Квантовые вычисления кратно повысили точность ИИ при разработке лекарственных пептидов

Специалисты из Технического университета Дании продемонстрировали возможности квантовых вычислений в повышении эффективности алгоритмов искусственного интеллекта, применяемых в фармацевтике. Интеграция квантового процессора британского стартапа ORCA Computing с традиционной вычислительной архитектурой позволила добиться более точного моделирования пептидов — аминокислотных цепочек, обладающих способностью избирательно взаимодействовать с целевыми белками в организме.

В ходе эксперимента нейросеть, обученная прогнозировать биологические свойства молекул, была дополнена вычислительными мощностями квантовой системы. Это гибридное решение ускорило выполнение критически важных этапов анализа. Способность нейросети генерировать эффективные пептидные цепочки, способные прочно связываться с конкретными мишенями, является фундаментом для разработки инновационных вакцин и терапевтических препаратов нового поколения.

Проект реализовывался силами энтузиастов при использовании остаточного финансирования прошлых грантов. Профессор Тимоти Патрик Дженкинс подчеркнул, что подобные прорывные исследования крайне сложно финансировать на ранних стадиях из-за высоких рисков. Однако лабораторные испытания подтвердили гипотезу: квантово-усиленная модель продемонстрировала значительно более высокую долю успешных молекулярных кандидатов, чем чисто классические алгоритмы, что особенно важно при дефиците обучающих выборок.

Это достижение направлено на решение актуальной проблемы биомедицины: предвзятости данных. Поскольку большинство медицинских баз базируется на исследованиях западных популяций, ИИ часто испытывает трудности при создании препаратов для других этносов. Учёные уверены, что квантовые алгоритмы способны компенсировать нехватку данных, обеспечивая формирование более разнообразного и репрезентативного набора молекулярных структур.

Тем не менее, авторы призывают не переоценивать текущие возможности квантовых систем: технология пока находится на стадии становления и не может полностью заменить классический подход. Нынешние квантовые процессоры ещё не способны автономно поддерживать работу полномасштабных нейросетевых моделей. В дальнейших планах команды — масштабирование метода для работы со сложными белками и внедрение его в разработку персонализированной иммунотерапии, а также создание синтетических антидотов, например, для нейтрализации змеиных ядов.

Источник: iXBT