量子科技中心_量科网

深度生成模型在随机设计小分子方面的应用正成为加速药物发现与开发的新兴技术。然而分子生成模型存在的主要问题是类药化合物生成频率较低。为解决该问题，该研究团队开发了一种集成D-Wave量子退火计算机的深度生成模型优化新框架，其中提出的神经哈希函数（NHF）同时作为正则化方案和二值化方案——后者分别用于在误差评估（即目标）函数中实现经典神经网络与量子神经网络连续/离散信号间的转换。通过量子退火生成模型产生的化合物，在有效性和类药性方面均优于完全经典模型生成的化合物，且在无任何约束条件刻意诱导优化的情况下，其类药性特征甚至超越训练数据集。这些结果表明，量子退火技术结合新型神经网络架构构建随机生成器具有独特优势，能显著提升药物设计中特征空间采样和特征提取的性能表现。