Kvantesk AI-revolutionerer kræftmedicin-opdagelse: Et spring fremad med Industrial Generative AI

I en uden precedent udvikling i lægemiddel-opdagelse har Zapata Computing, Inc. sammen med Insilico Medicine, University of Toronto og St. Jude Children’s Research Hospital, demonstreret det bemærkelsesværdige potentiale for kvante-forstærket generativ AI. Dette samarbejde har ført til den første nogensinde forekomst, hvor en generativ model, der kører på kvante-hardware, overgår traditionelle klassiske modeller i at generere viable kræftmedicin-kandidater.

Dette banebrydende studie fokuserede på udvikling af nye KRAS-hæmmere, et notorisk svært mål i kræftbehandling. Ved hjælp af avancerede generative AI-modeller på både klassisk og kvante-hardware, herunder en 16-qubit IBM-enhed, lykkedes det holdet at generere en million lægemiddel-kandidater. Efter en omhyggelig proces med algoritme- og menneskelig filtrering, gav den kvante-forstærkede generative model to distinkte molekyler med overlegen bindingsevne i forhold til dem, der blev produceret af klassiske modeller. Dette gennembrud understreger ikke kun effekten af kvante-computering i lægemiddel-opdagelse, men illustrerer også den transformative rolle, som Industrial Generative AI spiller i løsning af komplekse, domæne-specifikke udfordringer i forskellige brancher.

Industrial Generative AI, en specialiseret underkategori af generativ AI, er særligt egnet til at tackle sådanne komplekse problemer. I modsætning til generelle formål AI-værktøjer som ChatGPT og DALL-E fra OpenAI, er Industrial Generative AI tilpasset til at løse specifikke problemer inden for virksomheder eller brancher. Det navigerer gennem udfordringer som data-forvirring, store løsningsrum, uforudsigelighed, tidsfølsomhed, beregningsbegrænsninger og krav om nøjagtighed, pålidelighed og sikkerhed. I dens kerne er generative modeller, som Large Language Models (LLM’er), der lærer af træningsdata for at generere nye, realistiske outputs. Denne tilgang er det, der har enablede Zapata AI-holdet til at bane vejen i feltet lægemiddel-opdagelse, ved at udnytte AI til at skabe banebrydende løsninger.

Yudong Cao, CTO og medstifter af Zapata AI, fremhævede samarbejdet mellem kvante- og klassisk computering i at levere omfattende løsninger i dette banebrydende projekt. Forskningen, der pt. venter på peer-review og er tilgængelig på ArXiv, bygger på tidligere studier, der demonstrerer potentialet for kvante-generativ AI i lægemiddel-opdagelse.

Alex Zhavoronkov, PhD, grundlægger og co-CEO af Insilico Medicine, anerkendte integrationen af Insilico’s generative AI-motor, Chemistry42, med kvante-forstærkede modeller, der åbner nye terapeutiske veje for udfordrende kræft-mål. Dette skridt er afgørende for at fremme fremtiden for lægemiddel-opdagelse.

Med en nyt strategisk partnerskab med D-Wave Quantum Inc (QBTS ). er Zapata AI klar til at udvide horisontterne for kvante-generativ AI-modeller i opdagelse af nye molekyler til en række kommercielle formål. Christopher Savoie, CEO og medstifter af Zapata AI, udtrykte begejstring over denne udvikling og potentialet for bredere anvendelse i forskellige brancher.

Alán Aspuru-Guzik, en professor ved University of Toronto og medstifter og videnskabelig rådgiver for Zapata AI, delte sin optimisme om at integrere kvante-computering i lægemiddel-opdagelses-processen. Denne forskning er banebrydende og sætter en præcedens for fremtidige kvante-computere til at demonstrere deres unikke evner.

Forskningen anvendte Zapata AI’s QML Suite Python-pakke, der er tilgængelig på deres Orquestra®-platform, og understreger den praktiske anvendelse af kvante-computering i løsning af virkelige videnskabelige udfordringer. Denne integration af Industrial Generative AI i lægemiddel-opdagelses-processen markerer et betydeligt skridt i udnyttelse af AI til innovative, branch-specifikke løsninger, der driver vækst og effektivitet i den konstant udviklende teknologiske landskab. application of quantum computing in solving real-world scientific challenges. This integration of Industrial Generative AI into the drug discovery process marks a significant stride in leveraging AI for innovative, industry-specific solutions, driving growth and efficiency in the ever-evolving technological landscape.