量子科技中心_量科网

在药物发现领域，如何通过探索广阔的分子结构化学空间来设计具有目标特性的新型药物分子仍是一项核心挑战。近期生成模型的进展为此提供了可行解决方案。该工作提出了一种名为QCA-MolGAN的新型量子电路玻恩机（QCBM）生成对抗网络，其创新性在于：QCBM作为可学习的先验分布，通过关联训练构建与判别器捕获的高维特征相一致的潜在空间。此外，研究人员整合了新型多智能体强化学习网络来引导分子生成，同步优化药物相似性定量估计值（QED）、辛醇-水分配系数（LogP）和合成可及性（SA）评分等关键指标。实验结果表明，该方法能显著提升生成分子的特性匹配度，多智能体强化学习系统可有效平衡各项化学属性。