展的底层痛点。

尽管前景广阔，但同时也须客观地认识到：量子计算距离全面赋能商业聚变仍有很长的路要走。 目前的交叉研究仍处于早期探索阶段，正如论文中所明确指出的那样，现有的量子计算规模尚不足以涵盖数十纳米级的宏观工程情况；未来若要真正实现真实尺寸的“聚变包层尺度模拟”，还必须依赖于更大规模量子计算体系的成熟以及底层算法的进一步突破。

参考阅读 📚

觉得本文对您有用的话，帮我点个“❤”吧 👇🏻