Il quantum computing per la fusione entra in una fase concreta: IBM, Oak Ridge National Laboratory e Cleveland Clinic hanno usato computer quantistici per studiare configurazioni molecolari di un materiale candidato alla produzione di trizio, uno dei combustibili più difficili da ottenere per i futuri reattori a fusione.
Il risultato non significa che l’energia da fusione sia dietro l’angolo, né che i computer quantistici abbiano già superato in modo generale i supercomputer classici. Il punto è più preciso, e per questo più interessante: il calcolo quantistico è stato applicato a un problema reale di chimica dei materiali legato alla fusione, cioè il comportamento del trizio nei sali fusi FLiBe, una miscela di fluoro, litio e berillio considerata promettente per i cosiddetti blanket dei reattori.
Il lavoro, pubblicato come preprint su arXiv il 29 giugno 2026, descrive il calcolo di nove configurazioni molecolari di FLiBe con e senza trizio. Secondo gli autori, si tratta della prima dimostrazione nota di un workflow quantistico-classico applicato al legame del trizio in sali fusi per la fusione.
Quantum computing per la fusione: perché il trizio è il vero collo di bottiglia
Il quantum computing per la fusione viene chiamato in causa perché uno dei problemi più complessi non riguarda solo il plasma, i magneti o il tokamak, ma il carburante. Molti progetti di reattori a fusione prevedono l’uso di deuterio e trizio, due isotopi dell’idrogeno. Il deuterio è relativamente abbondante; il trizio, invece, è raro in natura e oggi viene prodotto in quantità molto limitate.
Questo è un ostacolo strutturale. Un futuro impianto a fusione non può dipendere da una filiera esterna insufficiente: deve produrre trizio mentre funziona. La soluzione studiata da molti ricercatori è un blanket, cioè uno strato di materiale che circonda il plasma. Quando i neutroni generati dalla fusione colpiscono il litio presente nel materiale, possono generare nuovo trizio.
Il problema è che questo blanket deve fare molte cose insieme. Deve contribuire alla produzione del combustibile, proteggere componenti delicati del reattore, sopportare calore estremo, radiazioni neutroniche e campi magnetici, trasferire energia termica e mantenere proprietà chimiche adeguate. In questo scenario, la miscela FLiBe è una delle candidate più studiate, ma comprenderne il comportamento a livello atomico resta molto difficile.
Quantum computing per la fusione: il ruolo dei sali FLiBe
FLiBe è una miscela di fluoruro di litio e fluoruro di berillio. Nei reattori a fusione può essere usata come materiale di blanket, con il compito di contribuire alla generazione e al recupero del trizio. Il punto critico è capire come il trizio interagisce con il sale fuso dopo essere stato prodotto.
Se il trizio rimane in una forma più facilmente separabile, il recupero può essere più semplice. Se invece si lega al fluoro formando tritio-fluoruro, la situazione diventa più complessa, perché il composto può essere corrosivo e difficile da estrarre. La differenza dipende da dettagli chimici sottili: energie di legame, configurazioni molecolari, interazioni elettroniche e dinamica del materiale in condizioni estreme.
Qui entrano in gioco i limiti del calcolo tradizionale. I metodi classici, come la teoria del funzionale della densità, sono utili e largamente usati, ma in sistemi complessi come i sali fusi possono introdurre approssimazioni non trascurabili. Il blog tecnico di IBM segnala che, in precedenti lavori, il gruppo di Oak Ridge aveva osservato errori fino al 10% nel calcolo dell’energia libera, una grandezza decisiva per prevedere il legame molecolare.
In pratica, per progettare un materiale capace di produrre e rilasciare trizio in modo efficiente non basta sapere che il sale “funziona” in teoria. Serve capire come si comporta a livello elettronico e molecolare, dove la fisica è quantistica per natura.
Che cosa hanno fatto IBM, ORNL e Cleveland Clinic
Il team formato da Oak Ridge National Laboratory, Cleveland Clinic e IBM ha calcolato nove configurazioni molecolari di FLiBe, con e senza trizio, usando un approccio di quantum-centric supercomputing. Questa espressione indica un workflow ibrido in cui CPU, GPU e QPU non vengono viste come risorse alternative, ma come componenti diverse dello stesso processo di calcolo.
Il problema viene frammentato. Le parti più gestibili vengono trattate con risorse classiche, mentre le parti più difficili dal punto di vista quantistico vengono assegnate al computer quantistico. Nel paper, i cluster molecolari estratti da simulazioni di dinamica molecolare ab initio vengono suddivisi tramite un metodo di embedding wave function; i frammenti più complessi vengono poi risolti su hardware quantistico IBM con una tecnica chiamata sample-based quantum diagonalization estesa.
Detta in modo meno specialistico: invece di provare a simulare tutto il sistema in una volta, i ricercatori lo hanno spezzato in porzioni più piccole. I computer classici gestiscono ciò che sanno trattare bene; il quantum computer interviene dove la correlazione elettronica rende il calcolo particolarmente impegnativo.
I risultati indicano che il workflow quantistico-classico ha riprodotto le energie fondamentali dei frammenti con accordo entro 0,7 kcal/mol rispetto al full configuration interaction, con una deviazione assoluta media di 0,3 kcal/mol. Sono numeri tecnici, ma importanti: mostrano che il calcolo quantistico, in questo contesto, può contribuire a ottenere stime coerenti su frammenti molecolari difficili.
Non è ancora la simulazione di un reattore
Il limite va detto chiaramente. Il lavoro non simula un intero blanket di sale fuso in un reattore reale. Il paper riguarda nove cluster molecolari, ciascuno composto da 21 ioni, estratti da simulazioni più ampie. È una prova di metodo, non una modellazione completa di un impianto a fusione.
Il blog di IBM spiega che il problema reale richiederebbe di comprendere un volume macroscopico di sale fuso, con un numero enorme di particelle e condizioni dinamiche complesse. Questo resta fuori portata per la chimica computazionale completa, quantistica o classica, almeno nel futuro prevedibile.
Il valore del risultato è quindi diverso: dimostrare che una parte specifica e difficile del problema può essere affrontata con un workflow ibrido, e che questo metodo può essere esteso in futuro a cluster più grandi e a un numero molto maggiore di configurazioni.
È un passaggio incrementale, ma non banale. La fusione è un problema di sistema, non un singolo ostacolo tecnico. Servono progressi nei magneti, nei materiali, nella gestione del plasma, nell’ingegneria termica, nel controllo del combustibile e nella manutenzione. Questo lavoro si colloca nel segmento dei materiali e della chimica del trizio.
Il collegamento con AI e supercalcolo
Il progetto si inserisce nella Genesis Mission del Dipartimento dell’Energia statunitense, che punta a collegare high performance computing, intelligenza artificiale, quantum computing e grandi strumenti scientifici dei laboratori nazionali americani. IBM è indicata come uno dei partner industriali della missione.
La prospettiva è costruire un ciclo di scoperta più rapido. In una prima fase, sistemi di AI possono proporre e filtrare candidati materiali partendo da grandi basi dati di ricerca sui sali fusi. In una seconda fase, i supercomputer classici possono modellare i candidati più promettenti. In una terza fase, il quantum computing può intervenire sulle parti in cui la chimica elettronica richiede più accuratezza.
Questo non significa sostituire i laboratori. Significa ridurre lo spazio delle ipotesi da testare fisicamente. Invece di produrre, riscaldare e misurare un numero enorme di materiali candidati, i ricercatori possono restringere la selezione tramite simulazioni più accurate, portando in laboratorio solo le opzioni più promettenti.
È un modello che interessa molto anche oltre la fusione. Chimica farmaceutica, materiali per batterie, catalizzatori, superconduttori e sistemi biologici complessi presentano problemi simili: troppe configurazioni possibili, troppe interazioni elettroniche, costi sperimentali elevati.
Perché Cleveland Clinic è coinvolta in un progetto sulla fusione
A prima vista, la presenza di Cleveland Clinic in un progetto sulla fusione può sembrare strana. In realtà, il collegamento è metodologico. Il gruppo guidato da Kenneth Merz ha lavorato con IBM e RIKEN su simulazioni molecolari complesse, inclusa una simulazione quantistico-classica di un complesso proteico da 12.635 atomi pubblicata nel 2026.
Le tecniche sviluppate per studiare sistemi biologici complessi possono essere riutilizzate nella scienza dei materiali. In entrambi i casi, il problema è calcolare il comportamento elettronico di sistemi troppo grandi per essere trattati integralmente con metodi quantistici esatti.
Kenneth Merz, corresponding author del lavoro, ha spiegato che il progetto estende tecniche già applicate ai sistemi biologici verso materiali rilevanti per la fusione. Nella sua lettura, quantum computing, AI e high-performance computing stanno diventando strumenti complementari per accelerare la scoperta scientifica.
Tom Beck di ORNL ha sottolineato invece il ruolo del quantum computing all’interno di una strategia più ampia per ottimizzare la produzione di trizio nei materiali di blanket a sali fusi: “I computer quantistici, come quelli costruiti da IBM e potenziati da AI ed exascale computing, sono strumenti chiave per accelerare i cicli di scoperta e progettazione necessari a produrre trizio sufficiente per alimentare i reattori a fusione”.
Il senso industriale del risultato
Dal punto di vista industriale, il messaggio più rilevante è che il quantum computing viene presentato non come tecnologia isolata, ma come componente di un’infrastruttura scientifica ibrida. Il termine quantum-centric supercomputing serve proprio a indicare questo passaggio: il quantum computer non lavora da solo, ma viene orchestrato insieme a supercomputer classici, GPU e algoritmi di AI.
Jerry Chow, CTO of Quantum-Centric Supercomputing di IBM, ha sintetizzato il punto sostenendo che quantum, AI e calcolo classico devono lavorare insieme per affrontare sfide scientifiche che nessun paradigma può risolvere da solo.
È una posizione realistica. I computer quantistici attuali non sono macchine general purpose pronte a rimpiazzare i data center tradizionali. Sono strumenti specializzati, ancora vincolati da scala, rumore, correzione degli errori e maturità degli algoritmi. Però, su alcuni problemi di chimica quantistica e materiali, cominciano a mostrare una traiettoria applicativa più concreta.
Il preprint arXiv non chiude il problema, anzi evidenzia anche dove serve migliorare. Gli autori indicano che una parte rilevante del bias algoritmico non deriva tanto dalla soluzione dei singoli frammenti, ma dalla costruzione dei frammenti stessi. È un dettaglio tecnico importante: il quantum computer può risolvere bene una porzione del problema, ma l’intero workflow dipende dalla qualità con cui il sistema viene suddiviso e ricomposto.
La strada verso materiali progettati al computer
Il prossimo passo sarà aumentare la dimensione dei cluster molecolari simulati e passare da nove configurazioni a centinaia di configurazioni, necessarie per stimare in modo più affidabile l’energia libera di legame del trizio. Il team punta anche a ridurre il tempo di trasferimento dei dati tra risorse classiche e quantistiche, un aspetto cruciale quando il workflow diventa più grande e iterativo.
L’obiettivo finale è fornire agli ingegneri della fusione strumenti per progettare e verificare materiali su computer prima di testarli fisicamente. Questo non elimina la sperimentazione, ma può renderla meno cieca, meno costosa e più rapida.
In prospettiva, un sistema di questo tipo potrebbe valutare diverse composizioni di sali fusi, stimarne la capacità di generare trizio, prevedere il comportamento sotto radiazione e calore, e analizzare come il trizio si lega o si libera dal materiale. È esattamente il tipo di problema in cui l’integrazione tra AI, HPC e quantum computing può avere senso.
Una tappa utile, non una scorciatoia verso la fusione commerciale
Il lavoro di ORNL, Cleveland Clinic e IBM va letto per quello che è: una dimostrazione scientifica preliminare, ma significativa, dell’uso del quantum computing in un problema reale di chimica dei materiali per la fusione. Non dimostra che i reattori a fusione commerciale siano imminenti. Non risolve la disponibilità globale di trizio. Non sostituisce la sperimentazione sui materiali in condizioni operative.
Dimostra però che il quantum computing può iniziare a contribuire a una delle parti più difficili della filiera: capire, con maggiore precisione, come si comportano i materiali che dovrebbero permettere a un reattore di produrre il proprio combustibile.
Per gli utenti finali, la ricaduta non è immediata. Nessuno vedrà una bolletta più bassa grazie a questo esperimento nel breve periodo. Ma il significato tecnologico è concreto: se la fusione dovrà diventare una fonte energetica praticabile, serviranno strumenti computazionali molto più potenti e accurati di quelli usati oggi. Questo lavoro indica una possibile direzione, in cui computer quantistici, AI e supercalcolo non sono slogan separati, ma parti di un unico processo di scoperta.
