Репортаж от Wedoany，5 июня 2026 года компания Classiq, разработчик программного обеспечения для квантовой инженерии, совместно с Папским католическим университетом Чили (Pontificia Universidad Católica de Chile, UC Chile) запустила 12-месячную исследовательскую программу, направленную на разработку гибридных квантово-классических алгоритмов машинного обучения для анализа биомедицинских изображений высокого разрешения. Проект, финансируемый в рамках конкурса Avanza UC 2025 под названием «Усиление патологии с помощью квантовых вычислений», создал первый в Латинской Америке консорциум по вычислительной патологии.
Проект интегрирует платформу автоматического синтеза схем Classiq с гибридной инфраструктурой NVIDIA CUDA-Q и использует тщательно отобранные наборы гистопатологических данных, предоставленные бразильскими исследовательскими учреждениями, включая Фонд Освальдо Круса (Fundação Oswaldo Cruz, FIOCRUZ) и Федеральный университет Баии (Universidade Federal da Bahia, UFBA). Дорожная карта совместного проектирования решает проблемы высокой размерности и сложности признаков полноразмерных тканевых изображений, которые создают нагрузку на классические архитектуры компьютерного зрения при задачах сегментации на уровне пикселей. Вместо полного использования глубоких классических нейронных сетей исследовательская группа разработала гибридный конвейер квантового машинного обучения (Quantum Machine Learning, QML), оптимизированный для патологии почек, используя среду абстрактного функционального моделирования Classiq для автоматического синтеза и оптимизации специализированных квантовых сетевых топологий, обходя ограничения ручного программирования на уровне вентилей.
Совместный рабочий процесс вычислительной патологии сосредоточен на трех клинических аналитических целях. Квантовые сверточные нейронные сети (Quantum Convolutional Neural Networks, QCNNs) настраивают квантовые сверточные слои для сжатия структурных признаков высокого разрешения, оптимизируя автоматическую сегментацию клубочков в сложных образцах тканей. Вариационные квантовые классификаторы (Variational Quantum Classifiers, VQCs) применяют параметризованные вариационные квантовые логические состояния для выполнения моделей многоклассовой классификации поражений почек. Квантовые ядерные методы (Quantum Kernel Methods) используют многомерное пространство квантовых состояний для выполнения семантического поиска шаблонов, выделяя тонкие диагностические аномалии в плотных гистологических срезах.
Скомпилированный программный стек выполняется через унифицированную среду выполнения. Гибридные алгоритмы компилируются с использованием платформы NVIDIA CUDA-Q, обеспечивая маршрутизацию данных с низкой задержкой между сопроцессорами. Эта структура позволяет команде запускать высокоточное моделирование алгоритмов на классической суперкомпьютерной инфраструктуре NVIDIA AI, а затем передавать оптимизированные, готовые к аппаратной реализации схемы на ионные квантовые процессоры (Quantum Processing Units, QPUs) IonQ для физического тестирования.
Данное партнерство создает операционный центр для передовых вычислительных приложений в сфере медицинских технологий Южной Америки, что напрямую соответствует Национальной стратегии Чили в области квантовых технологий на 2025–2035 годы. Проект возглавляет доктор Дардо Гойенече с физического факультета Папского католического университета Чили, который также руководит исследовательской группой QuDIT и проектом QuAntü по созданию чилийского универсального квантового компьютера, при поддержке доктора Даниэля Ускатеги из Католического университета Сантисима Консепсьон (Universidad Católica de la Santísima Concepción, UCSC). Встраивая аппаратно-независимый уровень кодирования Classiq в региональные медицинские конвейеры, эта инициатива создает проверенную основу для прямого внедрения новых квантовых преимуществ в активные инструменты общественного здравоохранения.
Данный материал скомпилирован платформой Wedoany. При цитировании материалов, созданных с помощью искусственного интеллекта (ИИ), необходимо обязательно указывать источник — «Wedoany». В случае выявления нарушения прав или иных проблем просим своевременно информировать нас. Сайт оперативно внесёт изменения или удалит материал.Электронная почта: news@wedoany.com
