• 業(yè)界首次系統(tǒng)地用VQC逐步取代GAN，并用混合模型成功生成分子

• 使用少量可學(xué)習(xí)參數(shù)的量子GAN可生成與擁有上萬(wàn)可學(xué)習(xí)參數(shù)的經(jīng)典GAN相當(dāng)?shù)念?lèi)藥性質(zhì)分子

訪問(wèn)以下鏈接獲取源代碼（溫馨提示：注意科學(xué)上網(wǎng)）

https://github.com/pykao/QuantumMolGAN-PyTorch

2023年5月17日，由生成式人工智能（AI）驅(qū)動(dòng)的臨床階段生物醫(yī)藥科技公司英矽智能宣布，公司的研究小組開(kāi)創(chuàng)性地將量子計(jì)算和生成式人工智能兩項(xiàng)快速發(fā)展的技術(shù)相結(jié)合，探索藥物研發(fā)過(guò)程中的先導(dǎo)化合物的發(fā)現(xiàn)，并成功證明量子生成對(duì)抗網(wǎng)絡(luò)在生成化學(xué)中的潛在優(yōu)勢(shì)。

這項(xiàng)研究發(fā)表在計(jì)算化學(xué)領(lǐng)域權(quán)威期刊美國(guó)化學(xué)學(xué)會(huì)旗下《化學(xué)信息與建?！冯s志，由英矽智能專(zhuān)注于計(jì)算機(jī)輔助藥物研發(fā)工作的臺(tái)灣研發(fā)中心和鴻海研究院量子計(jì)算研究所（富士康科技集團(tuán)）共同領(lǐng)導(dǎo)。該研究也得到了英矽智能阿布扎比研發(fā)中心和多倫多大學(xué)加速聯(lián)盟主任Alan Aspuru-Guzik教授的支持和參與。

鴻海研究院量子計(jì)算研究所謝明修所長(zhǎng)表示，“很高興和英矽智能的合作取得了階段性的研究成果。量子計(jì)算可以用來(lái)處理復(fù)雜的計(jì)算問(wèn)題，用于藥物研發(fā)將有助于加快藥物開(kāi)發(fā)的速度并降低研發(fā)成本。”

生成式對(duì)抗網(wǎng)絡(luò)(GANs)是藥物發(fā)現(xiàn)和設(shè)計(jì)中最成功的生成模型之一。經(jīng)典的GAN模型由一個(gè)生成器（生成網(wǎng)絡(luò)）和一個(gè)判別器（判別網(wǎng)絡(luò)）組成，生成器通過(guò)學(xué)習(xí)訓(xùn)練集數(shù)據(jù)的特征，將隨機(jī)噪聲分布盡量擬合為訓(xùn)練數(shù)據(jù)的真實(shí)分布，從而生成具有訓(xùn)練集特征的相似數(shù)據(jù)。而判別器負(fù)責(zé)區(qū)分輸入的數(shù)據(jù)的真實(shí)性，并反饋給生成器。期間生成器與判別器交替訓(xùn)練，分別提高各自的生成能力和判別能力，直到生成器生成的數(shù)據(jù)能夠以假亂真。

在這項(xiàng)研究中，研究人員通過(guò)三個(gè)實(shí)驗(yàn)，逐步以變分量子線路（VQC）取代MolGAN（一種用于小分子圖的隱式生成式模型）的各個(gè)部分，包括作為噪聲生成器、切片法下的生成器和判別器，并將混合模型產(chǎn)生的結(jié)果與經(jīng)典GAN模型輸出的結(jié)果相對(duì)比，探索量子生成式對(duì)抗網(wǎng)絡(luò)在小分子藥物發(fā)現(xiàn)中的潛在優(yōu)勢(shì)。

研究證明了，當(dāng)作為生成器時(shí)，僅使用少量可學(xué)習(xí)參數(shù)的量子GAN可以生成類(lèi)似訓(xùn)練集的分子，而且量子GAN模型在生成化合物的藥物性質(zhì)和以目標(biāo)為基準(zhǔn)分子設(shè)計(jì)方面優(yōu)于經(jīng)典GAN模型。當(dāng)作為判別器時(shí)，幾十個(gè)可學(xué)習(xí)參數(shù)的量子GAN模型即可生成與擁有幾萬(wàn)個(gè)可學(xué)習(xí)參數(shù)的經(jīng)典GAN模型相當(dāng)?shù)念?lèi)藥性質(zhì)分子，且量子GAN模型在分子獨(dú)特性上有一定優(yōu)勢(shì)。

本文通訊作者、英矽智能臺(tái)灣研發(fā)中心負(fù)責(zé)人、臺(tái)灣公司總經(jīng)理林彥竹博士表示，“量子計(jì)算是下一個(gè)將對(duì)所有行業(yè)產(chǎn)生巨大影響的技術(shù)突破，制藥業(yè)被認(rèn)為將是第一波受益于這一技術(shù)進(jìn)步的行業(yè)之一。本次研究探索了在量子計(jì)算和人工智能兩大前沿技術(shù)驅(qū)動(dòng)下的分子生成，也是英矽智能宏大愿景下的首次嘗試?！?/p>

這項(xiàng)具有前景的前瞻性探索，將進(jìn)一步支持英矽智能的研發(fā)團(tuán)隊(duì)將量子GAN模型整合到英矽智能自主研發(fā)的分子生成引擎Chemistry42中，以便更高效和精準(zhǔn)地推進(jìn)人工智能驅(qū)動(dòng)的藥物發(fā)現(xiàn)。作為利用GAN開(kāi)展分子生成和設(shè)計(jì)的領(lǐng)跑者之一，英矽智能在2016年就發(fā)表了該領(lǐng)域的第一篇論文，并已經(jīng)在基于包括GAN、自然語(yǔ)言學(xué)習(xí)（NLP）、自注意力機(jī)制（Transformer）等的生成式模型構(gòu)建的人工智能平臺(tái)Pharma.AI的賦能下發(fā)現(xiàn)了11個(gè)臨床前候選化合物，其中進(jìn)展最快的項(xiàng)目已經(jīng)在I期臨床實(shí)驗(yàn)中得到了驗(yàn)證。

英矽智能創(chuàng)始人兼首席執(zhí)行官Alex Zhavoronkov博士表示，“據(jù)我們所知，這是業(yè)界首次系統(tǒng)地用VQC取代GAN的不同部分，并用混合模型成功生成分子。我相信這是我們探索之旅中的第一步，英矽智能正在嘗試以多種量子模型驅(qū)動(dòng)藥物化學(xué)發(fā)現(xiàn)，我們期待早日與工業(yè)界和學(xué)術(shù)界分享英矽智能在這個(gè)領(lǐng)域的最佳實(shí)踐?！?/p>

關(guān)于英矽智能

英矽智能是一家由生成式人工智能驅(qū)動(dòng)的藥物研發(fā)公司，通過(guò)下一代人工智能系統(tǒng)連接生物學(xué)、化學(xué)和臨床試驗(yàn)分析，利用深度生成模型、強(qiáng)化學(xué)習(xí)、轉(zhuǎn)換模型等現(xiàn)代機(jī)器學(xué)習(xí)技術(shù)，構(gòu)建強(qiáng)大且高效的人工智能藥物研發(fā)平臺(tái)，識(shí)別全新靶點(diǎn)并生成具有特定屬性分子結(jié)構(gòu)的候選藥物。英矽智能聚焦癌癥、纖維化、免疫、中樞神經(jīng)系統(tǒng)疾病、衰老相關(guān)疾病等未被滿(mǎn)足醫(yī)療需求領(lǐng)域，推進(jìn)并加速創(chuàng)新藥物研發(fā)。

更多信息，請(qǐng)?jiān)L問(wèn)網(wǎng)站
www.insilico.com

商務(wù)合作，請(qǐng)聯(lián)系?bd@insilico.ai

媒體垂詢(xún)，請(qǐng)聯(lián)系 pr@insilico.ai