由 HUN-REN 維格納物理研究中心（HUN-REN Wigner Research Centre for Physics）科學顧問 Örs Legeza 與羅蘭大學（Eötvös Loránd University，ELTE）博士生 Andor Menczer 開發的一種全新計算方法，使得過去被認為過於複雜而無法求解的量子化學問題得以處理。研究成果已發表於《Journal of Chemical Theory and Computation》。
這項研究由多個國際機構合作完成，包括 HUN-REN 維格納物理研究中心、NVIDIA、Sandbox AQ、慕尼黑工業大學（Technical University of Munich）以及太平洋西北國家實驗室（Pacific Northwest National Laboratory，PNNL）。研究人員證明，原本為人工智慧應用而設計的圖形處理器（GPU）不僅速度快，而且在量子化學計算方面也具有足夠的精確度。
在研究過程中，合作團隊成功分析了兩個極其複雜的分子系統：FeMoco 與細胞色素 P450（cytochrome P450）。FeMoco 在將大氣中的氮轉化為氨的過程中扮演關鍵角色，而細胞色素 P450 則是肝臟中的重要酶，參與分解各種化學化合物。要精確描述這些系統，是計算化學領域最重大的挑戰之一。
在這項研究中，團隊利用了 NVIDIA Blackwell 架構的能力，該架構能夠高效率地處理如此複雜的模擬。研究人員採用了混合精度（mixed-precision）計算方法：在允許近似的部分使用速度更快、精度較低的運算，而在關鍵步驟中則確保最高精度。
這項解決方案建立於密度矩陣重整化群（Density Matrix Renormalisation Group，DMRG）方法之上，而該方法已由 Örs Legeza 進一步發展與改良。這種方法能夠研究包含大量相互作用電子的系統，對於理解催化作用以及半導體行為等問題尤其重要。
研究結果顯示，原本為人工智慧設計的硬體，同樣能以高精度處理量子化學中最困難的問題。
從長遠來看，這意味著目前仍需依賴超級電腦才能完成的量子化學計算，未來可能成為日常研究工作的一部分，進而加速新型催化劑、半導體材料與藥物的開發。
PNNL 計算化學家 Sotiris Xantheas 表示：
「我們的研究顯示，以 AI 為導向的硬體不僅速度快，而且能夠以高度準確性處理位於計算可行性極限的強關聯量子化學問題。」
Örs Legeza 強調：
「透過混合精度 DMRG 方法達到化學精度（chemical accuracy），我們為下一代 Blackwell 系統在催化學、生物無機化學以及材料科學中的應用開闢了一條切實可行的道路。」
本研究獲得匈牙利國家研究、發展與創新辦公室（NKFIH）、慕尼黑工業大學 Hans Fischer 資深研究員計畫，以及美國能源部（U.S. Department of Energy）SPEC 計畫的支持。
