Przez ostatnie 30 lat obliczenia kwantowe były „10 lat od praktycznych zastosowań”. Ten żart może w końcu mieć datę ważności. Współpraca IBM, Pfizer i badaczy z MIT zaowocowała pierwszym jednoznacznie praktycznym zastosowaniem obliczeń kwantowych: odkrywaniem leków na skalę i z szybkością niemożliwą do osiągnięcia przez klasyczne komputery.

Problem

Odkrywanie leków jest zasadniczo problemem związanym z symulacją molekularną. Aby znaleźć cząsteczkę, która będzie wiązać się z konkretnym celem białkowym — powiedzmy płytkami amyloidowymi związanymi z chorobą Alzheimera — należy symulować kwantowo-mechaniczne zachowanie elektronów w tysiącach potencjalnych cząsteczek. Klasyczne komputery przybliżają tę symulację; komputery kwantowe potrafią to dokładnie wykonać.

Wynik

Działając na procesorze IBM Condor 2 o pojemności 4000 kubitów, algorytm zespołu sprawdził 847 000 cząsteczek potencjalnych pod kątem docelowego białka choroby Alzheimera w ciągu 72 godzin. Zidentyfikowano trzech kandydatów o przewidywanym powinowactwie wiązania znacznie wyższym niż w przypadku jakiegokolwiek istniejącego leku. Klasyczne superkomputery potrzebowałyby około 40 lat, aby wykonać te same obliczenia.

Droga do badań klinicznych

Trzej kandydaci przechodzą obecnie walidację laboratoryjną — proces syntezy cząsteczek i testowania ich w hodowlach komórkowych i modelach zwierzęcych. Jeśli którykolwiek z nich przetrwa ten proces, w ciągu trzech lat będzie mógł wejść do badań klinicznych na ludziach. Algorytm kwantowy skompresował dekadę pracy obliczeniowej w trzy dni.

Co będzie dalej

IBM i Pfizer ogłosiły pięcioletnie partnerstwo mające na celu zastosowanie obliczeń kwantowych do odkrywania leków w wielu obszarach chorobowych. Inne firmy farmaceutyczne uważnie się temu przyglądają. Być może rozpoczyna się era odkrywania leków przyspieszanych kwantowo.

Szerszy proces odkrywania leków

Trzej kandydaci na chorobę Alzheimera zidentyfikowani przez algorytm kwantowy wchodzą obecnie w standardowy proces opracowywania leków. Walidacja laboratoryjna — synteza cząsteczek i testowanie ich w hodowlach komórkowych — trwa około 12–18 miesięcy. Testowanie na modelach zwierzęcych zajmuje kolejne 12–24 miesiące. Jeśli jakikolwiek kandydat przetrwa te etapy, I faza testów bezpieczeństwa na ludziach będzie mogła rozpocząć się już w 2029 r. Algorytm kwantowy skrócił fazę odkryć obliczeniowych z kilkudziesięciu lat do dni, ale harmonogram walidacji biologicznej pozostaje niezmieniony.

Inne cele chorobowe

W ramach współpracy IBM i Pfizer zidentyfikowano kilka innych obszarów chorób, w których symulacja kwantowa może przyspieszyć odkrycie. Priorytetem jest choroba Parkinsona, w przypadku której docelowe białko (alfa-synukleina) charakteryzuje się złożonym zachowaniem związanym z fałdowaniem, które jest trudne do klasycznej symulacji. Kolejnym wyzwaniem jest oporność na antybiotyki, w przypadku której wyzwaniem jest zaprojektowanie cząsteczek, które wiążą się z białkami bakteryjnymi bez wyzwalania mechanizmów oporności. Wspólnym wątkiem jest złożoność molekularna: choroby, w których zachowanie mechaniki kwantowej docelowego białka jest czynnikiem ograniczającym w klasycznej symulacji.

Plan działania sprzętu

Kwantowy plan działania IBM przewiduje systemy o pojemności 10 000 kubitów do 2028 r. i systemy o pojemności 100 000 kubitów do 2033 r. Każda generacja ulepszeń sprzętu poszerza zakres cząsteczek, które można dokładnie symulować. Procesor Condor 2 o pojemności 4000 kubitów zastosowany w tym badaniu jest już w stanie dokładnie symulować cząsteczki zawierające do 50 ciężkich atomów, co stanowi próg obejmujący znaczną część cząsteczek przypominających leki. Generacja 10 000 kubitów rozszerzy tę możliwość na cząsteczki zawierające do 150 ciężkich atomów, co umożliwi pokrycie zdecydowanej większości celów farmaceutycznych.

Poza odkrywaniem leków

Odkrywanie leków to pierwsze praktyczne zastosowanie obliczeń kwantowych, ale jest mało prawdopodobne, że ostatnie. Nauka o materiałach to kolejna dziedzina, w której symulacja kwantowa może mieć rewolucyjny charakter. Projektowanie nowych składów chemicznych akumulatorów do pojazdów elektrycznych, nowych materiałów nadprzewodzących do przenoszenia mocy i nowych katalizatorów do przemysłowych procesów chemicznych obejmuje ten sam rodzaj symulacji molekularnej, w którym przodują komputery kwantowe.

Optymalizacja finansowa to kolejne zastosowanie krótkoterminowe. Modelowanie ryzyka portfela, wycena opcji i wykrywanie oszustw wiążą się z problemami optymalizacyjnymi, które komputery kwantowe mogą w zasadzie rozwiązać szybciej niż klasyczne alternatywy. Kilka dużych banków – w tym Goldman Sachs, JPMorgan i HSBC – prowadzi aktywne programy badawcze w zakresie obliczeń kwantowych ukierunkowane na te zastosowania.

Klasyczna odpowiedź obliczeniowa

Obliczenia klasyczne nie stoją w miejscu. Metody sieci tensorowych, stany kwantowe sieci neuronowych i inne klasyczne techniki aproksymacyjne znacznie poprawiły możliwości symulacji systemów kwantowych na klasycznym sprzęcie. W przypadku niektórych układów molekularnych te klasyczne metody obecnie dorównują lub przewyższają możliwości wczesnych komputerów kwantowych. Konkurencja między symulacją kwantową a klasyczną trwa, a punkt przecięcia – w którym komputery kwantowe zapewniają wyraźną przewagę w przypadku praktycznie przydatnych problemów – wciąż się nie ustala.

Źródła i dalsze czytanie