研究将量子计算和生成人工智能结合起来用于药物发现

InsilicoMedicine是一家临床阶段的生成人工智能(AI)驱动的药物发现公司，今天宣布它结合了两种快速发展的技术，即量子计算和生成AI，以探索药物开发中的先导候选发现，并成功展示了量子的潜在优势生成化学中的生成对抗网络。

这项研究发表在《化学信息与建模杂志》上，由Insilico的台湾和阿联酋中心领导，这些中心专注于利用快速发展的技术(包括生成人工智能和量子计算)开拓和构建突破性方法和引擎，以加速药物发现和开发。

该研究得到了多伦多大学加速联盟主任AlánAspuru-Guzik博士和鸿海(富士康)研究所科学家的支持。

“这个国际合作是一个非常有趣的项目，”加速联盟主任兼多伦多大学计算机科学与化学教授AlánAspuru-Guzik说。“它为人工智能在满足药物发现方面的进一步发展奠定了基础。这是一项全球合作，富士康、Insilico、ZapataComputing和多伦多大学正在共同努力。”

生成对抗网络(GAN)是药物发现和设计中最成功的生成模型之一，并且在生成模拟不同任务中数据分布的数据方面取得了显著成果。经典的GAN模型由生成器和鉴别器组成。生成器将随机噪声作为输入并尝试模仿数据分布，鉴别器则尝试区分假样本和真实样本。对GAN进行训练，直到鉴别器无法区分生成的数据和真实数据。

在这篇论文中，研究人员通过逐步用变分量子电路(VQC)替换MolGAN的每个部分，探索小分子药物发现中的量子优势，MolGAN是小分子图的隐式GAN，包括作为噪声发生器、具有补丁方法和量子鉴别器，将其性能与经典方法进行比较。

该研究不仅表明经过训练的量子GAN可以通过使用VQC作为噪声发生器来生成类似训练集的分子，而且量子发生器在生成化合物的药物特性和目标导向基准方面优于经典GAN。

此外，该研究表明，仅具有数十个可学习参数的GAN的量子鉴别器可以生成有效分子，并且在生成的分子特性和KL-divergence得分方面优于具有数万个参数的经典对应物。

“量子计算被认为是下一个将产生巨大影响的技术突破，制药行业被认为是第一批受益于这一进步的行业，”GM博士JimmyYen-ChuLin说。InsilicoMedicineTaiwan和该论文的通讯作者。“这篇论文展示了Insilico在分子生成中使用AI进行量子计算的第一个足迹，强调了我们在该领域的愿景。”

基于这些发现，Insilico科学家计划将混合量子GAN模型整合到公司专有的小分子生成引擎Chemistry42中，以进一步加速和改进其AI驱动的药物发现和开发过程。

Insilico是最早在从头分子设计中使用GAN的公司之一，并于2016年发表了该领域的第一篇论文。公司已通过基于GAN的生成人工智能模型交付了11个临床前候选药物，其先导项目已在I期临床试验中得到验证。

“我为我们的量子计算团队通过他们的努力和创新取得的积极成果感到自豪，”InsilicoMedicine创始人兼首席执行官AlexZhavoronkov博士说。“我相信这是我们旅程中的第一步。我们目前正在使用真正的化学量子计算机进行突破性实验，并期待与工业界和学术界分享Insilico的最佳实践。”