丹麦技术大学的研究团队结合英国初创公司ORCA Computing开发的打印机大小量子计算机，运行了他们的生成式人工智能模型来预测蛋白质。该量子计算机通过将量子设备与传统处理器连接，加速了人工智能的运算速度。研究人员利用这种混合技术生成了新型肽链——由氨基酸组成的短链，能够特异性结合体内的特定蛋白质，这一步骤对疫苗开发至关重要。

项目负责人、丹麦技术大学教授Timothy Patrick Jenkins表示，团队成员利用周末时间，并动用了其他项目未用完的资金，因为“多数创新科学项目对基金会来说风险太大”。

实验室合成肽链并测试其与特定蛋白质的结合能力，结果显示该模型生成的肽链成功率高于传统模型，尤其在训练数据稀缺的情况下提升最为显著。

团队认为，这种机器学习与量子计算结合的方法有望加速个性化免疫疗法和疫苗的研发，并提升药物在研究不足人群中的疗效。

Jenkins教授告诉WIRED：“我们必须真正证明这一点，才能说服怀疑者我们的预测与现实世界相符。”量子计算仍处于初级阶段，因构建技术难题及实际应用挑战而备受质疑。

Jenkins本人起初对量子计算持怀疑态度：“我曾是量子计算的坚定怀疑者，认为其应用于我的研究领域还需几十年。”

他和团队利用大数据与人工智能发现潜在蛋白质，旨在更快更廉价地开发新型免疫疗法，项目多由诺和诺德基金会资助。尽管大多数生物模型开发者渴望更多数据，Jenkins团队面临的挑战是缺乏涵盖全球多样基因信息的数据，因为大部分医学研究集中于西方人群。这使得为亚洲和非洲等研究不足的人群开发有效肽链变得困难。

团队推测，将量子计算机嵌入工作流程，可能帮助生成更多样化的肽链，尤其针对数据较少的目标蛋白，这一想法源自量子计算在图像生成中的类似效果。

目前该新方法尚未能彻底革新研究，因为量子计算机规模仍然较小，无法运行完整的先进人工智能模型，传统计算机在某些情况下仍能取得更好效果。

丹麦技术大学博士生Jonathan Funk指出：“量子计算能力仍有限，我们能编码的复杂度还达不到正常大小抗体的水平，而这正是我们通常研究的对象。”此外，找到能结合特定基因的肽链只是疫苗开发的第一步，单凭此无法直接获得成功药物。

ORCA Computing首席执行官Richard Murray告诉WIRED：“许多工业公司认为量子计算模糊且遥远，这并不奇怪，因为这项技术尚未展现出明确的近期实用案例。”

他表示，这项研究的新颖之处在于展示了量子计算的近期商业应用。其公司还与石油巨头BP合作化学项目，以及与汽车制造商丰田合作提升设计流程效率。

丹麦技术大学团队计划尝试将该工作流程应用于更先进模型和更大蛋白质。“我们需要一个简单的验证方式，证明我们确实有望实现重大突破，”Jenkins说。他指出，生成式人工智能工作流程在研究资金匮乏的被忽视疾病领域尤为宝贵。他还计划利用量子计算机增强其生成式人工智能方法，设计用于蛇毒的合成解毒剂。