fr.wedoany.com Rapport : Les équipes de recherche de Quantinuum, NVIDIA et Pfizer Inc. ont proposé un cadre d'IA quantique générative nommé ADAPT-GQE, destiné à automatiser la synthèse de circuits quantiques d'état fondamental pour des molécules médicamenteuses. Ce cadre a été validé par exécution sur le processeur à pièges à ions Helios-1 de Quantinuum, doté de 98 qubits.

L'article associé a été publié sous le titre « Learning to Prepare Molecular Ground States with Transformer Models ». Le cadre d'IA quantique générative (GenQAI) proposé dans cette étude combine le calcul haute performance (HPC) classique, des modèles Transformer génératifs et des unités de traitement quantique (QPU) pour calculer les circuits de préparation de l'état fondamental d'ingrédients pharmaceutiques actifs (API) complexes.

Cette expérience vise à résoudre un goulot d'étranglement computationnel rencontré dans les récents algorithmes quantiques variationnels (VQE). Les algorithmes adaptatifs standard tels que ADAPT-VQE nécessitent l'évaluation de milliers de gradients d'opérateurs et la réoptimisation du paysage de paramètres à chaque étape, ce qui rend les systèmes dépassant environ 15 qubits difficiles à traiter sur le plan computationnel. ADAPT-GQE utilise un Transformer génératif pour synthétiser directement des structures de circuits compactes et de faible énergie en une seule passe avant.

ADAPT-GQE est un modèle d'IA générative dont les données d'entraînement proviennent d'ensembles de données de chimie quantique générés par des supercalculateurs classiques accélérés par GPU. Le modèle prédit le circuit quantique complet de l'état fondamental de l'imipramine, un antidépresseur tricyclique. L'imipramine est un médicament de référence industrielle couramment utilisé dans les études de dégradation forcée et de stabilité à durée de conservation.

Le pipeline de synthèse du cadre se décompose en trois étapes. L'étape de génération de données repose sur des circuits ADAPT-VQE accélérés par NVIDIA CUDA-Q, combinés à OpenMM et MACE-OFF pour l'échantillonnage conformationnel par dynamique moléculaire, avec une cartographie des qubits de l'espace actif de 12 à 16 qubits ; l'étape de synthèse de circuits utilise des modèles NVIDIA Nemotron affinés et des architectures Transformer Gemma 3 / Nemotron-Nano ; l'étape de validation par exécution utilise le processeur Helios-1 de Quantinuum et la plateforme chimique InQuanto.

Les circuits synthétisés par l'IA atteignent ou dépassent la précision de l'état fondamental des données d'entraînement de référence ADAPT-VQE, réduisant le temps de génération des circuits de 3 à 4 ordres de grandeur sur des espaces actifs de 12, 14 et 16 qubits.

L'équipe de recherche a également appliqué l'optimisation de politique relative de groupe (GRPO) directement aux sorties de circuits générés, permettant au modèle d'apprendre à proposer de nouvelles séquences d'opérateurs, améliorant ainsi la précision par rapport à la ligne de base d'entraînement ADAPT-VQE sous-jacente.

Pour l'exécution matérielle, le cadre a compilé les circuits synthétisés pour les conformations de l'imipramine via la plateforme logicielle InQuanto™ de Quantinuum et les a exécutés sur le processeur à pièges à ions Helios-1, démontrant la faisabilité de la génération d'algorithmes quantiques pilotée par l'IA sur des QPU commerciaux.

Ce travail, réalisé en collaboration entre Quantinuum, NVIDIA et l'équipe de recherche chimique de Pfizer, établit un cadre de référence open source pour la chimie quantique computationnelle automatisée à l'échelle pratique.