Quantinuum, NVIDIA и Pfizer подтверждают квантовый ИИ для разработки лекарств: время генерации сокращено на 3–4 порядка
Репортаж от Wedoany，Исследовательская группа Quantinuum, NVIDIA и Pfizer Inc. предложила генеративную квантовую ИИ-структуру под названием ADAPT-GQE для автоматического синтеза квантовых схем основного состояния молекул лекарственных препаратов. Эта структура прошла эксплуатационную проверку на 98-кубитном ионном процессоре Helios-1 компании Quantinuum.
Соответствующая статья опубликована под названием «Learning to Prepare Molecular Ground States with Transformer Models». Предложенная в исследовании генеративная квантовая ИИ-структура (GenQAI) объединяет классические высокопроизводительные вычисления (HPC), генеративные модели Transformer и квантовые процессорные устройства (QPU) для расчёта схем подготовки основного состояния сложных активных фармацевтических ингредиентов (API).
Данный эксперимент направлен на решение вычислительного узкого места в недавних вариационных квантовых алгоритмах (VQE). Стандартные адаптивные алгоритмы, такие как ADAPT-VQE, требуют оценки тысяч операторных градиентов и повторной оптимизации ландшафта параметров на каждом шаге, что делает системы с более чем примерно 15 кубитами вычислительно труднореализуемыми. ADAPT-GQE использует генеративный Transformer для непосредственного синтеза компактных низкоэнергетических схем за один прямой проход.
ADAPT-GQE — это генеративная ИИ-модель, обучающие данные которой получены из наборов квантово-химических данных, сгенерированных с помощью ускоренных на GPU классических суперкомпьютеров. Модель предсказала полную квантовую схему основного состояния трициклического антидепрессанта имипрамина (imipramine). Имипрамин является стандартным отраслевым препаратом, часто используемым в исследованиях вынужденной деградации и стабильности при хранении.
Конвейер синтеза структуры состоит из трёх этапов. Этап генерации данных основан на схемах ADAPT-VQE, ускоренных с помощью NVIDIA CUDA-Q, в сочетании с OpenMM и MACE-OFF для конформационной выборки методом молекулярной динамики, при этом масштаб отображения активного пространства на кубиты составляет от 12 до 16; этап синтеза схем использует доработанную модель NVIDIA Nemotron и архитектуры Transformer Gemma 3 / Nemotron-Nano; этап проверки выполнения использует процессор Quantinuum Helios-1 и химическую платформу InQuanto.
Синтезированные ИИ схемы достигли или превзошли точность основного состояния эталонных обучающих данных ADAPT-VQE, сократив время генерации схем на 3–4 порядка для активных пространств с 12, 14 и 16 кубитами.
Исследовательская группа также применила групповую относительную оптимизацию стратегии (GRPO) непосредственно к выходным данным генерируемых схем, что позволило модели научиться предлагать новые последовательности операторов и тем самым повысить точность относительно базового уровня обучения ADAPT-VQE.
Что касается аппаратного выполнения, структура скомпилировала синтезированные схемы для конформаций имипрамина с помощью программной платформы InQuanto™ от Quantinuum и выполнила их на ионном процессоре Helios-1, продемонстрировав возможность ИИ-управляемой генерации квантовых алгоритмов на коммерческом QPU.
Эта работа выполнена в сотрудничестве Quantinuum, NVIDIA и химического исследовательского подразделения Pfizer и создаёт открытую эталонную структуру для автоматизации квантовой вычислительной химии практического масштаба.
