近期，本源量子联合中国科学技术大学及合肥综合性国家科学中心人工智能研究院，在量子计算领域取得了突破性进展。他们创新设计的量子嵌入图神经网络架构（QEGNN），显著提高了关键药物性质的预测精度。
这一架构的核心在于两大创新技术：量子边编码技术（QEEM）和量子节点嵌入模式（QNEM）。QEEM首次将分子的化学键进行量子层面的编码，使量子计算机能够精准处理原子间的相互作用。而QNEM则对分子的原子信息进行量子编码，让量子计算机深入理解原子的特性。这两项技术的融合，填补了量子图神经网络研究的空白，实现了原子与化学键在量子层面的同步处理。
在多个重要的药物相关数据集上，QEGNN架构展现出了卓越的性能。特别是在HIV抗病毒药物筛选方面，其准确率从73%大幅提升至97%。对于阿尔茨海默病药物的预测准确率也从64%提高到了70%，而ClinTox分子毒性预测的准确率则从80%提升至87%。这些成果不仅证明了QEGNN架构的有效性，也为药物研发领域带来了新的希望。
为了进一步验证QEGNN架构在实际量子硬件上的可靠性，团队在中国第三代自主超导量子计算机“本源悟空”上进行了实验。尽管面临量子噪声的挑战，但该量子模型的准确率仍然稳定在80%左右，这充分展示了其在当前量子计算条件下的实用潜力。
目前，基于QEGNN架构的药物毒性预测真机应用已经上线“本源量子计算云平台”，以“本源悟空”为计算后端，为药物研发领域提供了强大的计算支持。这一突破性的进展不仅展示了量子计算在药物研发领域的巨大潜力，也为未来的科学研究开辟了新的道路。
