1,2 milioni di dollari della National Science Foundation finanziano il progetto per utilizzare l’IA quantistica per creare prodotti farmaceutici efficaci in modo più rapido ed economico
UNIVERSITY PARK, Pennsylvania — Il tempo necessario ai farmaci per passare dalla scoperta all’uso approvato per i pazienti può richiedere decenni e costare miliardi di dollari. Ora, una sovvenzione di 1,2 milioni di dollari della National Science Foundation aiuterà un team di ricercatori della Penn State a studiare l’uso dell’intelligenza artificiale (AI) basata su computer quantistici per vedere se i computer quantistici possono portare farmaci ai pazienti in modo più rapido ed economico.
L’informatica quantistica differisce dai computer classici perché i dispositivi quantistici utilizzano bit quantistici – o qubit – piuttosto che bit classici. Mentre i bit possono essere solo in posizioni binarie di 1 e 0, i qubit si basano sul principio della meccanica quantistica di sovrapposizione che consente loro di trovarsi simultaneamente nelle posizioni 1 e 0. I qubit possono anche essere entangled, il che significa che i loro stati sono strettamente correlati. Teoricamente, il potenziale computazionale dei dispositivi aumenta esponenzialmente per ogni qubit che gli scienziati possono intrappolare.
Secondo Swaroop Ghosh , professore associato di ingegneria elettrica e informatica e ricercatore principale della borsa di studio, queste abilità strane, ma scientificamente provate, danno ai computer quantistici la possibilità di fornire una potenza di elaborazione esponenzialmente maggiore per gestire meglio alcuni problemi complessi.
Ghosh ha aggiunto che l’utilizzo di modelli di intelligenza artificiale (AI) progettati per i computer quantistici potrebbe essere l’ideale per la scoperta di farmaci, un’area limitata dall’attuale potenza di elaborazione di calcolo classica.
“Si dice che i modelli di intelligenza artificiale quantistica siano più espressivi rispetto alle classiche reti neurali, in altre parole, hanno una maggiore capacità di approssimare una funzionalità desiderata rispetto ai classici modelli di intelligenza artificiale di scala simile”, ha affermato Ghosh. “I computer quantistici offrono capacità di campionamento efficaci in modo che possano essere in grado di modellare utili distribuzioni di molecole simili a farmaci in modo più efficiente rispetto ai computer classici. L’evoluzione delle primitive quantistiche, come la memoria quantistica, può offrire un’ulteriore accelerazione per le attività di apprendimento automatico poiché i dati di addestramento possono essere elaborati direttamente nel dominio quantistico”.
Secondo Nikolay V. Dokholyan , G. Thomas Passananti Professor, Penn State College of Medicine e co-principale ricercatore del progetto, i computer quantistici potrebbero ridurre i costi associati alla ricerca di farmaci, oltre a ridurre il tempo necessario per questi trattamenti necessari per raggiungere i pazienti.
“La scoperta di farmaci è un processo lungo che può durare un decennio e costa miliardi di dollari”, ha affermato Dokholyan, che è anche associato del Penn State Institute for Computational and Data Science (ICDS). “Attualmente, il ritmo di approvazione di nuovi composti da parte della Federal Drug Administration (FDA) è solo di circa 40 nuovi composti all’anno. Accelerare la scoperta di farmaci mediante lo screening computazionale di un numero enorme di composti promette di ridurre significativamente i costi e i tempi per trovare nuove cure efficaci contro le malattie. A differenza dei tradizionali approcci di screening dei farmaci computazionali che prendono di mira librerie di miliardi di composti, l’utilizzo di computer quantistici insieme a nuovi algoritmi basati sull’intelligenza artificiale promette di coprire uno spazio chimico molto più ampio”.
Creare farmaci in modo rapido ed economico significa salvare vite umane, secondo Ghosh.
“Perdiamo milioni di vite ogni anno a causa di malattie come il cancro, ad esempio, e la recente pandemia ha anche indicato che non siamo preparati a trovare rapidamente farmaci efficaci”, ha affermato Ghosh.
I ricercatori sono particolarmente interessati a sfruttare l’IA quantistica per progettare trattamenti farmacologici che potrebbero inibire la famiglia di proteine Ras, che sarebbero importanti per i trattamenti e le cure del cancro.
Le terapie progettate dall’IA quantistica non avverranno dall’oggi al domani, avvertono i ricercatori. Diverse sfide devono affrontare l’uso della tecnologia, ha affermato Ghosh. Attualmente, i computer quantistici attualmente disponibili sono chiamati “NISQ” o “computer quantistici rumorosi di stadio intermedio”. I dispositivi NISQ tendono a offrire un numero limitato di qubit per elaborare i calcoli e, a causa della loro estrema sensibilità, richiedono una notevole correzione degli errori per compensare gli errori introdotti dal rumore ambientale, come il calore o l’elettromagnetismo.
“L’IA quantistica soffre di problemi di natura più fondamentale, come l’indisponibilità dei dati di addestramento in forma quantistica, fino a problemi relativi alle risorse come un numero limitato di qubit e lunghe code di attesa per l’accesso all’hardware reale”, ha affermato aggiunto.
Tuttavia, l’IA quantistica potrebbe essere più espressiva, il che significa che la tecnologia può modellare una distribuzione di probabilità target anche con un numero limitato di qubit e parametri per esplorare possibili soluzioni.
Nonostante le sfide, il team è entusiasta di fare questi primi passi verso l’esplorazione della potenza combinata dell’intelligenza artificiale e del calcolo quantistico.
“Il vero potenziale dell’IA quantistica nella risoluzione dei problemi del mondo reale rimane inesplorato”, ha affermato Ghosh. “Questo progetto colmerà questo vuoto esplorando vari modelli di IA quantistica che utilizzeranno computer quantistici rumorosi”.
Il team prevede di utilizzare computer quantistici e strumenti software per computer quantistici di aziende come IBM e Microsoft.
Il lavoro è stato inizialmente sostenuto da sovvenzioni di semi dell’ICDS e degli Huck Institutes .
