Algorithmiq در اجلاس IBM به موفقیت محاسبات کوانتومی در کشف دارو دست یافت
به طور خلاصه
Algorithmiq نتایج پیشگامانه کاهش خطا را از یک آزمایش در مقیاس بزرگ انجام شده بر روی سخت افزار کوانتومی IBM به نمایش گذاشت.
الگوریتم اخیراً نتایج قابل توجهی برای کاهش خطا در طی یک آزمایش در مقیاس بزرگ ارائه شده است کوانتوم آی بی ام سخت افزار در اجلاس IBM این شرکت، که یک مقیاس الگوریتم کوانتومی است، بر روی مقابله با چالش‌های پیچیده در علوم زیستی تمرکز می‌کند و تخصص خود را در دستیابی به کاربرد عملی کوانتومی نشان می‌دهد.
ابزار کوانتومی زمانی است که یک کامپیوتر کوانتومی محاسبات قابل اعتمادی را به دست می آورد که از قابلیت های brute force محاسبات کلاسیک فراتر می رود، برای حل دقیق مسائل. به‌طور سنتی، روش‌های تقریب کلاسیک اغلب برای مسائل خاص طراحی می‌شدند، که تنها برای رسیدگی به چالش خاص بود.
با استفاده از ابزار کوانتومیدانشمندان محاسباتی و سایر محققان می توانند از رایانه های کوانتومی برای مقابله با مشکلات در مقیاس بزرگ در دنیای واقعی نیز استفاده کنند.
این آزمایش از الگوریتم‌های کاهش خطا اختصاصی Algorithmiq بر روی IBM Nazca، به‌ویژه پردازنده ۱۲۷ کیوبیتی Eagle، شامل ۵۰ کیوبیت فعال و ۹۸ لایه CNOTS، در مجموع ۲۴۰۲ گیت CNOTS استفاده کرد.
این همکاری با آی بی ام در سال 2022 آغاز شد و قصد دارد راه را برای اولین مزیت کوانتومی عملی در شیمی هموار کند. کامپیوترهای کوانتومی علیرغم پتانسیلی که دارند، با نرخ خطای بالایی دست و پنجه نرم می کنند و مانع محاسبات در مقیاس بزرگ می شوند.
تکنیک های اختصاصی کاهش خطای شبکه تنسور (TEM) Algorithmiq که با همکاری ایوانو تاورنلی از زوریخ IBM و جان گولد از کالج ترینیتی دوبلین به کار گرفته شد، به نتایج شگفت انگیزی دست یافت. این تکنیک ها حتی با افزایش عمق مدار، به طور موثری نویز را کاهش دادند و از روش های سنتی کاهش خطا پیشی گرفتند.
کامپیوترهای کوانتومی امروزی مستعد خطا هستند. این بدان معناست که وقتی شبیه‌سازی برای یک مولکول اجرا می‌شود، ویژگی‌هایی که استنباط می‌کنیم بایاس می‌شوند. هدف کاهش خطا اصلاح آن سوگیری ها است. پروفسور سابرینا مانیسکالکو، یکی از بنیانگذاران و مدیرعامل Algorithmiq، گفت که TEM بهترین عملکرد را از نظر زمان استفاده QC ارائه می دهد، زیرا کاهش خطا در پردازش پس از آن انجام می شود. Metaverse Post. در عمل این بدان معناست که ما می‌توانیم در کسری از زمانی که سایر روش‌های قابل اعتماد نیاز دارند، خطاها را تصحیح کنیم.
علاوه بر این، رویکرد TEM توانایی بازیابی سیگنال‌های کوانتومی در رژیم‌های چالش‌برانگیز را نشان داد و پیشرفت‌های قابل‌توجهی در سربار اندازه‌گیری ارائه کرد. این کارآیی به محاسبات بسیار سریع‌تر ترجمه می‌شود و مقیاس‌های زمانی را از سال‌ها به ساعت‌ها کاهش می‌دهد.
در ژوئن 2023، Algorithmiq 13.7 میلیون یورو را در دور سری A که توسط Inventure VC، یک صندوق خطرپذیر نوردیک رهبری می‌شود، جمع‌آوری کرد. این بودجه برای پیگیری کار اثبات مفهوم آن با شرکت های داروسازی در سطح جهان، با هدف کاهش زمان و هزینه کشف و توسعه دارو مورد استفاده قرار گرفت.
آزمایش‌های اخیر این شرکت اکنون زمینه‌ای را برای محاسبات کوانتومی مقیاس‌پذیر فراهم کرده است که گامی مهم به سمت دوران تحمل خطا برای کشف مواد مخدر.
با کمک آزمایش‌های شیمی کوانتومی بر روی یک کامپیوتر کوانتومی که برای اولین بار همراه با مطالعات آزمایشگاهی بالینی در محل انجام می‌شود، این امکان را برای مهندسی اصلاحات شیمیایی دقیق ترکیبات دارویی فعال شده با نور فراهم می‌کند که کارایی آنها را افزایش می‌دهد. Maniscalco توضیح داد در حالی که عوارض جانبی (ناخواسته) را به حداقل می رساند، در نهایت میزان موفقیت درمان بیمار را به حداکثر می رساند.
استفاده از محاسبات کوانتومی برای کاربردهای شیمی
دستاوردهای Algorithmiq فراتر از کاهش خطا بود و مدیر عامل شرکت سابرینا مانیسکالکو نتایج کلیدی از همکاری با AstraZeneca، IBM و مرکز هارتری.
این تیم یک رویکرد جدید را برای مطالعه واکنش‌های انتقال پروتون، با استفاده از نقشه‌برداری و کامپایل فرمیون به کیوبیت سازگار با سخت‌افزار بررسی کردند. الگوریتم. این رویکرد به طور قابل توجهی نیازهای سخت افزاری کوانتومی را کاهش داد و تا 54 درصد کاهش در تعداد عملیات های پر سر و صدا ارائه کرد.
"در حالی که هدف جامعه بهبود اندازه مدارهایی است که روی سخت افزار اجرا می شوند (به معنی تعداد در CNOT ها) مهم است که در ساخت مدار تا حد امکان کارآمد باشد زیرا هرچه عملیات کمتری برای حل مشکل نیاز داشته باشد آسان تر است. Maniscalco از Algorithmiq گفت که می تواند آنها را اجرا کند Metaverse Post. بنابراین، در Algorithmiq، یکی از خطوط اصلی تحقیقاتی به ساده‌سازی مدار برای شبیه‌سازی شیمی Q تا حد امکان اختصاص دارد.
علاوه بر این، Algorithmiq صاحب جدید کد Qiskit Nature، انجمن کوانتومی بسیار سرپرست IBM برای شیمی.
این توسعه با تغییرات گسترده‌تر IBM در اکوسیستم Qiskit مطابقت دارد و شرکای خارجی را تشویق می‌کند تا مسئولیت‌های تعمیر و نگهداری را بر عهده بگیرند. هدف Algorithmiq توسعه نرم افزاری است که محققان و شرکت ها را برای مقابله با چالش های شبیه سازی کوانتومی در علوم طبیعی توانمند می سازد.
ما روی شبیه‌سازی شیمی کوانتومی (و بعداً برای کشف دارو) بسیار متمرکز هستیم. شبیه‌سازی سیستم‌های کوانتومی در وهله اول انگیزه اصلی محاسبات کوانتومی بود، بنابراین یک مورد استفاده بسیار معقول برای دستگاه‌ها حتی در کوتاه‌مدت است.” "در حالی که بسیاری از صنایع می توانند از افزایش قابلیت های محاسباتی کیو شیمی بهره مند شوند، صنعت هدف اصلی ما کشف دارو است."
رویکرد اندازه‌گیری نوآورانه و روش‌های شیمی پیشرفته Algorithmiq اخیراً سرمایه‌گذاری 4.25 میلیون دلاری را از Wellcome Leap تضمین کرده است. این بودجه از طراحی فعل و انفعالات جدید فوتون-دارو حمایت خواهد کرد پیشگیری از سرطان و درمان با همکاری شرکای IBM و کلینیک کلیولند.
آزمایش IBM Summit تنها اولین قدم برای اثبات این بود که TEM برای مدارهای پیچیده کار می کند. اکنون، ما مشتاقیم که به این فکر کنیم که چه کارهایی می‌توانیم در حرکت رو به جلو انجام دهیم، مخصوصاً با اخبار بهبود مورد انتظار در دستگاه‌های IBM.» Metaverse Post.
IBM اخیراً از تراشه و ماشین محاسباتی کوانتومی جدیدی با هدف ایجاد زمینه برای سیستم های بسیار بزرگتر تا سال 2033 پرده برداری کرده است. سیستم کوانتومی جدید این شرکت دو، دارای سه تراشه "Heron" است که بیش از 1,000 کیوبیت را ارائه می دهد.
رفع مسئولیت
در خط با دستورالعمل های پروژه اعتماد، لطفاً توجه داشته باشید که اطلاعات ارائه شده در این صفحه به عنوان مشاوره حقوقی، مالیاتی، سرمایه گذاری، مالی یا هر شکل دیگری در نظر گرفته نشده است و نباید تفسیر شود. مهم است که فقط در موردی سرمایه گذاری کنید که توانایی از دست دادن آن را دارید و در صورت شک و تردید به دنبال مشاوره مالی مستقل باشید. برای کسب اطلاعات بیشتر، پیشنهاد می کنیم به شرایط و ضوابط و همچنین صفحات راهنمایی و پشتیبانی ارائه شده توسط صادرکننده یا تبلیغ کننده مراجعه کنید. MetaversePost متعهد به گزارش دقیق و بی طرفانه است، اما شرایط بازار بدون اطلاع قبلی ممکن است تغییر کند.
درباره نویسنده
ویکتور یک مدیر ویراستار/نویسنده فناوری است Metaverse Post و هوش مصنوعی، رمزنگاری، علم داده، فراجهت و امنیت سایبری را در حوزه سازمانی پوشش می‌دهد. او نیم دهه تجربه رسانه ای و هوش مصنوعی کار در رسانه های معروفی مانند VentureBeat، DatatechVibe و Analytics India Magazine دارد. ویکتور به عنوان یک مربی رسانه در دانشگاه های معتبر از جمله آکسفورد و USC و دارای مدرک کارشناسی ارشد در علم داده و تجزیه و تحلیل، عمیقا متعهد است که در جریان روندهای در حال ظهور بماند. او به خوانندگان جدیدترین و روشنگرانه ترین روایت ها را از فناوری و Web3 چشم انداز.
مقالات بیشتر
ویکتور یک مدیر ویراستار/نویسنده فناوری است Metaverse Post و هوش مصنوعی، رمزنگاری، علم داده، فراجهت و امنیت سایبری را در حوزه سازمانی پوشش می‌دهد. او نیم دهه تجربه رسانه ای و هوش مصنوعی کار در رسانه های معروفی مانند VentureBeat، DatatechVibe و Analytics India Magazine دارد. ویکتور به عنوان یک مربی رسانه در دانشگاه های معتبر از جمله آکسفورد و USC و دارای مدرک کارشناسی ارشد در علم داده و تجزیه و تحلیل، عمیقا متعهد است که در جریان روندهای در حال ظهور بماند. او به خوانندگان جدیدترین و روشنگرانه ترین روایت ها را از فناوری و Web3 چشم انداز.
