科學家們成功展示，量子電腦能提升生成式人工智慧藥物發現模型的準確性和應用範圍。他們利用業餘時間和從其他專案剩餘的資金完成了這項工作。
丹麥技術大學的團隊將其預測蛋白質的生成式 AI 模型，與英國新創公司 ORCA Computing 製造的印表機大小量子電腦結合運行。ORCA Computing 的技術透過將量子機器與傳統處理器連結，加速了 AI 的運算。研究人員利用這種混合技術生成了新型胜肽——一種短鏈胺基酸，能夠與體內特定蛋白質結合，這是疫苗開發的關鍵步驟。
據領導該專案的丹麥技術大學教授 Timothy Patrick Jenkins 表示，研究團隊利用週末時間工作，並匯集了其他專案未動用的資金，因為「大多數創新科學對基金會來說都太過冒險」。
在實驗室中製造胜肽並測試它們是否能與特定蛋白質結合的結果顯示，該模型比傳統模型產生了更多成功的胜肽。在訓練數據稀缺的情況下，其改進效果最為顯著。
研究團隊相信，這項技術可以加速個人化免疫療法和疫苗的開發，並提高藥物在未受充分研究族群中的療效。Patrick Jenkins 告訴 WIRED：「我們需要真正證明它，才能說服懷疑論者，我們的預測與現實世界相符。」
量子運算仍是一個新興領域，由於建造這些機器的技術挑戰以及成功應用於解決問題的難度，它面臨著嚴格的審查。甚至 Patrick Jenkins 最初也對探索這項技術持保留態度：「我曾是個巨大的量子懷疑論者。」他笑著說，認為任何應用於他的工作的技術都將「遙遙無期」。
他和他的團隊利用大數據和 AI 來發現可能解鎖新免疫療法的蛋白質，以更便宜、更快速的方式進行，這項工作通常由 Novo Nordisk Foundation 資助。儘管大多數生物模型製造者都渴望更多數據，但他的團隊面臨的一個特殊挑戰是，人類種族中各種遺傳資訊的數據不足，因為大多數醫學研究都集中在西方人口。他表示，這使得開發適用於亞洲和非洲等未受充分研究族群的胜肽變得困難。
他的團隊假設，將量子電腦嵌入他們的工作流程中，可以使其生成更多樣化的胜肽，特別是對於數據較少的目標。他們是在了解到量子機器在生成圖像方面有類似效果後產生這個想法的。
這項新發現的過程尚未能徹底改變研究，因為量子電腦目前仍太小，無法運行全面、尖端的 AI 模型，這意味著在傳統電腦上仍能獲得更好的結果。丹麥技術大學博士生 Jonathan Funk 表示：「量子技術仍然不夠強大，所以我們能編碼的複雜度還不是我們通常處理的正常大小抗體。」
此外，找到能與特定基因結合的胜肽只是疫苗開發的一個步驟，單獨無法產生成功的藥物。ORCA Computing 執行長 Richard Murray 告訴 WIRED，他認為「許多工業公司認為量子技術模糊且遙遠，這並不奇怪」，部分原因是該技術「從未有過真正明確的近期實用範例」。
他表示，這項研究的獨特之處在於它展示了量子技術的近期商業應用。他的公司也透過與石油巨頭 BP 在化學領域以及與汽車製造商 Toyota 在提高設計流程效率方面的專案中應用這項技術。
丹麥技術大學團隊現在將研究是否能將此工作流程應用於更尖端的模型和更大的蛋白質。Patrick Jenkins 指出，生成式 AI 工作流程在研究資金稀缺的被忽視疾病中特別有價值，他說：「我們需要這個作為一個簡單的方法來驗證，我們現在確實有機會大幅推動進展。」他還考慮使用量子電腦來增強其設計合成蛇毒解毒劑的生成式 AI 方法。