Quantum Machine Learning in Drug Discovery: Applications in Academia and Pharmaceutical Industries

技术摘要：药物发现中的量子机器学习

问题陈述
量子计算与机器学习的交叉领域（即量子机器学习，QML）为化学和药物发现带来了潜在的范式转变。尽管经典机器学习（ML）在蛋白质结构预测（例如 AlphaFold）和分子性质预测等领域取得了显著成功，但在处理量子系统的指数级复杂性和巨大的化学搜索空间方面仍面临局限。相反，当前的量子硬件受限于噪声、有限的量子比特数量以及退相干（即 NISQ 时代）。本综述所解决的核心问题是：如何利用基于门控的量子计算机，特别是通过量子神经网络（QNN），在应对近期硬件实际限制的同时，克服药物发现中的这些经典瓶颈。本文旨在就理论基石、当前应用以及阻碍该领域实现明确量子优势的重大挑战，提供一个平衡的视角。

方法论与理论框架
本文围绕 QNN 的架构及其在药物发现中预测性和生成性任务的具体应用展开分析。

• QNN 架构：核心方法论涉及变分量子电路（VQCs），也称为参数化量子电路（PQCs）。标准 QNN 工作流程包含三个阶段：

  1. 数据编码：将经典数据（例如分子特征）转换为量子态。本文详述了三种主要的编码策略：
     • 基编码（Basis Encoding）：将二进制数据直接映射到量子比特状态。
     • 角度编码（Angle Encoding）：根据实数值数据输入旋转量子比特状态。
     • 幅度编码（Amplitude Encoding）：将数据编码到量子态的幅度中，提供指数级压缩（$N$个特征仅需$\log N$个量子比特），但需要复杂的状态制备。
  2. 变分处理：一个带有可学习参数$\theta$的可训练量子电路$U(\theta)$处理编码后的状态。
  3. 读出与优化：测量产生期望值，这些值经经典处理以计算成本函数$C(\theta)$。经典优化器迭代更新$\theta$以最小化该成本，从而形成混合量子 - 经典循环。

• 特定架构：

  • 量子图神经网络（QGNNs）：利用分子的图表示（原子为节点，化学键为边）来预测 HOMO-LUMO 能隙和结合亲和力等性质。
  • 量子卷积神经网络（QCNNs）：经调整用于相识别和分子性质预测，QCNN 利用池化层减少量子比特数量（参数为$O(\log N)$），从而可能避免“ barren plateaus"（梯度消失）。
  • 生成模型：包括用于数据压缩的量子自编码器（QAEs）和用于生成新颖分子结构的量子生成对抗网络（QGANs）。
  • 新兴架构：本文讨论了量子 Transformer 这一新兴领域，旨在降低自注意力机制的$O(n^2)$复杂度，尽管目前的实现大多仍处于理论阶段。

• 硬件与模拟：综述强调了玻色子量子处理器（qumodes）与量子比特耦合的潜力，它们为振动光谱和分子编码提供了更大的希尔伯特空间和硬件效率。此外，本文详述了利用CUDA-Q和 GPU 加速模拟器（包括张量网络方法）来扩展电路模拟，使其超越单 CPU 处理的限制，从而能够在虚拟多 QPU 系统上测试算法。

主要贡献与结果
本文综合了当前研究，以突出具体发现和比较性能：

• 预测性能：

  • QGNNs：研究表明，在预测分子稳定性（HOMO-LUMO 能隙）和形成能方面，QGNNs 通常在相同参数数量下优于经典 GNNs。混合 QGNNs 在蛋白质 - 配体结合亲和力方面已显示出与最先进经典模型相当的性能。
  • QCNNs：在药物毒性预测中，混合 QCNN（HQCNNs）已证明能够在保持性能的同时将模型参数减少约 20%，从而显著缩短训练时间。某些 HQCNN 实现声称在特定矩阵乘法任务中实现了二次量子加速。
  • 泛化能力：本文指出，当训练数据稀缺（这是药物发现中的常见情况）时，如果量子模型能以比经典对应模型更少的参数实现较低的训练误差，QML 模型可能提供优越的泛化边界。

• 生成性能：

  • QGANs：虽然 QGANs 在生成具有更好类药性质的分子以及以较少参数实现高表达性方面显示出前景（例如，一个 50 参数的量子判别器优于一个 22,000 参数的经典判别器），但它们目前在生成有效、独特且类似于训练分布的分子方面仍面临困难。
  • 混合方法：混合量子 - 经典生成模型（例如使用量子电路进行噪声生成或潜在空间处理）在独特性、有效性和可合成性等指标上，与经典基线相比显示出相当或更优的性能。

• 模拟能力：

  • 利用 CUDA-Q，作者证明 GPU 加速相比基于 CPU 的状态向量模拟提供了巨大的加速（例如，18 个量子比特加速 150 倍，20 个量子比特加速 530 倍）。
  • 门融合和多 GPU 并行化技术（通过 NVLink 和 P2P 通信）使得能够模拟更大的电路（多达 37+ 个量子比特）和复杂的 ansatz（如 UCCSD），这对于在物理硬件部署前验证 QML 算法至关重要。

意义与展望
本文将自己定位为一篇全面的综述，平衡了“潜在收益”与“必须解决的挑战”。其意义在于：

1. 现实评估：它避免了对当前能力的过度炒作，明确指出容错量子计算机尚未可用，无法为许多算法（如 Shor 算法或 HHL 算法）实现指数级加速。它强调，当前的优势通常存在于混合方法或数据稀缺的特定任务中。
2. 瓶颈识别：综述清晰地 delineated（界定）了关键障碍：
   • 硬件：需要可扩展、高连通性的量子比特和长相干时间。
   • 状态制备：在不抵消计算优势的情况下，高效地将经典数据（幅度编码）编码到量子态中的困难。
   • 可训练性：barren plateaus 的普遍存在以及计算量子梯度（参数移位规则）的高昂成本。
3. 未来方向：本文建议，最有希望的近期应用在于混合架构（HQCNNs、HQAEs）以及经典数据稀缺或量子表示天然契合的任务（例如用于振动光谱的玻色子系统）。它强调了量子纠错领域的最新突破是构建更可靠 QML 系统的前奏。

总之，本文认为，尽管药物发现中的 QML 尚处于起步阶段，但量子计算与机器学习之间的协同作用具有变革潜力。然而，要实现这一潜力，必须克服重大的硬件和算法挑战，近期的未来将依赖于混合量子 - 经典策略和先进的模拟工具来指导发展。