其他
量子+AI，医疗界的下一件大事
该研究利用了人工智能、量子计算及复杂系统物理学的集成优势，展现了先进的生物模拟技术和个性化治疗方案的巨大潜力。这强调了量子计算在处理海量生物数据和深化我们对人类健康认知方面的核心作用。
在《计算分子科学》（WIREs Computational Molecular Science）杂志上，Insilico Medicine公司（以下简称Insilico）的研究团队详细介绍了量子计算如何被整合进生物学研究，从而更深入地探索衰老和疾病等生命科学领域。
论文链接：https://wires.onlinelibrary.wiley.com/doi/10.1002/wcms.1701
近年来，人工智能技术已经引领生命科学领域的革命性变革，而量子计算被视为未来科技发展的下一个重大跳跃。
Insilico的这篇新论文为研究人员提供了一个全面的理论框架，阐述了人工智能、量子计算与复杂系统物理学方法的融合，以及如何利用这种交叉学科方法推动对人类健康的新认识，并详细解释了物理学指导下的人工智能领域的最新进展。
光子盒团队已经整理并翻译了该论文的部分内容，对此感兴趣的读者可以阅读原论文，获取更多详细信息。
这项具有开创性的研究成果发表在了美国化学学会的《化学信息与建模期刊》（Journal of Chemical Information and Modeling）。研究突出了量子技术在加速化学合成领域的应用前景。
论文链接：https://pubs.acs.org/doi/10.1021/acs.jcim.3c00562
研究人员强调，为了全面理解生物体的内部机制，需要一种能够处理三个关键复杂性领域的多模式建模方法：规模的复杂性、算法的复杂性以及日益增长的数据集的复杂性。
目前，从生物信息学到药物发现，再到临床研究，机器学习和人工智能技术正在彻底改变生命科学的各个领域。
生命系统的计算模型由多层次的分层模型组成，而人工智能方法虽能有效处理各个层面的问题，却难以捕捉到整体视角。通过将数据驱动的人工智能方法与量子计算、量子机器学习及复杂系统物理学（例如引入阶次参数）相结合，我们可以朝着解决生命科学复杂问题的方向迈出重要一步。
随着近期技术的飞速发展，量子计算不仅限于学术领域，还为商业机遇开辟了新天地，并且提供了构建能捕捉生命科学复杂性框架的可能性。尽管目前量子计算的规模可能还无法与经典技术相比，但其未来潜力令人充满期待。
IBM公司最近推出了拥有1121个超导量子比特的量子处理器，这些量子比特以蜂巢模式排列。D-Wave为商业应用设计的量子退火机搭载了5000个量子比特，而近期实现的中性原子量子计算机具有280个物理量子比特、99.5%的双量子比特门保真度、任意连接性，以及完全可编程的单量子比特旋转和中间电路读出。
随着量子计算逐渐成为主流，我们有望在生物学领域实现更快速的计算。特别是，这些算法能够加速处理基态计算和线性系统，从而更精确地预测药物与受体的相互作用和蛋白质折叠。这表明人工智能、量子计算和复杂系统物理学之间存在巨大的协同潜力，能够为这些领域带来未来的进步。
展望未来十年，量子技术预期将加速新疗法的开发，提升效率。但同时，这项技术在为企业带来巨大机遇的同时，也引发了一些重要的问题：何时、在何处投资，以及如何定位这些投资，以确保随着时间的推移实现价值。
这些问题也在凯捷咨询的一份报告中得到了探讨。
报告链接：
https://www.capgemini.com/insights/research-library/the-future-of-quantum-in-life-sciences-a-point-of-view/
量子技术在药物分子的发现和优化方面具有显著的潜力。由于潜在药物候选物与生物靶标之间的相互作用本质上受量子力学的支配，因此，以前所未有的精度和规模模拟自然界是量子计算在生命科学行业中引起极大兴趣的关键原因。
量子计算不仅能模拟药物与其目标之间的相互作用，还可以在分子发现的早期阶段帮助识别先导化合物，通过量子机器学习方法进行虚拟筛选和硅学性质预测。
此外，量子优化技术具有广泛的应用前景，特别是在先导分子设计阶段，能够确定合成和测试最优选择的能力对于缩短时间至关重要。
公司能够越高效地优化药物发现和开发过程，并利用硅学技术增强或替代实验室检测，就能够更快地确定和优化先导分子，从而发展出强有力的候选药物。这不仅能减少实验工作量，还能让研究团队专注于更小、更集中的分子库，同时最大限度地利用计算技术。这将进一步缩短研发周期，并有助于降低成本。
尽管量子计算的未来可能尚未迫在眉睫，但其发展趋势已成定局。随着硬件的快速进步，未来几年量子探索的规模预计将迅速扩大。当前，大多数制药研发机构已经在一定程度上探索量子领域的机会，这不仅推动了竞争，还带来了对人才、独家合作等方面的需求。
2023年4月，IBM和Moderna宣布了一项合作协议，Moderna将探索利用量子计算和人工智能等下一代技术来推动mRNA研究和科学发展。两家公司共同探索将量子方法应用于生命科学挑战的可能性。
随着需求和机遇的出现，生命科学行业有望实现新技术领域的指数级快速增长。
“尽管我们并非一家专注量子技术的公司，我们仍认为利用新兴的混合计算解决方案以及超大规模云服务商提供的速度优势是至关重要的。随着量子计算技术的主流化，我们有望开展复杂的生物模拟，以及为各种疾病和与年龄相关的过程开发定制化的干预措施。”Insilico Medicine公司创始人兼联合CEO亚历克斯·扎沃龙科夫（Alex Zhavoronkov）博士如是说。
生物系统内部，从细胞到器官再到整个生物体，各系统间的交互错综复杂。要全面解读这些过程，就必须同时在多个层面上进行研究。现如今，生物数据的获取量已达到了前所未有的规模。
举例来说，“千人基因组计划”（1000 Genomes Project）已经发现了超过900万个单核苷酸变异（SNV），而英国生物库（UK Biobank）则包含了50万英国志愿者的完整基因组序列。
——这些数据的分析和处理需要巨大的计算能力。
研究人员指出，量子计算在增强人工智能方法方面具有独特优势：能够同时解析生物系统的多个层面。由于量子比特可以同时表示0和1，与仅能表示0或1的经典比特相比，它们具有更快的计算速度和能力。
尽管人工智能和神经网络在2022-2023年取得了惊人的成就，对包括生命科学和医学在内的众多领域产生了革命性影响，但依靠“蛮力”（brute force）方法训练的人工智能模型的发展前景受到资源（资金、精力和时间）限制。而人类能够从少量数据中有效学习。同时，越来越多的技术正在被开发出来，将物理学和生物物理学的理论知识整合进数据驱动的计算模型中。
作者还指出，量子计算在过去几年取得了显著进步，已经超越了学术界的范畴，为商业领域创造了新机遇。2022年，量子信息科学领域的突破工作荣获诺贝尔物理学奖，表明了对这一领域的重要认可；基础物理学突破奖也对量子通信和计算领域的成就表示了肯定。
已有的量子算法在药物发现和生物学领域展示了巨大潜力。这些算法能更快处理基态计算和线性系统，为更精确预测药物与受体的相互作用及蛋白质折叠提供了可能。
此外，量子机器学习的迅速发展有望加强传统人工智能方法在生成化学方面的能力；许多硬件量子公司已开始与制药企业合作。
值得强调的是，仅凭还原论是不足以全面理解生命科学的。要实现这一目标，就必须考虑到基本组成成分以及在更高层次上显现的新特性。为了全面解释生物现象，就必须将关注较低层面的传统还原论与包含更高层面更广泛背景的扩展论相结合。
在一个层次上的相互作用会产生更高层次的实体。全模态建模方法（omni-modal modeling）旨在阐明细胞、生物体或社会中较低层面成分之间的同步互动如何在现实中的更高层面和层次上产生可观察的新特性。
——所有这些因素共同铺平了生命科学技术下一个重大飞跃的道路，在这一飞跃中，人工智能、量子计算和复杂系统理论的各种方法将被联合应用，每个领域都将从其他领域中受益。
通过整合人工智能、量子计算和复杂系统物理学的方法，科学家们能够更深刻地理解“细胞、有机体或社会中较小尺度元素的集体相互作用是如何在更大的尺度和实际层面上产生可观察的新兴特征”。