(资料图)
在药物研发中,精准预测分子性质是快速筛选候选药物的关键。图神经网络就像是用画图的办法来研究药物分子,即把分子里的原子当成一个个“小点”、连接原子的化学键当成“线条”。现有的量子算法虽能提升处理“小点”的能力,却不知如何处理“线条”。这就好比一幅拼图少了关键模块,始终无法完整展现分子真正的特性。
此次研究团队创新设计的量子嵌入图神经网络架构,融入全球首创量子边编码技术和量子节点嵌入模式,首次在量子层面实现原子与化学键的同步处理。这一创新大幅提升了对分子行为的预测精度,从而显著提升药物发现效率。目前,基于该项技术的药物毒性预测真机应用已上线“本源量子计算云平台”。
“如果说传统图神经网络方法是‘望远镜’,那么融入全球首创量子边编码技术的量子嵌入图神经网络架构就是‘显微镜’。它不仅能看清原子位置,更能清晰捕捉到化学键的相互作用,让药物研发迈向‘精准设计’。”“本源悟空”软件研制团队负责人窦猛汉介绍,“这一技术显著提升了关键药物性质预测准确率:HIV抗病毒药物筛选准确率从73%跃升至97%,阿尔茨海默病药物预测准确率从64%提升至70%。”
标签: