De acordo com pt.wedoany.com-Pesquisadores da Quantinuum, NVIDIA e Pfizer Inc. propuseram um framework de IA quântica generativa chamado ADAPT-GQE, projetado para automatizar a síntese de circuitos quânticos de estado fundamental para moléculas farmacêuticas. O framework foi validado em execução no processador de íons aprisionados Helios-1, de 98 qubits, da Quantinuum.
O artigo relacionado foi publicado sob o título "Learning to Prepare Molecular Ground States with Transformer Models". O framework de IA quântica generativa (GenQAI) proposto neste estudo combina computação de alto desempenho (HPC) clássica, modelos Transformer generativos e unidades de processamento quântico (QPU) para calcular circuitos de preparação de estado fundamental de ingredientes farmacêuticos ativos (API) complexos.
Este experimento visa resolver um gargalo computacional em algoritmos variacionais quânticos (VQE) recentes. Algoritmos adaptativos padrão, como o ADAPT-VQE, exigem a avaliação de milhares de gradientes de operadores e a reotimização da paisagem de parâmetros a cada etapa, tornando sistemas com mais de aproximadamente 15 qubits computacionalmente inviáveis. O ADAPT-GQE usa um Transformer generativo para sintetizar diretamente estruturas de circuito compactas e de baixa energia em uma única passagem direta.
O ADAPT-GQE é um modelo de IA generativa cujos dados de treinamento provêm de conjuntos de dados de química quântica gerados por supercomputação clássica acelerada por GPU. O modelo previu o circuito quântico de estado fundamental completo da imipramina, um antidepressivo tricíclico. A imipramina é um fármaco de referência comumente usado em estudos de degradação forçada e estabilidade de prateleira.
O pipeline de síntese do framework é dividido em três etapas. A etapa de geração de dados baseia-se em circuitos ADAPT-VQE acelerados por NVIDIA CUDA-Q, combinados com OpenMM e MACE-OFF para amostragem conformacional por dinâmica molecular, com mapeamento de qubits do espaço ativo variando de 12 a 16; a etapa de síntese de circuitos utiliza modelos NVIDIA Nemotron ajustados e arquiteturas Transformer Gemma 3 / Nemotron-Nano; a etapa de validação em execução usa o processador Quantinuum Helios-1 e a plataforma química InQuanto.
Os circuitos sintetizados por IA atingiram ou superaram a precisão do estado fundamental dos dados de treinamento de referência ADAPT-VQE, reduzindo o tempo de geração de circuitos em 3 a 4 ordens de grandeza nos espaços ativos de 12, 14 e 16 qubits.
A equipe de pesquisa também aplicou otimização de política relativa de grupo (GRPO) diretamente à saída dos circuitos gerados, permitindo que o modelo aprendesse a propor novas sequências de operadores, melhorando assim a precisão em relação à linha de base de treinamento ADAPT-VQE subjacente.
Em termos de execução em hardware, o framework compilou circuitos sintetizados de conformações da imipramina por meio da plataforma de software InQuanto™ da Quantinuum e os executou no processador de íons aprisionados Helios-1, demonstrando a viabilidade de geração de algoritmos quânticos orientada por IA em QPUs comerciais.
Este trabalho foi realizado em colaboração entre as equipes de pesquisa química da Quantinuum, NVIDIA e Pfizer, estabelecendo um framework de referência de código aberto para a automação de química computacional quântica em escala prática.
