IT之家于 8 月 8 日报道，依据本源量子所传，其与中科大、合肥综合性国家科学中心人工智能研究院合作研发的量子嵌入图神经网络模型，增强了核心药物特性判别精确度，使 HIV 抑制病毒的化合物甄选正确率由 73% 增加到 97%。

该架构结合了世界首次发明的量子边编码技术，以及量子节点嵌入模式，填补了量子图神经网络研究的空缺，首次在量子维度上完成了原子和化学键的同步操作。该论文题目为《量子嵌入图神经网络架构用于分子性质预测》，已发表于化学信息学权威期刊《Journal of Chemical Information and Modeling》。

本团队独家发明的量子边缘编码方法，对分子的化学键实施量子级编码，可于量子维度解析原子间的互动情形；量子节点嵌入方案则针对分子的原子构成，执行量子编码，使量子机器能辨识原子的固有属性。这两种技术突破性地结合到量子嵌入图神经网络体系，显著增强了预测分子反应的准确度，并加速了新药的研制进程。

团队针对三个核心的医药相关数据集，对量子嵌入图神经网络模型实施了考核评估，考核评估表明该技术有助于增强关键药物特性判别精确度：用于HIV抗病毒药物筛选的精确度由73%提高至97%，用于阿尔茨海默病药物判别的精确度由64%提高至70%，用于ClinTox分子毒性判别的精确度由80%提高至87%。

团队还利用中国第三代自主超导量子计算机“本源悟空”开展测试，核实了量子嵌入图神经网络构造在真实量子设备中的可行性，即便受到量子干扰的作用，这个量子体系的精确度依然维持在百分之八十上下，有力证实了它在现阶段量子运算环境中的实际应用价值。

现阶段，依托“本源悟空”作为运算支撑，研究团队运用这项技术研制的药物毒副作用评估移动程序，已经部署在“本源量子计算云平台”上