哈佛AI解码器将量子计算错误率降低最高17倍

过去一周，量子计算与人工智能在制药研究领域的融合趋势加速，哈佛大学、IBM和克利夫兰诊所相继宣布重大突破，这些成果可能深刻改变新药的发现与研发方式。

哈佛大学AI突破攻克量子计算最大难题

2025年4月10日，哈佛大学研究人员发表了一项研究，介绍了名为“Cascade”的神经网络解码器。该解码器能将量子计算错误率降低多达17倍，同时运行速度足以支持实时应用。根据不同配置，该系统处理量子纠错数据的吞吐量比现有方法快数千至十万倍。尤为重要的是，研究人员发现了一种“瀑布”效应——一旦系统跨越某一性能阈值，错误率的下降速度将超出预期，这表明实现可靠量子计算所需的物理量子比特数量可能更少，有望将硬件需求降低约40%。

这一突破对药物研发具有直接意义：错误纠正长期以来一直是制约量子计算机准确模拟复杂分子相互作用的瓶颈，而这类模拟对制药研究至关重要。

克利夫兰诊所与IBM扩展量子药物研发管线

就在此前的4月9日，克利夫兰诊所宣布了其量子创新催化器计划2026年度入选名单，遴选出三家初创企业，在诊所园区内利用IBM量子系统一号开展研究。在获选机构中，Polaris Quantum Biotech正在开发量子机器学习工具，以提升药物毒性预测能力并加速药物研发；Singularity Quantum则致力于构建量子增强仿真平台，服务于精准肿瘤学应用。该计划以往届参与者Algorithmiq的工作为基础——后者曾与克利夫兰诊所及IBM合作，探索光激活抗癌药物的量子辅助开发路径。

领域正迎来拐点

这些进展发生在IBM于今年3月发布首个量子中心超算参考架构之后——该架构涵盖克利夫兰诊所对一个含303个原子的微型蛋白质的模拟，是迄今在量子中心超算上运行过的最大分子模型之一。2025年1月，《自然》杂志发表的另一项研究展示了一种混合量子-经典模型，可生成靶向KRAS蛋白的化合物——该蛋白历来是癌症治疗中最难攻克的靶点之一。谷歌也已入局：其量子回声（Quantum Echoes）算法于2025年10月发表在《自然》杂志上，展示了可验证的量子优势，并有望应用于研究药物分子与生物靶点的结合方式。

这一领域的快速发展表明，其正逐步逼近IBM设定的2026年“量子优势”门槛，但研究人员提醒，大规模制药应用距离临床现实仍有数年之遥。youtubethequantuminsider