De MMD TechHub, gelanceerd in juni 2024, bundelt de expertise van alle acht instituten van de FNWI om de ontdekking van moleculen en materialen te versnellen. Het initiatief combineert onderzoek in de chemie, natuurkunde en levens- wetenschappen met kunstmatige intelligentie, computationele wetenschap, datawetenschap en quantuminformatiewetenschap.

Het nieuwe Q-SIM4MMD-initiatief voegt vier projecten met startfinanciering toe aan de MMD TechHub, ondergebracht bij verschillende instituten. Daarnaast zal de nieuw opgerichte expertisegroep 'Q-Sim' samenwerken met deze projecten om de expertise in toepassingen van quantumsimulatie verder te ontwikkelen. Ook zal de groep de projecten verbinden met het bredere ecosysteem voor quantumcomputing, waaronder QuSoft.

Elk project ontvangt 200.000 euro aan startfinanciering voor een periode van twee jaar. Naast hun directe onderzoeksdoelen werken de projecten met ondersteuning van de MMD TechHub aan kennisoverdracht, potentiële toepassingen, en het werven van vervolgfinanciering, onder meer via publiek-private samenwerkingen.

Quantum machinelearning voor het ontwerp van moleculen en materialen

Alberto Pérez de Alba Ortíz (IvI/HIMS) en Clelia de Mulatier (IvI/IoP)

Experimenten en simulaties bij het ontwerpen van moleculen en materialen kunnen kostbaar en tijdrovend zijn. Bayesiaanse optimalisatie helpt onderzoekers bij het bepalen welk experiment of welke simulatie zij als volgende moeten uitvoeren, door gebruik te maken van voorspellende modellen die ook de onzekerheid inschatten. Dit project ontwikkelt en test 'kernels' op basis van quantumcircuits: onderdelen van deze modellen die bepalen hoe overeenkomsten tussen datapunten worden weergegeven.

Het team onderzoekt welke circuitontwerpen het beste werken voor verschillende moleculaire eigenschappen en hoe modellen voldoende eenvoudig kunnen blijven om overfitting te voorkomen. Mogelijke toepassingen zijn onder meer het bestuderen van de binding van verontreinigende stoffen, zoals PFAS en nanoplastics, aan menselijke eiwitten, en het ontwerpen van materialen die ongewenste stoffen kunnen opvangen.

Quantumcomputing in de bio-informatica verkennen

Aalt-Jan van Dijk en Anna Heintz Buschart (SILS)

Het team onderzoekt of quantumalgoritmen kunnen bijdragen aan het oplossen van complexe vraagstukken binnen de analyse van biologische data. Quantumprototypes worden geïntegreerd in bestaande analyseworkflows en vergeleken met toonaangevende klassieke methoden.

Een onderzoeksrichting richt zich op enzymspecificiteit: het begrijpen op welke stoffen een enzym inwerkt en welke producten het voortbrengt. Het project verkent quantum- en hybride quantum-klassieke benaderingen voor taken zoals het zoeken naar bindingsconfiguraties en het schatten van interacties tussen enzymen en substraten. Een tweede richting focust op de analyse van DNA-sequenties, waaronder het in kaart brengen van microbiomen en de interacties tussen de mens en het microbioom.

Richting veiligere en duurzamere moleculen

Saer Samanipour, Bernd Ensing (HIMS) en Antonia Praetorius (IBED)

De wijze waarop een molecuul computationeel wordt weergegeven, bepaalt in grote mate wat een model erover kan voorspellen. Bestaande representaties omvatten moleculaire structuren en elektronische interacties niet altijd volledig, terwijl gedetailleerdere benaderingen vaak rekenintensief zijn.

Dit project onderzoekt of quantummethoden kunnen bijdragen aan op topologie gebaseerde benaderingen en alternatieve moleculaire representaties kunnen bieden. Het langetermijndoel is om het screenen van grote chemische databases te verbeteren en de ontdekking van moleculen te ondersteunen die zijn ontworpen met het oog op veiligheid en duurzaamheid.

Quantumsimulaties toetsen aan gevestigde methoden

Philippe Corboz en Arghavan Safavi Naini (IoP), in samenwerking met Natalia Chepiga (Universiteit van Oxford)

Het team vergelijkt quantumsimulaties van materialen met geavanceerde numerieke methoden, in het bijzonder tensornetwerken. Ze bestuderen tweedimensionale materiaalmodellen, waaronder Hubbard-modellen, die worden gebruikt om interagerende elektronen te beschrijven – evenals de langetermijndynamiek van quantumspinketens. Deze vergelijkingen helpen inzichtelijk te maken hoe de resultaten van quantumsimulaties zich verhouden tot sterke klassieke benchmarks en waar verdere ontwikkeling vereist is.