2025年9月23-25日，2025中国（大湾区）生物医药与医疗健康产业博览会在广州南沙国际会展中心隆重召开。此次盛会立足“十四五”规划和2035远景目标，聚焦生物医药产业创新升级与高质量发展核心任务，深度结合《广州市促进生物医药产业高质量发展若干政策措施》及南沙“大湾区医药港”建设规划，将根植大湾区、辐射全中国、链接全世界，打造集技术展示、成果转化、商务对接、国际合作于一体的全产业链高端平台。

大会现场汇聚了全球顶尖药企、创新科技与前沿疗法，北京玻色量子科技有限公司（以下简称“玻色量子”）作为国内量子计算领军企业应邀参会，共探生命科学新纪元。开幕式上，北京玻色量子科技有限公司副总裁巨江伟以“用量子计算机开启AI制药新范式”为主题发表精彩演讲，现场反响热烈。

玻色量子凭借自研的相干光量子计算机，以及在“量子计算+AI”领域取得的专用量子计算实用化关键成果——量子玻尔兹曼机（Quantum Boltzmann Machine，QBM）及开源编程套件（Kaiwu-PyTorch-Plugin，KPP），领先突破AIDD（AI Drug Discovery，人工智能驱动药物研发）所面临的计算瓶颈，开辟了生物制药的全新想象空间。

2025大湾区生物医药与医疗健康博览会

玻色量子副总裁巨江伟演讲现场

演讲现场

突破AIDD双重计算瓶颈

赋能加速药物发现

巨江伟在演讲中指出，AIDD发展正面临突出计算瓶颈，其根源在于精度和复杂度的双重挑战，这严重制约着新药研发的效率与成功率。量子计算凭借其叠加性、纠缠性和并行处理能力，天然适合处理高维、多变量的复杂优化问题。基于此，玻色量子技术团队通过持续技术攻坚，提出量子计算赋能加速药物发现的三大路径：发挥组合优化天然优势，构建量子增强机器学习模型，以及重构生成式AI模型，构建出“硬件—范式—算法”三位一体的研究新范式，旨在为AIDD发展带来革命性突破。

玻尔兹曼机（Boltzmann Machine,BM）是一种基于统计物理的能量模型，可将数据变量映射为自旋粒子，驱动系统向最小能量态演化，由2024年诺贝尔物理学奖获得者杰弗里·辛顿（Geoffrey Hinton）教授所提出。由于BM具备无监督生成学习能力，能够学习数据概率分布并生成新样本（如图像重构、文本生成），大大奠定了深度学习的基础，然而其发展却备受挑战：基于传统GPU硬件框架训练玻尔兹曼机时，其核心采样过程（玻尔兹曼采样）的NP-Hard特性导致模型训练难以实现，严重制约了这项技术的发展，亟需新型计算硬件的突破性解决方案。

随着技术团队的奋力攻关，基于玻色量子自研的相干光量子计算机，巧妙地使用光量子搭建了物理Ising模型，凭借Ising模型与玻尔兹曼机在数学上的相互映射关系，利用量子并行特性可高效处理玻尔兹曼分布采样的优势，为以往玻尔兹曼机因采样计算高复杂度而无法高效训练的难点提供了破局思路：在更高易用性的同时，可以实现快速精准的玻尔兹曼采样，并在毫秒级时间内单次返回数千个量子采样结果。

为实现“量子计算+AI”的更进一步实用化创新，玻色量子顺势重磅推出了国内首个量子玻尔兹曼机及开源编程套件（KPP），致力于用PyTorch自由定义能量神经网络，以量子玻尔兹曼机拓展AI研究和应用新边界，并在AI制药领域打造出首个“爆款场景”，成功取得了玻色量子以实用化引领量子计算发展历程中的重要里程碑。

全球加速布局

AIDD迎来创新应用案例

当前国际上，多名头部药企与科研机构正在加速布局量子计算在生命科学中的应用，玻色量子也在加快技术落地，在多项生物医药场景中进行实用化验证。

巨江伟提到，在药物筛选的关键步骤——分子对接方面，玻色量子将对接分子中的原子和对接靶点格点的匹配关系，转换成适配相干光量子计算机的模型，从所有匹配组合中并行搜索得到体系自由能最低的组合，从而确定分子跟靶点的空间结合姿态。基于相干光量子计算机在CASF2016标准数据集上测试发现，在与商业化工具Glide SP采样能力相当的同时，采样时间上至少提升了两个数量级优势。

在蛋白质结构预测场景上，玻色量子推出了基于量子玻尔兹曼机进行蛋白结构预测的算法框架。现有基于AI的方法如AlphaFold等依赖于大量结构数据进行训练，在一些类别上的蛋白预测精度仍难以满足下游任务的需求，天然蛋白的氨基酸分布服从玻尔兹曼分布，玻色量子研究团队借助物种的进化学信息和光量子计算机的玻尔兹曼采样能力，来快速学习得到蛋白序列长时的进化学信息，从而捕捉到精确的氨基酸互作关系。

mRNA疫苗由于特异性强，生产成本低等特点具有很高的研究前景，但其设计需同时平衡稳定性、翻译效率与免疫原性，海量序列组合造成计算难度爆炸。玻色量子基于提出的量子玻尔兹曼机训练方法，可以对自然界天然的mRNA 5’UTR序列进行采样任务和生成任务，并结合优化目标，根据测试体系的预测器对生成的序列进行打分和筛选，得到符合优化目标的序列，通过逐步迭代该过程，最终可以生成符合目标的mRNA序列。

目前业界多器官百万级单细胞分析面临着高噪声掩盖了真实的生物学信息，不同组学数据的多模态融合及复杂分布，高维数据的计算挑战等问题。基于相干光量子计算机这一原生的玻尔兹曼分布采样器，玻色量子构建了量子玻尔兹曼机（QBM）增强的深度变分自编码器（QBM-VAE）模型，具有强大的表征能力，能够捕获以往难以识别的深层数据特征。在六个包含超过一百万个细胞的大规模数据集（免疫细胞图谱、胰腺、人类肺细胞图谱等）上进行测试，按照既定的scIB框架，评估每个模型的性能，QBM-VAE在综合基准测试中均表现出优越性。该研究成果已被arXiv收录，彰显了玻色量子在“量子+AI”方面的前沿探索。

量子计算凭借其独特的物理特性，正在为生物制药领域带来全新可能性。目前，全球生物制造领域正在积极探索并布局量子计算的技术应用，致力于构建由量子计算驱动的生物制药研究智能体系，从根本上改变新药研发范式。玻色量子将基于自研的相干光量子计算机（CIM），以及量子玻尔兹曼机（Quantum Boltzmann Machine，QBM）及开源编程套件（Kaiwu-PyTorch-Plugin，KPP），持续聚焦技术突破与真实场景需求，推动AIDD的自主创新和发展，引领生物制药领域加速迈向更精准、高效的AI研发范式。