在藥物研發的漫長道路上，科學家們一直在尋找更快速、更精準篩選候選藥物的方法。近日，我省企業本源量子聯合中國科學技術大學、合肥綜合性國家科學中心人工智能研究院在這一領域取得重大突破，團隊研發的量子嵌入圖神經網絡架構（QEGNN）技術，成功將HIV抗病毒藥物篩選準確率從73%大幅提升至97%，為藥物研發裝上了“量子加速器”。

過去，量子算法在處理藥物分子時，像在拼一幅不完整的拼圖。雖然能識別構成分子的原子“點”，卻難以理解連接原子的化學鍵“邊”，這就導致篩選候選藥物時始終無法完整呈現分子特性。這一技術局限使得新藥研發往往需要篩選數百萬種分子，效率低下始終是行業痛點。

如今，這個局限終于被打破了。我省科研團隊通過全球首創的量子邊編碼技術，讓計算機能“感知”量子之間的相互作用，再配合量子節點嵌入模式給原子信息編碼，精準掌握原子特性。兩種技術協同發力，實現了對分子的全方位“解讀”。

不僅是在理論架構上的超越，在實際測試中，這套系統的表現也可圈可點。例如，在篩選HIV抗病毒藥物時，準確率從原來的73%躍升至97%；預測阿爾茨海默病藥物效果的準確率也提升了 6 個百分點；判斷ClinTox分子毒性的能力也提高了7%。

研究團隊還在我國自主研發的“本源悟空”超導量子計算機上進行了真實環境測試。模型準確率穩定在 80% 左右，證明這項技術已具備實用價值。

目前，基于該技術的藥物毒性預測應用已經上線“本源量子計算云平臺”，向科研機構和藥企開放服務。（安徽商報 元新聞記者 郜征 實習生 田夢茹 許雅琴）