发明专利证书

传统的药物设计开发成本高、耗时长且失败率高。因此，研究人员一直在寻找有着更高成功概率以提升效益药物开发方法。药物发现可分为基于受体和基于配体的药物筛选。其中，基于配体的药物筛选主要根据已知活性分子基团筛选与之相似的分子来作为先导化合物，然后进一步筛选验证作为药物候选分子。

现有方式是通过分子指纹在2D层面比较不同分子的相似性，但未使用分子中包含的全部有效信息，如分子的3D构象等。分子3D构象在真实反应体系中和蛋白结合时具有重要影响，而基于分子指纹方法得到的分子相似性会丢失这部分信息，因此通过分子指纹的相似性计算会导致假阳性率较高，即通过计算筛选出的高相似性化合物在真实实验体系中并不具有活性，而且在分子数较大的化合物库中筛选比较耗时。

因此，玻色量子自研出一种基于光量子计算机的分子相似性计算方法和装置。基于分子结构将需要计算分子相似性的两个分子分别转换为分子图，分子图的顶点表示该分子中的各个原子，分子图的边表示该分子中各个原子间的化学键连接；利用两个分子图构建冲突图，冲突图的顶点来源于两个分子图中的两两顶点间的匹配映射，冲突图的边来源于冲突图中各顶点间的判别结果。

再通过光量子计算机真机🔗去求解冲突图的最大加权独立子集并获得最大加权独立子集中冲突图的各个顶点的信息；通过最大加权独立子集中冲突图的各个顶点的信息计算两个分子的相似性。这样解决了传统求解方式的求解速度慢，假阳性率高的缺点，有效提升了计算速度和准确率。

大规模多输入多输出（MIMO）是无线通信领域的一项革命性技术，被认为是5G的关键技术之一🔗。它利用基站上的大量天线来提高无线通信系统的覆盖范围和容量。通过利用大量天线，大规模MIMO可以同时提供多个数据流，从而实现更高的吞吐量和更好的信号质量。然而，在5G系统中实现大规模MIMO，波束选取是一个极大的挑战。

在MIMO系统中，传输带宽被划分为子带，MIMO波束选择问题涉及选择一组最大化一些性能指标（如满足给定约束条件的单元格数量）的波束，以增强服务质量。解决MIMO波束选择问题对于优化无线通信系统的性能至关重要。现有技术对于大规模的MIMO波束选取问题的计算存在困难，随着波束数和栅格数量的增大，问题规模增大，计算复杂度呈指数增加，求解难度急剧增大，现有求解技术难以在较短时间内完成求解。当子波束有上百种，那么MIMO权值组就有上亿种组合，基于经典计算机的优化算法，包括贪心算法，分支定界和模拟退火算法在这上亿种MIMO权值组中选出最好的组合十分困难。

因此，玻色量子自研出一种MIMO系统波束选择双向优化方法、装置、介质及设备。选取第一条件作为正向约束条件，第二条件作为筛选条件；依据第二二值变量表示高质量栅格总数，以确定目标函数为最大化高质量栅格总数；根据正向约束条件构建第一二值变量和第二二值变量之间的约束；根据约束形成惩罚项，将惩罚项加入目标函数以形成二次无约束二元优化模型；根据筛选条件基于波束信号强度和解进行验证筛选，根据筛选结果确定每一扇区的波束选择。从而高效解决了大规模MIMO的波束选择中量子比特数庞大，量子计算资源消耗较大的问题。

玻色量子作为国内领先的光量子计算硬科技公司，一直高度重视布局光量子计算及实用化场景应用等方面的核心专利，实现量子计算的实用化落地。2022年8月，玻色量子凭借在量子科技领域持续性科技研发投入与技术突破，以及知识产权方面的前瞻性布局与成果，成功入选“2022年度北京市知识产权试点单位名单”🔗。2022年10月，玻色量子成功入选2022年中关村企业专利与技术标准项目支持单位名单，这是对玻色量子拥有核心自主技术知识产权的高度认可🔗。

目前，玻色量子已完成了数十项量子计算相关专利布局，并在2024年4月发布了具有550计算量子比特的新一代相干光量子计算机——天工量子大脑550W🔗。与清华大学、北京量子信息科学研究院、光大科技、国防科技大学、天津大学、北京交通大学等国内数十所顶尖高校和研究机构、知名企业达成学术研究及产业化的联合合作，共建技术平台，实现“科研界+产业界”的“产学研用”协同创新。

未来，玻色量子将采取以光量子计算自主专利为核心，多行业多场景的“量子计算+”实用化创新专利为壁垒的多矩阵布局模式，不断坚持自主创新以不断实现技术突破！