量子計算+生物制藥產(chǎn)業(yè)與技術(shù)發(fā)展研究報告 4 5 5 6 7 9 9 9 8.2超導(dǎo)量子計算的未來展望.....................................人工智能在生物制藥領(lǐng)域取得了巨大突破，特別是人工智能經(jīng)典計算框架下的巔峰之作，其能力高度依賴于訓(xùn)練數(shù)據(jù)的質(zhì)量與廣度，并受限于經(jīng)典物理的描述范疇。近年來，以量子信息科學(xué)為代表的量子科技迅猛發(fā)展，掀起了第二次量子革命的興量子計算基于量子力學(xué)的疊加原理展開了全新的計算模式，它提供了一種從根本上實現(xiàn)并行計算的思路，具備極大超越經(jīng)典計算發(fā)模式的一個分水嶺，行業(yè)正在從高度依賴經(jīng)驗的傳統(tǒng)路徑，全面轉(zhuǎn)向由人工智能（AI）驅(qū)動、量子計算增強的智現(xiàn)計算發(fā)展的變革、量子計算賦能藥物發(fā)現(xiàn)的技術(shù)路線、應(yīng)用場子科技長三角產(chǎn)業(yè)創(chuàng)新中心、粵港澳大灣區(qū)量子科技與產(chǎn)業(yè)創(chuàng)新聯(lián)盟、中山大學(xué)藥學(xué)院、北京玻色量子科技有限公司、中國移動1.1全球醫(yī)藥市場發(fā)展態(tài)勢與創(chuàng)新藥研發(fā)生物醫(yī)藥產(chǎn)業(yè)是一個關(guān)乎人類健康和生命科學(xué)前沿的產(chǎn)業(yè)，其發(fā)展狀況與全球經(jīng)濟及科技進步緊密相連。當(dāng)前，生物醫(yī)藥產(chǎn)），數(shù)量再創(chuàng)歷史新高，達到23875個，較2024年增長4.60%。其結(jié)構(gòu)來看，化學(xué)藥、生物藥和中藥三大板塊呈現(xiàn)臨高風(fēng)險、長周期和高成本的三大問題，量子挑戰(zhàn)的核心在于經(jīng)典計算在生物分子模擬中從實驗室走向患者，轉(zhuǎn)化速度實現(xiàn)與國際水平同步，部分品種在《制造業(yè)數(shù)字化轉(zhuǎn)型行動方案》、《關(guān)于全面深化藥品醫(yī)療器械在相關(guān)政策支持和產(chǎn)業(yè)持續(xù)創(chuàng)新的共同推動下，我國醫(yī)藥工業(yè)自動化、信息化、數(shù)字化發(fā)展的基礎(chǔ)更加堅實，以人工智能為代表的新一代信息技術(shù)與醫(yī)藥研發(fā)融合日益深入，為我國醫(yī)藥工業(yè)進與此同時，醫(yī)藥工業(yè)在數(shù)智化發(fā)展過程中仍面臨頂層設(shè)計和協(xié)調(diào)引導(dǎo)不夠完整、企業(yè)主動轉(zhuǎn)型能力不足、支撐服務(wù)體系有待推動新一代信息技術(shù)與醫(yī)藥產(chǎn)業(yè)鏈深度融合，加快推進醫(yī)藥工業(yè)數(shù)智化轉(zhuǎn)型，進一步提高企業(yè)核心競爭力，提升藥品質(zhì)量安全水平，增強供應(yīng)保障能力，培育和發(fā)展新質(zhì)生產(chǎn)力，促進醫(yī)藥工業(yè)DeNovo?，F(xiàn)有數(shù)據(jù)庫虛擬篩選方面，應(yīng)用發(fā)業(yè)務(wù)，根據(jù)DeepPharmaIntelliAI、量子計算、機器學(xué)習(xí)深度融合、協(xié)同發(fā)力，共同構(gòu)成一舉措旨在提升公眾對量子科學(xué)及應(yīng)用重要性的認識。量子技術(shù)府研發(fā)預(yù)算優(yōu)先事項及跨領(lǐng)域行動》備忘錄，將人工智能與量子當(dāng)前，量子計算快速發(fā)展，在醫(yī)藥領(lǐng)域展示出廣闊的應(yīng)用前日本、丹麥等國已加速相關(guān)部署。在此形勢下，英國國家量子計前沿》洞察報告，認為量子計算有望加速醫(yī)療保健和制藥領(lǐng)域的進步，解決藥物發(fā)現(xiàn)、診斷、個性化醫(yī)療和醫(yī)療保健服務(wù)方面的一些最復(fù)雜的挑戰(zhàn)，量子計算在未來數(shù)十年內(nèi)對醫(yī)藥領(lǐng)域可能帶2.2我國政策規(guī)劃體系與“十五五”新規(guī)前“開辟新賽道”為導(dǎo)向完成頂層設(shè)計。一年后，政策重點已轉(zhuǎn)向“建從賽道開辟到產(chǎn)業(yè)培育的關(guān)鍵轉(zhuǎn)變。這一戰(zhàn)略深化既依托于關(guān)鍵領(lǐng)域的技術(shù)突破，也凸顯國家將量子科技作為新質(zhì)生產(chǎn)力核心引和“培育量子科技等未來產(chǎn)業(yè)”，覆蓋基礎(chǔ)研究到產(chǎn)業(yè)化的全鏈條支持。一是突破芯片、測控等核心器件與設(shè)備底層技術(shù)；二是醫(yī)療等場景落地。這一政策框架為產(chǎn)業(yè)鏈上下游企業(yè)提供了較為清晰的研發(fā)和市場拓展路徑，標志著國家戰(zhàn)略進一步聚焦量子技在“十五五”規(guī)劃綱要中，量子科技首次被提升至國家戰(zhàn)略支柱產(chǎn)業(yè)的高度，標志著中國正式將量子科技作為未來產(chǎn)業(yè)升級的核心引擎。量子科技在“十五五”規(guī)劃中的定位超越了單一技術(shù)范疇，成為連接多領(lǐng)域創(chuàng)新的戰(zhàn)略支點。量子計算與人工智能的融合被視為下一代計算革命的重要方向。人工智能在處理高維數(shù)據(jù)、復(fù)雜優(yōu)化問題時，常面臨計算復(fù)雜度指數(shù)級增長的瓶頸，而量子計算憑借疊加態(tài)與糾纏態(tài)特性，在并行計算、全局優(yōu)化等聚焦廣東政策與戰(zhàn)略布局，2025年2月，《廣東省建設(shè)現(xiàn)組合優(yōu)化、量子化學(xué)、機器學(xué)習(xí)等領(lǐng)域?qū)崿F(xiàn)突破，進而推動材料作為粵港澳大灣區(qū)量子科技創(chuàng)新的核心引擎，廣州已構(gòu)建起完整的量子科技研發(fā)生態(tài)體系。在基礎(chǔ)研究維度，琶洲實驗室量子計算中心、中山大學(xué)量子研究院和華南理工大學(xué)量子實驗室三大科研重鎮(zhèn)協(xié)同發(fā)力，重點突破光量子芯片設(shè)計、超導(dǎo)量子計算算原型機，為量子計算產(chǎn)業(yè)化奠定堅實基礎(chǔ)。在技術(shù)轉(zhuǎn)化維度，粵港澳大灣區(qū)量子科學(xué)中心作為區(qū)域協(xié)同創(chuàng)新平臺，整合廣深港澳優(yōu)質(zhì)科研資源；量子信息共享中試平臺提供專業(yè)的器件制備與測試服務(wù)；規(guī)劃建設(shè)的量子科技產(chǎn)業(yè)園將打造完整的產(chǎn)業(yè)生態(tài)，形成從基礎(chǔ)研發(fā)到產(chǎn)品測試再到產(chǎn)業(yè)化的全鏈條轉(zhuǎn)化體系。在應(yīng)用落地維度，廣州積極推動產(chǎn)學(xué)研深度融合，與華為共建的量子量子算法項目已在金融風(fēng)控領(lǐng)域取得實質(zhì)性應(yīng)用突破，同時建成的粵港澳大灣區(qū)量子通信網(wǎng)絡(luò)廣州節(jié)點，標志著量子通信技術(shù)向域分布來看，AIDD企業(yè)高度集中于北京（占比29.2%）、廣東技術(shù)平臺企業(yè)主導(dǎo)，提供算力與底層技術(shù)支持；中游則以深勢科為粵港澳大灣區(qū)的核心引擎，廣東不僅在全省層面將生物醫(yī)藥與健康產(chǎn)業(yè)列為戰(zhàn)略性支柱產(chǎn)業(yè)集群，更在《廣州市戰(zhàn)略性新興產(chǎn)州國際生物島、深圳坪山國家生物產(chǎn)業(yè)基地等載體，形成了涵蓋閉環(huán)等方向展現(xiàn)出技術(shù)獨特性，進一步強化了廣東在融合人工智失敗率驚人。為攻克這一難題，計算科學(xué)與生物制藥的融合，催生了一場深刻的范式革命。這條演進之路，清晰地展現(xiàn)了從依賴經(jīng)驗與偶然的傳統(tǒng)藥物發(fā)現(xiàn)，到基于物理模型的計算機輔助藥物設(shè)計（CADD），再到由數(shù)據(jù)與算法驅(qū)動的人工智能藥物發(fā)現(xiàn)于對天然產(chǎn)物的篩選和偶然的實驗發(fā)現(xiàn)，其過程缺乏方向性，效建模、分子對接等技術(shù)，研究人員得以在計算機上模擬藥物分子與生物靶點的相互作用，從而進行有指導(dǎo)性的篩選和優(yōu)化，這標滿噪聲和批次效應(yīng)的生物學(xué)數(shù)據(jù)現(xiàn)狀形成尖銳矛盾；其二，在面對生命系統(tǒng)內(nèi)在的“量子效應(yīng)”與“組合爆炸”等根本性難題時，經(jīng)典計算的“天花板”也已清晰可見。這些挑戰(zhàn)共同預(yù)示著，一場更圖3-1藥物發(fā)現(xiàn)的范式演進問世為標志。它以前所未有的速度和精度解決了困擾生物學(xué)界半實驗方法相媲美的水平。這一顛覆性成就不僅極大地加速了藥物靶點的發(fā)現(xiàn)與理解，更直接催生并引爆了“AIforScience”這一激動人心的新賽道，吸引了數(shù)十億美元的風(fēng)險投資涌入，其中，人工智能藥物發(fā)現(xiàn)（AIDD）成為了發(fā)展最快、成果最顯著的方向。模型本質(zhì)上是強大的模式識別與數(shù)據(jù)插值工具，其能力高度依賴在精度層面，AIDD面臨“量子物理”的天花板。藥物分子白的相互作用，其本質(zhì)是電子層面的量子力學(xué)行為。精準預(yù)測藥物的結(jié)合親和力，是衡量其活性的關(guān)鍵，而這要求計算精度達到據(jù)中學(xué)習(xí)這種相互作用的結(jié)果，卻無法從第一性原理出發(fā)精因此在預(yù)測結(jié)合自由能、催化反應(yīng)能壘等關(guān)鍵參數(shù)時，始終存在影。無論是探索廣闊的化學(xué)空間（據(jù)估計，具有類藥性的小分子），性理論共同決定的。這種上限在諸如分子對接加速和超大規(guī)模相法保證找到能量最低的最優(yōu)構(gòu)象，也難以在天文數(shù)字般的化學(xué)空間中進行無遺漏的全局搜索。正是為了突破這些在精度和全局尋的計算機出現(xiàn)，而是提供了一套全新的計算邏輯與解決思路。基于當(dāng)前的硬件成熟度和算法研究，量子計算主要通過以下三大核科學(xué)原理在于，量子系統(tǒng)能夠利用量子疊加性和并行性。一個包的狀態(tài)，這意味著量子計算機在一次操作中就能處理經(jīng)典計算機需要2^N次才能完成的計算量。專用優(yōu)化設(shè)備，如D-Wave通過免像經(jīng)典算法那樣輕易陷入局部最優(yōu)解，從而有更大幾率找到問解，對于尋找分子最低能量構(gòu)象這類問題至關(guān)重要。這是當(dāng)前量拓撲結(jié)構(gòu)映射。一個物理量子優(yōu)化器會自發(fā)地趨向其能量最低的狀態(tài)，該體系的不同狀態(tài)的能量分布服從玻爾茲曼分布，也反映了該狀態(tài)出現(xiàn)的概率。經(jīng)典采樣算法常面臨收斂慢、模式坍塌等問題，而量子采樣器則能更自然、高效地探索整個概率空間。通過將量子采樣器作為核心模塊嵌入經(jīng)典機器學(xué)習(xí)框架，有望構(gòu)建于從已有分子庫中篩選具有活性的分子，藥物發(fā)現(xiàn)的另一個途徑是從頭設(shè)計和和生成分子并優(yōu)化其性質(zhì)，借助目前主流的生成模向生成具有高親和力的分子，但目前基于高斯分布先驗的模型假設(shè)往往會造成模型的失真，量子計算基于能量分布可以更真實地表征化學(xué)分子的隱空間，重構(gòu)當(dāng)前的深度學(xué)習(xí)模型，得到泛化性圖5-1量子計算賦能生物制藥的三階段發(fā)展規(guī)劃6.1從諾獎理論到量子計算硬件的物理實物理學(xué)的深邃思想，特別是關(guān)于如何利用物理系統(tǒng)本身特性來解決復(fù)雜計算問題的理念，正以前所未有的方式推動著計算技術(shù)的革命。無論是相干光量子計算還是超導(dǎo)量子計算，其目標都是將微觀世界的量子規(guī)律轉(zhuǎn)化為宏觀可用的超級算力，從而突破“以物理系統(tǒng)尋找能量基態(tài)來實現(xiàn)計算”這一思想，其價值和正是脫胎于物理學(xué)的伊辛模型。這一里程碑式的認可，深刻揭示了物理學(xué)模型是現(xiàn)代AI算法的基石，當(dāng)AI領(lǐng)域的突破回歸到對伊辛模型的深刻洞察時，如何高效地在物理世界中實現(xiàn)并求解伊據(jù)質(zhì)量顯著優(yōu)于傳統(tǒng)方法。然而，量子退火機在面對生物制藥等領(lǐng)域的復(fù)雜問題時，其稀疏的硬件連接拓撲和高昂的超低溫運維而更進一步的實現(xiàn)方案，基于相干伊辛機（CoherentIsingMachine,CIM）的光量子計算應(yīng)運而生。它繼承了“物理即計算”的理念，但通過一個由光脈沖和光學(xué)反饋構(gòu)成的網(wǎng)絡(luò)來模擬伊辛系統(tǒng)。這種光學(xué)架構(gòu)不僅能在室溫下運行，更天然地支持靈活乃至全連接的耦合，直接克服了量子退火機的關(guān)鍵限制。更重要的超導(dǎo)量子計算機是量子計算領(lǐng)域主要技術(shù)路徑之一，其物理這些量子比特利用超導(dǎo)材料在接近絕對零度時表現(xiàn)出的零電阻和超導(dǎo)量子計算機的核心優(yōu)勢主要包括良好的工程可擴展性和在特定問題上展現(xiàn)出的指數(shù)級算力潛力。可擴展子電路可采用成熟的半導(dǎo)體微納加工工藝進行制備，使得集成大量量子比特更具可行性。而其算力潛力則源于量子比特的疊加和），制冷系統(tǒng)。其次，量子比特的量子相干時間（即保持量子態(tài)的時間）仍有限，且易受環(huán)境噪聲影響而發(fā)生退相干，同時量子門操作的精度和錯誤率也是當(dāng)前需要攻克的關(guān)鍵技術(shù)難題。值得注意的是，通過技術(shù)手段（例如在超導(dǎo)量子比特中引入特定無序）有盡管存在挑戰(zhàn)，超導(dǎo)量子計算機目前仍是主流量子計算方案中工程化進展較快的路徑之一，在量子計算應(yīng)用探索，展現(xiàn)出解決復(fù)雜問題的潛力。隨著量子糾錯等技術(shù)的進步，超導(dǎo)量子計算機有望在未來為復(fù)雜系統(tǒng)模擬、藥物設(shè)計等是連接這兩個層次的核心數(shù)學(xué)框架——它將優(yōu)化問題轉(zhuǎn)化為物圖6-1伊辛模型物理示意圖“成本”或“目標函數(shù)”的最小值）的過程，展現(xiàn)出了深刻的數(shù)學(xué)工具。它刻畫了一個由大量相互作用的、只有兩種狀態(tài)（例如“自旋向·Jij是自旋i和自旋j之間的耦合（相互作用）強度另一個價值體現(xiàn)則是采樣，當(dāng)系統(tǒng)處于一個有限的“有效溫指數(shù)成正比。這恰好與一類重要的生成式AI6.3QUBO模型：優(yōu)化問題的標準化“語言”為了更便于工程實現(xiàn)和在不同計算平臺上進行標準化處理，f(x)=ΣiQiixi+Σi<jQijxixj(或表示為xTQx)（2）圖6-2相干光量子計算機物理實現(xiàn)示意圖間的耦合作用，從而構(gòu)建起一個模擬目標伊辛模型的N*N耦合多優(yōu)化難題與QUBO/伊辛模型的天然數(shù)學(xué)契合性，使得相性和獨特的全局搜索機制，為高效求解那些具有“組合爆炸”提供了前所未有的潛力。其獨特的非線性動力學(xué)求解過程，去量子態(tài)的現(xiàn)象，這會嚴重影響量子計算的精度和可靠性。量子門操作的錯誤率則直接影響量子計算的效率和準確性。藥領(lǐng)域的廣泛應(yīng)用，需要專業(yè)的技術(shù)人員進行操作和維護。穿著兩大根本性的計算挑戰(zhàn)：一是在天文學(xué)數(shù)字般的化學(xué)分子空是如何從高維、高噪聲的多組學(xué)數(shù)據(jù)中精確解析復(fù)雜的生命調(diào)控網(wǎng)絡(luò)。這些挑戰(zhàn)的本質(zhì)，大多可以歸結(jié)為大規(guī)模的組合優(yōu)化問題或?qū)?fù)雜概率分布的高效采樣問題，這恰恰是經(jīng)典計算面臨的理相干光量子計算機通過其獨特的物理機制，為這兩類難題提供了全新的解決思路。它不僅能作為專用優(yōu)化器，高效求解被轉(zhuǎn)曼采樣器，探索經(jīng)典算法難以觸及的概率空間。相干光量子計算機賦能藥物發(fā)現(xiàn)的核心應(yīng)用路徑也清晰地分為三類：一是利用其分子對接（Moleculardocking）是基于配體-受體及能量匹配來尋找復(fù)合物模式，是基于結(jié)構(gòu)的虛擬篩選中的重要技術(shù)手段。經(jīng)典的分子對接主要分對接構(gòu)象采樣和打分兩步，其使得經(jīng)典計算在采樣時間和準確率上難以兼顧，嚴重限制了活性的對接問題轉(zhuǎn)換為配體原子和對接格點的匹配問題，并添加位置H=?∑wai,djxai,dj2+Kdist∑u(ai,dj)(ak,dl)xai,djxak,dl+Kmono∑v(ai,dj)(ak,dl)xai,djxak,dl（3）其中，wai,dj為原子ai放置在格點dj上的適配度，kdist、kmono、cdist為模型最小RMSD最小RMSD(埃)晶體結(jié)構(gòu)對接構(gòu)象不同剛性對接方法FeatureAtom匹配晶體結(jié)構(gòu)ID：2IWXRMSD=3埃GridPoint匹配晶體結(jié)構(gòu)ID：3DXGRMSD=2埃FeatureAtom匹配晶體結(jié)構(gòu)ID：2VKMRMSD=1埃GridPoint匹配晶體結(jié)構(gòu)ID：1Y6RRMSD=0.1埃圖7-1GPM和FAM在CASF-2016數(shù)據(jù)集上的采樣表現(xiàn)比較為采樣的對接構(gòu)象（紅色）與晶體結(jié)構(gòu)（藍色）中的構(gòu)象比較示息，相似性原理指出，總體相似的分子應(yīng)具有相似的生物活性，挖掘靶標與藥物數(shù)據(jù)關(guān)聯(lián)、虛擬篩選等。現(xiàn)有方法主要利用分子指紋的表征方式進行相似性計算，但其只考慮二維的原子及官能團排布，忽略了分子中不同原子的空間位置關(guān)系，這些構(gòu)效關(guān)系QUBO/Ising模型，并使用QA在小規(guī)模上數(shù)據(jù)上進行了驗證。上b)b)步驟2：求解co-k-plex問題a)步驟1：將分子建模為圖c)步驟3：相似性計算沖突圖(G,G)將解映射回圖圖7-2基于圖的分子相似性計算（Graph-basedMolecularSimilarity,GMS）算法示意圖理學(xué)、機器學(xué)習(xí)和優(yōu)化問題中。伊辛模型中哈密頓量描述了各個自旋變量兩兩互作和自身的能量狀態(tài)，因此在溫度確定下，CIM基于伊辛模型的采樣結(jié)果應(yīng)該符合玻爾茲曼分布：p(state)∝e?E/kBT。2016年，HiromasaSakaguchi等將CIM首次應(yīng)用于基于結(jié)構(gòu)虛擬篩選的分子優(yōu)化場景中，通過建立配體分子片段組合以分子構(gòu)型采樣是計算化學(xué)和分子模擬中的核心任務(wù)，旨在探索分子的可能空間構(gòu)型如鍵長、鍵角、二面角等，用于研究分子穩(wěn)定卡洛的分子構(gòu)型采樣能壁跨越困難，往往容易陷入局部最優(yōu)。另外，隨機變化的方向和幅度難以預(yù)判，因而很難獲得下一個重要構(gòu)象，對于最低能量構(gòu)象難以在短時間內(nèi)采樣得到；基于分子動力學(xué)的運動軌跡模擬需要建立在有效的力場體系下，經(jīng)典力學(xué)體系在計算速度上較快，但精度欠佳，基于量子力學(xué)的體系精度尚可，但計算量巨大，只能在局部區(qū)域?qū)崿F(xiàn)量子級模擬，這些方法的局限性使得高精度的構(gòu)型采樣在現(xiàn)有計算體系下很難滿足。KevinMato等通過將分子鍵角、二面角等采受此啟發(fā)，可通過對不同鍵角和二面角進行離散化并構(gòu)建整體能不同分子構(gòu)型圖7-3不同分子構(gòu)型的能量分布CIM基于玻爾茲曼采樣的另一個重要的可應(yīng)用方向為蛋折疊預(yù)測，自然狀態(tài)下，線性氨基酸鏈通過一系列物理化學(xué)作用自發(fā)形成特定三維結(jié)構(gòu)，該折疊過程決定了蛋白質(zhì)的功能，若折疊錯誤可能導(dǎo)致嚴重疾病，如阿爾茨海默病、帕金森病等。折疊過程遵循熱力學(xué)第二定律，由自由能最小化原則主導(dǎo)。多肽鏈通過疏水作用、氫鍵、范德華力等非共價相互作用，從高能無序態(tài)無法描述其具體的折疊動態(tài)過程。探究此過程一般借助經(jīng)典計算動軌跡也需要消耗巨大算力，更精確的量子力學(xué)力場體系則只能和經(jīng)典計算的混合框架，實現(xiàn)了蛋白質(zhì)等大分子的稀有構(gòu)象轉(zhuǎn)變徑采樣問題轉(zhuǎn)換為基于哈密頓量的連通圖采樣，其中目標哈密頓適配的伊辛模型，并基于能量函數(shù)進行玻爾茲曼采樣得到大分子超導(dǎo)量子計算機利用其獨特的量子并行等特性，在增強經(jīng)典機器學(xué)習(xí)模型方面展現(xiàn)出巨大潛力。其核心價值在于，能夠借助量子神經(jīng)網(wǎng)絡(luò)、量子嵌入圖網(wǎng)絡(luò)等新型算法架構(gòu)，高效處理經(jīng)典在醫(yī)療影像分析領(lǐng)域，乳腺鉬靶檢測的準確性和效率對乳腺癌早期篩查至關(guān)重要。國內(nèi)研究機構(gòu)與量子計算團隊合作，開發(fā)了基于超導(dǎo)量子計算硬件的乳腺鉬靶檢測原型應(yīng)用。該應(yīng)用采用提取特征并進行數(shù)據(jù)預(yù)處理，量子神經(jīng)網(wǎng)絡(luò)則在此基礎(chǔ)上對病灶的良惡性等關(guān)鍵指標進行分類。這種架構(gòu)結(jié)合了二者優(yōu)勢，在處理高維醫(yī)學(xué)影像數(shù)據(jù)時展現(xiàn)出潛力，有望助力解決傳統(tǒng)檢測中假在藥物發(fā)現(xiàn)領(lǐng)域，精準預(yù)測分子性質(zhì)是快速篩選候選藥物的關(guān)鍵。國內(nèi)高校與研究團隊合作，在超導(dǎo)量子計算硬件上成功完成了基于量子邊編碼技術(shù)的藥物分子性質(zhì)預(yù)測驗證。該技術(shù)的核心是創(chuàng)新地設(shè)計了量子嵌入圖神經(jīng)網(wǎng)絡(luò)架構(gòu)。傳統(tǒng)量子化圖神經(jīng)了對原子和化學(xué)鍵的同步處理，能夠更清晰地捕捉分子內(nèi)部的相互作用。實驗結(jié)果表明，該技術(shù)能顯著提升對關(guān)鍵藥物性質(zhì)的預(yù)相較于從已有分子庫中進行活性分子篩選，分子從頭設(shè)計是另一種新興成藥策略。分子從頭設(shè)計指不依賴已知分子模板，而通過算法生成全新分子結(jié)構(gòu)。優(yōu)化過程則需調(diào)整分子特性如生物頭設(shè)計。AkshayAjageka構(gòu)建了一個基于深度學(xué)習(xí)和QUBO/Ising的從頭設(shè)計優(yōu)化框架，該框架包含一個基于分子表征預(yù)測化學(xué)性質(zhì)的回歸模型，同時還包含一個基于目標化學(xué)性質(zhì)進行序列優(yōu)化同位置原子組成的鄰接矩陣Aij,使得其預(yù)測的化學(xué)性質(zhì)逼近目標一種生成模型，其核心思想是通過編碼器將輸入數(shù)據(jù)映射到潛在團隊將相干伊辛計算應(yīng)用于自動分子設(shè)計優(yōu)化上，研究團隊構(gòu)建作為性質(zhì)預(yù)測的代理模型；使用伊辛機在離散潛在空間中搜索得到更優(yōu)的隱變量表示，通過decoder可以解碼得者序列信息。該工作說明離散的隱變量空間可能更符合化學(xué)分子的真實能量分布，在該隱空間采樣可以生成得到性質(zhì)更優(yōu)、多樣超導(dǎo)量子計算在分子設(shè)計領(lǐng)域同樣展現(xiàn)出獨特潛力，其核心優(yōu)勢在于能夠通過量子并行性高效探索巨大的分子構(gòu)象空間，從而加速最優(yōu)藥物分子的發(fā)現(xiàn)過程。2023年發(fā)表在《PLOS研究人員創(chuàng)新性地將蛋白質(zhì)設(shè)計問題轉(zhuǎn)化為可處理的優(yōu)化模型，通過量子門電路直接構(gòu)建哈密頓量來模擬氨基酸間的相互作用能量。采用量子近似優(yōu)化算法在超導(dǎo)芯片上生成初始候選解，再結(jié)丙氨酸替換為酪氨酸的變異體，為開發(fā)新型免疫抑制劑提供了高這項研究驗證了超導(dǎo)量子計算在分子設(shè)計中的兩大核心價值：一方面，量子算法能夠通過量子隧穿效應(yīng)避免經(jīng)典優(yōu)化方法容易陷入局部最優(yōu)的問題，實現(xiàn)更高效的全局搜索；另一方面，超導(dǎo)量子芯片與半導(dǎo)體工藝兼容的特性為其未來處理更復(fù)雜的蛋白質(zhì)技術(shù)基礎(chǔ)。隨著超導(dǎo)量子處理器性能的持續(xù)提升，這項技術(shù)有望將傳統(tǒng)需要數(shù)月的分子設(shè)計周期大幅縮短，為藥物研發(fā)帶來革命生物制藥深度融合的創(chuàng)新成果，旨在通過整合量子計算和經(jīng)典計算資源，突破傳統(tǒng)計算瓶頸，為生物制藥研發(fā)提供高效、精確的解決方案。平臺為量電融合應(yīng)用提供運行底座，通過統(tǒng)一的服務(wù)入口，平臺實現(xiàn)量電融合計算任務(wù)的智能拆解、編排、調(diào)度與執(zhí)到機理驗證，提供一站式解決方案。在靶點發(fā)現(xiàn)階段，量子計算的強大采樣能力可快速篩選潛在藥物靶點；在藥物設(shè)計階段，量子計算探索化學(xué)空間，生成特定性質(zhì)的分子結(jié)構(gòu)，經(jīng)典計算評估其成藥性和生物活性；在機理驗證階段，平臺結(jié)合量子計算的高精度模擬和經(jīng)典計算的數(shù)據(jù)分析，深入探究藥物作用機制，為臨平臺的技術(shù)優(yōu)勢在于突破傳統(tǒng)計算瓶頸，高效求解生物制藥復(fù)雜問題。平臺可智能解析量電融合計算任務(wù)并高效分配至光量