·“量子計算是下一個將對所有行業(yè)產(chǎn)生巨大影響的技術突破，制藥業(yè)被認為將是第一波受益于這一技術進步的行業(yè)之一。”

·在一些情況下，混合模型展現(xiàn)出可能的量子優(yōu)勢，即在50個learnable parameters（在訓練過程中可被學習的參數(shù)）下，就可以比擬傳統(tǒng)MolGAN（使用生成對抗網(wǎng)絡和強化學習生成分子圖）具有2萬個learnable parameters的表達能力。

5月17日，生成式AI驅動的臨床階段生物醫(yī)藥科技公司英矽智能（Iinsilico Medicine）宣布，公司的研究小組業(yè)界首次將量子計算和生成式人工智能兩項快速發(fā)展的技術相結合，探索藥物研發(fā)過程中的先導化合物的發(fā)現(xiàn)，并成功證明量子生成對抗網(wǎng)絡（QuGAN）在生成化學中的潛在優(yōu)勢。

英矽智能于2014年在美國約翰斯·霍普金斯大學的新興技術中心成立。此前，英矽智能宣布與跨國藥企賽諾菲達成合作，獲得預付款2150萬美元、潛在價值達12億美元的訂單，創(chuàng)下亞洲AI制藥的最高合作協(xié)議金額紀錄。

此項研究發(fā)表在計算化學領域權威期刊美國化學學會旗下《化學信息與建?！冯s志。

此項研究發(fā)表在計算化學領域權威期刊美國化學學會旗下《化學信息與建模》雜志，由英矽智能專注于計算機輔助藥物研發(fā)工作的臺灣研發(fā)中心和鴻海研究院量子計算研究所（富士康科技集團）共同領導。本文通訊作者、英矽智能臺灣研發(fā)中心負責人林彥竹博士對澎湃科技（www.nxos.com.cn）介紹，此次合作的課題是由英矽智能發(fā)起，主要的工作由英矽智能的量子計算和計算機輔助藥物研發(fā)團隊完成，鴻海研究院量子計算研究所擔任顧問，幫助英矽智能熟悉以及建立量子計算平臺。

林彥竹認為，量子計算是下一個將對所有行業(yè)產(chǎn)生巨大影響的技術突破，制藥業(yè)被認為將是第一波受益于這一技術進步的行業(yè)之一。

然而，“目前的量子計算機由于硬件上的限制離真正的商業(yè)用途還有一段距離，能進行的復雜計算很有限，所以在這個基礎下，我們優(yōu)先探索量子機器學習混合模型，在不使用過多的量子qubit（量子位，量子計算器中的最小信息單位）下，能否在現(xiàn)階段帶來實質的幫助，并且在不遠的將來能及時在真正的量子計算機做計算，解決藥物研發(fā)的現(xiàn)實問題?！绷謴┲駥ε炫瓤萍冀忉尩馈?/p>

研究結果顯示，在一些情況下，量子對抗生成網(wǎng)絡混合模型展現(xiàn)出可能的量子優(yōu)勢，即在50個learnable parameters（在訓練過程中被學習的參數(shù)）下，就可以比擬傳統(tǒng)MolGAN（使用生成對抗網(wǎng)絡和強化學習生成分子圖）具有2萬個learnable parameters的表達能力。

生成式對抗網(wǎng)絡是藥物發(fā)現(xiàn)和設計中最成功的生成模型之一。經(jīng)典的GAN模型由一個生成器（生成網(wǎng)絡）和一個判別器（判別網(wǎng)絡）組成，生成器通過學習訓練集數(shù)據(jù)的特征，將隨機噪聲分布盡量擬合為訓練數(shù)據(jù)的真實分布，從而生成具有訓練集特征的相似數(shù)據(jù)。而判別器負責區(qū)分輸入的數(shù)據(jù)的真實性，并反饋給生成器。期間生成器與判別器交替訓練，分別提高各自的生成能力和判別能力，直到生成器生成的數(shù)據(jù)能夠以假亂真。

對于量子對抗生成網(wǎng)絡表現(xiàn)優(yōu)于生成式對抗網(wǎng)絡的原理，林彥竹解釋道，“原因可能來自于量子系統(tǒng)本身的特性，即單一量子位可以同時存在兩種狀態(tài)，并且量子間具有量子糾纏的特性，相比傳統(tǒng)計算機，所需要的訓練數(shù)據(jù)大幅減少，本篇論文并沒有深入探討觀察到的量子優(yōu)勢可能的原因，必須要設計更完整的實驗，才能精確探知可能的原因?！?/p>

量子對抗生成網(wǎng)絡的理論架構在2018年被首次提出，在2021年首次成功于真正的量子計算機上進行訓練以產(chǎn)生圖片。在相同時期美國賓夕法尼亞大學和IBM的科學家合作，第一次將量子對抗生成網(wǎng)絡用于小分子生成。“但在論文中，作者并沒有發(fā)表經(jīng)由他們的QuGAN產(chǎn)生的小分子，我們實際使用他們的模型，亦無法產(chǎn)生出任何有效分子。英矽智能團隊借由本篇研究，系統(tǒng)性地探索QuGAN在藥物分子生成的潛力，也是第一次實質上使用QuGAN模型生成出有效藥物分子，并且在特定的情況下觀察到可能的量子優(yōu)勢?！绷謴┲裾f。

在這項研究中，研究人員通過3個實驗，逐步以變分量子線路（由含參數(shù)的量子門組成的量子線路，是進行量子機器學習的途徑之一）取代MolGAN（一種用于小分子圖的隱式生成式模型）的各個部分，包括作為噪聲生成器、切片法下的生成器和判別器，并用一致的標準比較混合模型與經(jīng)典GAN模型生成的小分子質量，證明了量子生成對抗網(wǎng)絡在生成化學中的潛在優(yōu)勢。

英矽智能創(chuàng)始人兼首席執(zhí)行官亞歷克斯 · 扎沃隆科夫（Alex Zhavoronkov）博士表示，“英矽智能目前正在探索以多種量子模型驅動的藥物化學發(fā)現(xiàn)突破性實驗?！边@項前瞻性探索將進一步支持英矽智能的研發(fā)團隊將量子GAN模型整合到英矽智能自主研發(fā)的小分子生成引擎Chemistry42中，以便更高效和精準地推進人工智能驅動的藥物發(fā)現(xiàn)。