破解AI4S應用難題，量子計算已經開始立功了

智東西
作者 ZeR0
編輯 漠影

智東西4月17日報道，4月16日，在中關村科技園區朝陽園管理委員會指導下，朝陽區光智空間人工智能創新街區·量子計算+AI for science應用研討會在北京舉辦，會議聚焦專用量子計算技術在生物信息、腦機接口、類器官、新材料發現等前沿科研領域的階段性成果展示，吸引了來自資本界、產業界及高校、科研院所的近百位專家代表參會。

該研討會由北京玻色量子科技有限公司主辦、北京諾禾致源科技股份有限公司協辦、量子投資界支持，玻色量子創始人&COO馬寅主持會議。

北京市朝陽區副區長，中關村朝陽園黨工委副書記、管委會主任婁毅翔在開幕致辭中談道，當前傳統計算架構在生命科學等領域的算力瓶頸日益突出。量子計算憑借并行搜索、玻爾茲曼分布能量采樣等獨特優勢，為破解AI4S（人工智能驅動的科學研究）的深度應用難題提供了全新路徑。朝陽區作為首都國際科創中心主引擎，前瞻布局了“光智空間”這一人工智能創新街區，集聚了以玻色量子為代表的150余家光電子及量子產業企業，成為推動量子計算與AI4S融合發展的核心承載地。

婁毅翔強調，量子計算與AI4S的融合既是技術趨勢，更是產業升級的迫切需求。他提出三點期望：一是攜手攻堅，突破核心技術瓶頸；二是場景賦能，加速產業落地應用；三是生態共建，打造融合發展高地。

會上，玻色量子分別與諾禾致源、心語未來簽署了前沿技術合作協議，共同推動“量子計算+生命科學”及“量子計算+腦機接口”兩大前沿賽道進入真實場景的應用階段。

在“量子計算+生命科學”領域，玻色量子與諾禾致源將依托各自在專用量子計算與前沿分子生物學的技術優勢，強強聯合，共同打造“量子計算+生命科學”解決方案。雙方將圍繞生命科學研究及人類健康領域的實際需求，整合玻色量子的硬件算力與諾禾致源的生物信息分析能力，探索量子算法在基因測序、單細胞測序和空間組學，蛋白質組學與代謝組學等場景下的應用，通過推進“量子計算平臺+生命科學基礎服務”的深度融合，為科研及產業客戶提供一體化解決方案，加速量子計算在生命科學領域的科研協作與生態融合。

在“量子計算+腦機接口”領域，玻色量子與心語未來將推動兩大產業深度融合，鑒于腦機接口領域正面臨電極通道激增帶來的算力挑戰，傳統架構難以滿足實時性需求，雙方將開展聯合技術攻關。合作將重點探索量子計算在腦機接口信號處理、神經特征解析與腦認知建模中的增強作用，研究量子機器學習、量子優化等方法在腦機接口領域的應用路徑。依托玻色量子的專用量子計算技術，雙方將致力于提升腦機接口系統的解碼效率，推動形成具有行業示范意義的“量子計算+腦機接口”應用案例，在下一代腦機接口技術的全球競爭中占據絕對的領先地位與話語權。

在主題分享環節，諾禾致源首席科學家田仕林、中國科學院上海微系統與信息技術研究所孫鎏煬研究員、上海市腫瘤研究所向冬喜教授、上海交通大學材料學院教授吳蘊雯，分別分享了量子計算在AI for science領域的最新研究成果。

作為全球領先的基因科技產品與服務提供商，諾禾致源持續深耕基因測序領域，構建了覆蓋測序、數據分析到生物學解讀的全流程多組學解決方案體系，服務范圍貫通基礎科研、臨床醫學及生物育種等多元應用場景。在單細胞與空間組學領域，諾禾致源已形成顯著技術與服務優勢，提供一站式多組學整合服務，持續賦能高水平科研成果產出。

諾禾致源首席科學家田仕林博士發表了題為《量子技術增強單細胞組學數據解析關鍵技術與應用》重點介紹了諾禾致源與玻色量子的合作成果。研究團隊利用量子技術增強單細胞組學分析，引入玻爾茲曼分布作為更貼近生物系統的“物理先驗”，取代傳統模型中的高斯先驗假設。

真實單細胞數據具有高度異質性、多峰分布和強非線性關系，當前主流模型與現實存在“錯配”困境，本質上是“數據擬合”，導致分析結果失真、關鍵生物信息丟失，并帶來分群不準、稀有細胞被掩蓋等問題。而玻爾茲曼分布能夠模擬復雜動態，更好地刻畫生物系統的復雜性、異質性和動態變化，卻在經典計算機上面臨“維度災難”和算力天花板瓶頸。

為此，雙方基于玻色量子的相干光量子計算機，通過QBM?VAE（量子玻爾茲曼機-變分自編碼器）模型實現了創新解決方案。測試顯示，該模型清晰刻畫了從造血干細胞向不同細胞類型的分化軌跡；也能夠消除細胞周期的影響，準確歸類增殖細胞，為單細胞組學解析開辟了基于量子計算的全新技術路徑。

中國科學院上海微系統與信息技術研究所研究員孫鎏煬分享說，腦機接口作為國家“十五五”規劃的前瞻性未來產業，正迎來爆發期。然而，隨著電極通道數激增，采集到的神經元信號也隨之快速增長，傳統馮·諾依曼架構面臨嚴峻的“算力天花板”，算力成為制約系統響應速度的關鍵。

針對上述挑戰，孫鎏煬詳細介紹了玻色量子、上海微系統所和心語未來聯合研發的全球首個量子光計算神經解碼系統。該方案利用相干光量子計算機，顛覆了傳統計算邏輯，核心思想是將神經解碼推理過程直接轉換為物理系統的能量弛豫過程，讓整個系統收斂到穩定狀態，即對應的神經解碼結果。這一物理原生推理實現了約0.075毫秒的極低延遲，比傳統基于GPU的模型方案快一個數量級，且具備復雜度不變的擴展性。

通過光子多維自由度可同時處理海量數據，量子計算將為無創、精準、高效的下一代腦機接口提供堅實的技術支撐。

上海市腫瘤研究所向冬喜教授談道，類器官能夠自組裝形成類組織的3D培養物，維持來源組織的生物學特征，可用于精準醫療、基礎研究和新藥研發，是新一代基礎研究和臨床轉化應用平臺級技術。

向教授重點分享了基于類器官藥敏腫瘤精準療效這一典型案例，并提到三大技術的交叉融合——數字孿生平臺，即可實現多模態數據構建數字化類器官（虛擬克隆體），以實時同步類器官分子動態，例如臨床病史+生化指標、高精度臨床影像、多組學測序（單細胞+空轉）、類器官藥物+臨床回顧。

在量子計算技術賦能腫瘤精準治療領域，向冬喜重點分享了量子計算應用于以下三大方面：

量子計算能加速醫學數字孿生開發、實現基于臨床+量子計算類器官數字模型構建及其應用、量子機器學習應用于虛擬臨床實驗。例如，在醫學數字孿生開發領域，量子計算能實現高效加速，隨著數字孿生逐級推進，最終自主孿生可使物理-虛擬融合共存。數字虛體持續為其關聯的物理實體生成信息和數據收集：基因組、蛋白質結構、代謝通量等，以及模型構建：經典工具生成初始模型。

玻色量子自研的1000量子比特相干光量子計算機能毫秒級求解Max-Cut問題，超經典計算數萬倍，算法庫支持量子化學、組合優化、量子機器學習等復雜問題的求解，具有多尺度建模、高精度模擬、實時性、多模態數據。因此基于玻色量子的專用量子計算機與算法支持，可實現臨床+量子計算類器官數字模型構建及其應用。

上海交通大學材料學院吳蘊雯教授稱，當前電池、芯片等核心產業正面臨“材料瓶頸”，盡管量子材料等新物態提供了破局可能，但材料空間的多維結構與高維優化，令經典計算陷入“維度災難”，難以實現全局尋優。

對此，吳蘊雯分享了基于玻色量子相干光量子計算機的全新路徑。區別于傳統架構，量子計算憑借超強并行處理能力，在處理復雜組合優化問題時具備天然優勢，能極大壓縮求解時間，且隨著問題規模擴大，其速度優勢呈指數級增長。

在具體應用驗證中，相關成果展現了量子計算賦能新材料研發的變革性潛力。無論是在需要高精度擬合的復雜材料設計中，還是在數據稀缺條件下的材料結構探索中，玻色量子相干光量子計算機都能夠在毫秒級的時間鎖定超過經典算法極限的最優解。這一“量子-經典協同”新范式，顯著提升了新材料發現的精度與效能，有效縮短了從理論設計到實驗驗證的研發周期。

本次研討會集中展示了量子計算在生命科學、腦機接口及新材料領域的實質性突破。隨著“量子計算+AI for science”創新生態的不斷完善，朝陽區正依托“光智空間”這一核心承載地，加速成為未來產業的孵化高地。未來，玻色量子計劃繼續深耕相干光量子計算技術，突破傳統科研的算力瓶頸，共同將“量子計算+AI for Science”打造成北京國際科技創新中心的一張名片。