Kvantesk AI-revolusjon gjør fremgang i kreftmedisinoppdagelse: Et sprang fremover med industriell generativ AI

I en utenkelig fremgang i legemidleroppdagelse, har Zapata Computing, Inc., sammen med Insilico Medicine, University of Toronto og St. Jude Children’s Research Hospital, vist den bemerkelsesverdige potensialet til kvantesk generativ AI. Dette samarbeidet har ført til den første gangen en generativ modell som opererer på kvantehardware overstiger tradisjonelle klassiske modeller i å generere gyldige kreftmedisin-kandidater.

Dette banebrytende studiet fokuserte på å utvikle nye KRAS-hemmere, et notorisk vanskelig mål i kreftbehandling. Ved å bruke avanserte generative AI-modeller på både klassisk og kvantehardware, inkludert en 16-qubit IBM-enhet, lyktes teamet å generere en million legemidlinnkandidater. Etter en omhyggelig prosess med algoritmesk og menneskelig filtrering, ga den kvantesk generative modellen to distinkte molekyler med overlegen bindingsevne sammenlignet med de som ble produsert av klassiske modeller. Dette gjennombruddet understreker ikke bare effekten av kvantecomputing i legemidleroppdagelse, men også den transformative rollen til industriell generativ AI i å håndtere komplekse, bransjespesifikke utfordringer i ulike industrier.

Industriell generativ AI, en spesialisert underkategori av generativ AI, er særlig egnet til å håndtere slike intrikate problemer. I motsetning til generelle AI-verktøy som ChatGPT og DALL-E fra OpenAI, er industriell generativ AI tilpasset å håndtere spesifikke problemer innen bedrifter eller industrier. Den navigerer gjennom utfordringer som dataforvirring, store løsningsrom, uforutsigbarhet, tidsbegrensninger, beregningsbegrensninger og krav til nøyaktighet, pålitelighet og sikkerhet. I kjernen er det generative modeller, som Large Language Models (LLM), som lærer fra treningdata for å generere nye, realistiske utdata. Dette tilnærmingen var det som enablet Zapata AI-teamet til å bane vei i legemidleroppdagelse, ved å bruke AI til å skape banebrytende løsninger.

Yudong Cao, CTO og medgrunnlegger av Zapata AI, understreket samspillet mellom kvante- og klassisk computing i å gi komplette løsninger i dette banebrytende prosjektet. Forskningen, som for tiden venter på fagfellevurdering og er tilgjengelig på ArXiv, bygger på tidligere studier som demonstrerer potensialet til kvantegenerativ AI i legemidleroppdagelse.

Alex Zhavoronkov, PhD, grunnlegger og med-CEO av Insilico Medicine, anerkjente integreringen av Insilicos generative AI-motor, Chemistry42, med kvante-forbedrede modeller, og varslet nye terapeutiske veier for utfordrende kreftmål. Dette er et kritisk skritt i å fremme fremtiden for legemidleroppdagelse.

Med en nylig strategisk partnerskap med D-Wave Quantum Inc (QBTS ), er Zapata AI klar til å ytterligere utvide horisontene for kvantegenerativ AI-modeller i å oppdage nye molekyler for en rekke kommersielle anvendelser. Christopher Savoie, CEO og medgrunnlegger av Zapata AI, uttrykte begeistring over denne utviklingen og potensialet for bredere anvendelse i ulike industrier.

Alán Aspuru-Guzik, en professor ved University of Toronto og medgrunnlegger og vitenskapelig rådgiver for Zapata AI, delte sin optimisme om å integrere kvantecomputing i legemidleroppdagelsesprosessen. Dette forskningen er banebrytende og setter en presedens for fremtidige kvantecomputere til å vise sine unike evner.

Forskningen benyttet Zapata AI sine QML Suite Python-pakke, som er tilgjengelig på deres Orquestra-plattform, og understreker den praktiske anvendelsen av kvantecomputing i å løse reelle vitenskapelige utfordringer. Denne integreringen av industriell generativ AI i legemidleroppdagelsesprosessen markerer et betydelig skritt i å utnytte AI for innovative, bransjespesifikke løsninger, og driver vekst og effisiens i den stadig utviklende teknologiske landskapet.