药物从被发现出来到批准用于患者身上所需的时间可能需要数十年，并要花费数十亿美元。现在，美国国家科学基金会(NSF)拨款了120万美元，该资金将帮助宾夕法尼亚州立大学的研究人员团队研究基于量子计算机的人工智能(AI)，看看量子计算机是否可以更快、更便宜地为患者提供药物。

量子计算机与经典计算机有很大不同，量子设备使用量子比特而不是经典比特。经典比特只能处于0或1的二进制状态，但量子比特由于有量子力学的叠加作用，这允许它们同时处于0和1的叠加态。量子比特也可以纠缠在一起，这意味着它们的状态是错综复杂的。从理论上讲，科学家纠缠的量子比特越多，设备的计算潜力就会越大，并且计算呈指数级增长。

根据该大学电气工程和计算机科学副教授Swaroop Ghosh的说法，这些奇怪的——但经过科学证明的——能力使量子计算机有可能提供成倍增加的处理能力，能更好地处理某些复杂的问题。Ghosh补充说，利用为量子计算机设计的人工智能(AI)模型可能是药物发现的理想选择，这是一个受到当前经典计算处理能力限制的领域。

Ghosh说：“与经典的神经网络相比，量子人工智能(QAI)模型可能要更具表现力。换句话说，与类似规模的经典人工智能模型相比，它们具有更高的接近所需功能的能力。量子计算机带来了有效的采样能力，因此它们可能比经典计算机能更有效地模拟药物样品分子的有用分布。由于训练数据可以直接在量子域中处理，量子基元(例如量子存储器)的演化可以进一步加速机器学习任务。”

根据宾夕法尼亚州立医学院教授、该项目的联合首席研究员Nikolay V. Dokholyan的说法，量子计算机可以降低与寻找药物相关的成本，并能缩短这些治疗过程到达患者时的所需时间。该团队的研究人员对利用量子人工智能设计可以抑制Ras蛋白家族的药物治疗特别感兴趣，这对于癌症的治疗和治愈是非常重要的。

同时也是宾夕法尼亚州立大学计算与数据科学研究所(ICDS)的研究员Dokholyan说：“药物发现是一个漫长的过程，它可能跨越数十年并耗资数十亿美元。目前，美国联邦药物管理局(FDA)批准新化合物的速度仅为每年约40种。通过计算筛选大量化合物来加速药物发现，它有望显着降低寻找有效治疗新疾病方法的成本和时间。与针对数十亿化合物库的传统计算药物筛选方法不同，利用量子计算机和新的人工智能驱动算法有望覆盖更大的化学空间。”

研究人员提醒说，量子人工智能(QAI)设计的疗法不会在一夜之间发生。这项技术的使用面临着几个挑战。目前可用的量子计算机被称为NISQ(嘈杂中型量子)计算机。NISQ设备倾向于提供有限数量的量子比特来处理计算问题，并且由于其有着极高的敏感度，需要大量的纠错来弥补由环境噪声(例如热或电磁)引入的错误。

QAI面临着本质上更基本的问题，例如无法获得量子形式的训练数据，还有与资源相关的问题，比如有限的量子比特数量和访问真实硬件有漫长的等待队列。但QAI可能更具有表现力，这意味着即使使用有限数量的量子比特和参数，该技术也可以对目标概率分布进行建模，并探索可能的解决方案。尽管该行业面临挑战，但该团队很高兴能够迈出第一步，以探索人工智能和量子计算的综合能力。

Ghosh说：“量子人工智能在解决现实世界问题方面的真正潜力还未开被发。这个项目将通过探索各种量子人工智能模型来填补这一空白，我们的这些模型将使用嘈杂的量子计算机。”据了解，该研究团队计划使用来自IBM和微软等公司的量子计算机和量子计算软件工具来进行研究。（编译:Qtech）