“如果大规模落地，量子计算（QC）的发展轨迹可能与20世纪90年代的计算机辅助药物设计，2010年的人工智能技术相似。”

2020年8月27日，科技巨头「谷歌」宣称：研发团队在量子计算机上模拟了迄今最大规模的化学反应，这一研究成果将彻底改变理论化学，进而改善生物医学、工业界等诸多领域。

2019年，该公司已高调宣布实现了“量子霸权”。

图：谷歌量子计算机“无花果”（来源：谷歌）

时隔5个月后，制药巨头-勃林格·殷格翰(简称BI)与谷歌达成合作，专注开发量子计算在药物研发领域中的前沿应用，成为全球首个“生物医药+量子计算”的合作案例。

作为全球第一家与谷歌合作开展量子计算的制药公司，双方的合作规划为期三年，由新成立的BI量子实验室共同领导。

如今时间过半，尽管QC系统化的前景巨大，仍面临着三大挑战。

2022年1月，来自德国维藤/黑尔德克大学的研究团队在Drug Discovery Today发表文章，综合了18家量子计算企业（12家布局生物医药，3家已取得成果）的领导者观点，讨论如何将量子生物计算进行系统化应用的话题。

主要信息和观点包括：

• 大量制药公司已经开始探索量子计算（QC）领域；

• QC的系统化应用面临着人才教育、合作方式和落地环节三大挑战。

• 与QC企业合作会带来更多的非财务收益，短期时间内在药物开发、制造和供应链方面有一些财务回报，长期而言会有巨大的科学收益。

• 如果可以部署，QC的发展轨迹可能与20世纪90年代的计算机辅助药物设计（CADD），2010年的人工智能（AI）相似。

智药局对该文章进行了精要梳理，以下为原文：

量子生物计算暂不会获得突破性投资回报

大多数专家预计，QC将在未来十年及更长的时间里，获得商业和科研回报。参与访谈的12家合作企业中，只有两个预计未来会出现突破性的投资回报（见图1）。业界一致认为，药物发现过程的潜在改进或加速至少需要10-15年的时间，因为这需要改进分子模拟和量子机器学习算法。原因主要有以下几个方面：

首先是技术风险。尽管过去几年量子硬件研究取得了重大进展，但专家们强调，与现有技术相比，硬件无法证明任何现实世界的附加值。最近关于QC执行基于晶体管的计算机无法执行计算能力，以及将在未来几年内建立商业QCs的公告被投资者们认为仅仅是营销，因为未解决实际问题。

第二，存在实施风险。大多数企业的领域专家质疑大型制药公司采用QC的能力。与近年来人工智能的实施一样，预计有16家制药公司将继续依赖外部专业知识，以应对技术变迁带来的挑战。此外，基于行业流程的复杂性，专家们对该技术的可见影响程度提出了质疑。他们呼吁根据现有技术用例逐个衡量QC相关的好处。

最后，专家认为目前仍处于一个竞争前的环境，但也可能是一个先发优势。因为建立一个专家团队，与有前途的合作者建立长期伙伴关系都需要时间和提前布局。

QC系统化应用仍面临三大挑战

与制药公司布局的其他技术相比，量子计算领域门槛更高。专家们认为需要在不同程度及不同方向上展开行动，以使QC制度化（表1）。包括人才教育，如计算科学家、生物化学和医学研究人员对量子计算的理解，以及管理能力；部署和利用外部资源的能力、知识和经验，如算法提供商（合作方式）；QC应该解决的问题（落地环节）。

人才教育

量子生物计算需要进行基础研究，需要雇佣量子领域的科学家。然而，药物研发人员对基本概念的理解、将现有问题转化到量子计算领域，以及与相关外部专家进行交流合作的技能是至关重要的。

图1：关于大型制药机构对量子计算（QC）的期望和方法的定量观点。每个方框代表12个企业的一个答案。如果某一企业的一名以上代表同意他们的观点，则考虑所有代表的四舍五入平均数；如果一个企业的代表没有或不能提供观点（两个问题），则该企业不会在相应问题的样本中得到考虑。

此外，进一步开展QC需要一定程度的制度化授权，尤其是当更多的研究机构参与进来时。制度化的核心团队通常开设在信息研究部门旁边，由计算科学家、生物化学家和商业管理人员组成。他们的职责是解决企业中可能受到QC影响的部分，如研发、制造和供应链。

通过目标广泛的教育活动（如时事通讯和虚拟小组）来分发量子计算信息，一个更大的兴趣小组通常围绕量子计算核心小组的工作展开，该小组进一步支持建立企业量子计算授权。

然而，那些工作可能会得到QC补充的人，比如化学家和生物学家，往往更持怀疑态度：由于现成的CADD解决方案可以更准确地处理更大的问题，因此必须投入更多的努力（例如，详细的演示和研讨会），以说服他们进一步支持QC。

合作方式

QC尚处制药公司核心业务之外的起步阶段，缺乏即时投资回报，且与当前的核心业务相去甚远。因此，18家企业均认为伙伴关系是熟悉量子计算不可或缺的组成部分，并在与量子计算生态系统中的不同参与者合作方面获得了初步经验。

值得注意的是，某些类型的合作被认为更有价值。专家表示，与硬件供应商的早期对话有助于他们对量子计算、有效部署的途径以及当前挑战的总体理解。

与量子算法相比，量子硬件开发需要不同的技能，因此在当前的密切合作阶段，其附加值受到质疑。除非硬件供应商允许进入其各自的算法团队，否则制药企业从这种合作关系中获得的利益有限。

图：量子生物计算企业面临的三大挑战及具体的挑战程度

从长远来看，量子专家们更喜欢与具有类似潜在应用领域的行业合作，如化学品或材料行业。与算法开发人员的直接合作更被一致认为是QC准备的高度受益者，因为开发人员拥有来自其他行业和学术界的深厚专业知识和见解。可以达到人才教育和技术研发两个目的。

学术界是另一种受欢迎的合作伙伴。部分企业与一流大学和研究机构制定了合作方案，让学生专注研究赞助公司感兴趣的问题。大多数企业目前并未与某个常设的学术机构合作，可选择与博士生或博士后在未来几年中研究QC问题。

部署以上合作的制药公司能够获得最新知识、较低成本，并且无需证明自己当前的业务落地能力。

落地环节（用例）

新兴硬件并非应用量子计算的唯一瓶颈。与经典计算系统相比，量子计算目前在解决制药问题上的计算优势和落地应用有待进一步探索。

企业领导者认为，如果用例可行，并且理论上可以通过QC的能力解决问题，那么就被认为是有效的；经典计算系统在当下或可预见的未来并不能完全解决生物医药领域的问题。

大多数专家将药物开发作为最有前途的领域，一些企业将其重点转移到临床试验和制造领域。一方面，药物发现的应用在理论上可能创造长远且巨大的科学价值。另一方面，供应链和制造业的优化作用有限，不过，对那些寻求快速投资回报的公司来说具有一定吸引力，因为它们需要更少的计算能力和通常更简单的算法。

目前的创意探索范围较为广泛，包括：通过隐性和显性推广在企业内部公开；通过众包活动用于其他领域的研发；参加行业会议和行业联盟；发表学术出版物；与外部顾问合作等。并在现实环境中进行逐一评估，最终探索选定的用例。

在量子计算参与较低的合作中，外部人员与内部生物化学家一起探索用例，而在量子计算参与较高的公司中，将于与外部量子计算提供商共同开发有效的应用领域。

在未来几年中，用例开发的成果预计会越来越多地被分享。正如大型制药公司的QC研究小组已经做过的那样，将内部的抗体环建模、27个mRNA密码子优化等未被发现的用例进行公开公布。

QC技术与CADD、人工智能的相似之处

对于采用像QC这样的新兴技术，没有单一正确的方法。QC阶段可与20世纪80年代和90年代首次出现的CADD阶段，过去十年中出现的人工智能阶段相媲美。

在研究部门早期探索CADD工具时，许多企业经常面临现有员工的怀疑和不理解。通过继续教育和更多合作，以及大量雇佣CADD科学家，才改善了医药行业的接受程度。

尽管从那时起，许多新药都是从使用CADD工具发现的线索中开发出来的，但该行业的整体研发效率并没有激增，计算机也没有使实验室工作变得多余。

随着人工智能工具的出现，制药公司面临着类似的挑战，以改进传统的CADD实践，尽管由于环境的快速变化，这种挑战变得更加紧迫。为了弥补内部能力的不足，许多企业开始与专业公司合作和合资。

对于量子计算将如何伴随CADD的发展，或许可以预见类似的路径：它可能既不会彻底改变行业，也不会导致重大的湿实验室关闭。然而，一旦被宣布有用，它将补充当前的进程，并可能导致解决某些问题的范式变化。

更重要的是，从事QC有直接的非财务利益。在短期内企业们可以获得一些财务回报，从长远来看，这可能会带来巨大的科学效益。

 参考链接：

https://www.sciencedirect.com/science/article/abs/pii/S135964462100444X

—The End—

推荐阅读