8 月 8 日消息，據(jù)本源量子消息，其聯(lián)合中國科學技術(shù)大學、合肥綜合性國家科學中心人工智能研究院創(chuàng)新設(shè)計的量子嵌入圖神經(jīng)網(wǎng)絡架構(gòu)（QEGNN），提升了關(guān)鍵藥物性質(zhì)預測準確率，將 HIV 抗病毒藥物篩選準確率從 73% 提升至 97%。

據(jù)介紹，該架構(gòu)融入全球首創(chuàng)量子邊編碼技術(shù)（QEEM）和量子節(jié)點嵌入模式（QNEM），填補了量子圖神經(jīng)網(wǎng)絡研究的空白，首次在量子層面實現(xiàn)原子與化學鍵的同步處理。成果以題為“Quantum-Embedded Graph Neural Network Architecture for Molecular Property Prediction”的論文發(fā)表于化學信息學領(lǐng)域的權(quán)威期刊 Journal of Chemical Information and Modeling。

團隊全球首創(chuàng)的量子邊編碼技術(shù)將分子的化學鍵進行量子編碼，能夠在量子層面處理原子間的相互作用；量子節(jié)點嵌入模式則可以對分子的原子信息進行量子編碼，讓量子計算機能夠理解原子的特性。二者創(chuàng)新融入量子嵌入圖神經(jīng)網(wǎng)絡架構(gòu)，提升了對分子行為的預測精度和藥物發(fā)現(xiàn)效率。

團隊在三個重要的藥物相關(guān)數(shù)據(jù)集上對量子嵌入圖神經(jīng)網(wǎng)絡架構(gòu)進行了驗證測試，結(jié)果顯示這一技術(shù)提升了關(guān)鍵藥物性質(zhì)預測準確率：HIV 抗病毒藥物篩選準確率從 73% 提升至 97%；阿爾茨海默病藥物預測準確率從 64% 提升至 70%；ClinTox 分子毒性預測準確率從 80% 提升至 87%。

此外，團隊還在中國第三代自主超導量子計算機“本源悟空”上進行了實驗，驗證了量子嵌入圖神經(jīng)網(wǎng)絡架構(gòu)在實際量子硬件上的可靠性。雖然存在量子噪聲的影響，但該量子模型的準確率仍維持在 80% 左右，充分證明了其在當前量子計算條件下的實用性。

目前，以“本源悟空”為計算后端，研發(fā)團隊基于該項技術(shù)開發(fā)的藥物毒性預測真機應用已上線“本源量子計算云平臺”。