Kvantforbedret AI-revolusjoniserer kreftmedisinforskning: Et sprang fremover med industriell generativ AI

I en utenkelig fremgang i legemiddelforskning, har Zapata Computing, Inc., sammen med Insilico Medicine, University of Toronto og St. Jude Children’s Research Hospital, vist den bemerkelsesverdige potensialet til kvantforbedret generativ AI. Dette samarbeidet har ført til den første gangen en generativ modell som opererer på kvanthardware overgår tradisjonelle klassiske modeller i å generere brukbare kreftmedisinkandidater.

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 kvanthardware, inkludert en 16-qubit IBM-enhet, lyktes teamet å generere en million legemiddelkandidater. Etter en omhyggelig prosess med algoritmesk og menneskelig filtrering, ga den kvantforbedrede generative modellen to distinkte molekyler med overlegen bindende affinitet over de som ble produsert av klassiske modeller. Dette gjennombruddet understreker ikke bare effikasiteten av kvanteberegning i legemiddelforskning, men illustrerer også den transformative rollen til industriell generativ AI i å håndtere komplekse, domenespesifikke utfordringer i ulike industrier.

Industriell generativ AI, en spesialisert underkategori av generativ AI, er særlig egnet til å takle slike intrikate problemer. I motsetning til generelle formål 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, tidsfølsomhet, beregningsbegrensninger og krav til nøyaktighet, pålitelighet og sikkerhet. I kjernen er det generative modeller, som Large Language Models (LLM), som lærer av treningdata for å generere nye, realistiske utdata. Dette tilrettelegger det for Zapata AI-teamet å bane vei innen legemiddelforskning, ved å bruke AI til å skape banebrytende løsninger.

Yudong Cao, CTO og medgrunnlegger av Zapata AI, understreket synergiene mellom kvanteberegning og klassisk beregning i å gi omfattende løsninger i dette banebrytende prosjektet. Forskningen, som for øyeblikket venter på fagfellevurdering og er tilgjengelig på ArXiv, bygger på tidligere studier som demonstrerer potensialet for kvantegenerativ AI i legemiddelforskning.

Alex Zhavoronkov, PhD, grunnlegger og med-CEO av Insilico Medicine, anerkjente integreringen av Insilicos generative AI-motor, Chemistry42, med kvanteforsterkede modeller, og åpnet opp nye terapeutiske veier for utfordrende kreftmål. Dette skrittet er kritisk i å fremme fremtiden for legemiddelforskning.

Med en nylig strategisk partnerskap med D-Wave Quantum Inc, er Zapata AI klar til å utvide horisontene for kvantegenerative 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 kvanteberegning i legemiddelforskningspipelinen. 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, tilgjengelig på deres Orquestra®-plattform, og understreket den praktiske anvendelsen av kvanteberegning i å løse virkelige vitenskapelige utfordringer. Denne integreringen av industriell generativ AI i legemiddelforskningsprosessen markerer et betydelig skritt i å utnytte AI for innovative, bransjespesifikke løsninger, og driver vekst og effisiens i den evoluerende teknologilandskapet.