科学家已成功证明量子计算机能够提高生成式人工智能药物发现模型的准确性和适用范围。他们利用业余时间和其他项目剩余的资金完成了这一研究。
丹麦技术大学(DTU)的研究团队将用于预测蛋白质的生成式AI模型与英国初创公司ORCA Computing制造的打印机大小的量子计算机结合使用。这种结合量子机器与传统处理器的方法加速了AI运算。研究人员利用这种混合技术生成了新型肽——即能够与人体内特定蛋白质结合的短链氨基酸。这一步骤对疫苗研发至关重要。
据项目负责人、丹麦技术大学教授蒂莫西·帕特里克·詹金斯(Timothy Patrick Jenkins)表示，研究团队在周末工作并整合了其他项目的未使用资金，因为"大多数创新科学对基金会来说太过冒险"。
在实验室中制造这些肽并测试它们是否能与特定蛋白质结合的结果表明，该模型产生的成功肽比传统方法更多，特别是在训练数据稀缺的情况下，改进最为显著。
研究团队认为，这种机器可以加速个性化免疫疗法和疫苗的开发，并提高药物在研究不足人群中的疗效。
"我们需要真正证明这一点，以说服怀疑者相信我们的预测与现实世界相连，"帕特里克·詹金斯向《WIRED》表示。量子计算仍然是一个新兴领域，由于建造这些机器的技术挑战以及将其成功应用于解决问题的难度，该领域面临着严格的审查。
即使是帕特里克·詹金斯最初也对探索这项技术持犹豫态度："我曾是一个巨大的量子怀疑论者，"他笑着说，认为任何将其应用于工作的尝试都"还要等几十年"。
他和他的团队使用大数据和AI来发现可能更便宜、更快地解锁新免疫疗法的蛋白质，这些研究通常由诺和诺德基金会资助。詹金斯表示，虽然大多数生物模型制作者都迫切需要更多数据，但他的团队面临的一个特殊挑战是缺乏关于全人类遗传信息多样性的数据，因为大多数医学研究都集中在西方人群上。这使得为亚洲和非洲等研究不足的人群开发有效的肽变得困难。
他的团队假设将量子计算机嵌入工作流程中可以使其生成更多样化的肽，特别是对于数据较少的目标，这一假设源于了解到量子机器在生成图像方面有类似效果。
由于量子计算机仍然太小，无法运行全面的尖端AI模型，因此这种新发现的流程还不会彻底改变研究，这意味着在传统计算机上可以取得更好的结果。
"量子计算仍然不够强大，因此我们能够编码的复杂度还不是我们通常使用的正常大小的抗体，"丹麦技术大学博士生乔纳森·方克(Jonathan Funk)表示。此外，找到能够与特定基因结合的肽只是疫苗研发的一个步骤，单独这一步骤并不能产生成功的药物。
ORCA Computing首席执行官理查德·默里(Richard Murray)向《WIRED》表示："我认为很多工业公司认为量子计算模糊且遥远并不奇怪，"部分原因是该技术"从未有过真正清晰的近期有用性示例。"
他表示，这项研究的新颖之处在于它展示了量子计算的近期商业应用。他的公司还通过与石油巨头BP在化学领域的项目以及与汽车制造商丰田在提高其设计流程效率方面的项目应用该技术。
丹麦技术大学团队现在将研究是否可以将这一工作流程与更尖端的模型和更大的蛋白质一起使用。"我们需要这种方式来轻松验证我们现在实际上有机会大幅推动进展，"帕特里克·詹金斯表示，指出生成式AI工作流程对于获得很少研究资金的被忽视疾病特别有价值。他还在考虑使用量子计算机来增强其生成式AI方法，以设计蛇咬伤毒液的合成解毒剂。
【全文结束】