IBM和ModernA的研究人员已成功使用量子模拟算法来预测60-核苷酸长的复杂二级蛋白质结构mRNA序列，有史以来最长的模拟量子计算机。
信使核糖核酸（mRNA）是一种传递遗传信息从DNA到核糖体的分子。它指导细胞中的蛋白质合成，用于创建有效的疫苗能够煽动特定的免疫反应。
它是广泛相信蛋白质采用正确的三维构象所需的所有信息均由其氨基酸序列或“折叠”提供。
尽管它仅由一条氨基酸组成，但mRNA的二级蛋白质结构由一系列折叠组成，这些折叠提供给定的分子特定的3D形状。可能的折叠排列数量随着每个添加的核苷酸的指数增加。这使得预测mRNA分子在较高尺度下的挑战将使棘手棘手。
IBM和Moderna实验，概述了学习首次在2024年IEEE国际量子计算与工程会议上发布，展示了如何使用量子计算来增强进行此类预测的传统方法。传统上，这些预测通常依靠二进制，古典计算机和人工智能（AI）诸如Google之类的模型Deepmind的Alphafold。
有关的：DeepMind的AI程序AlphaFold3可以预测宇宙中每种蛋白质的结构，并显示它们的功能
根据5月9日发表的一项新研究arxiv数据库，能够在这些经典体系结构上运行的算法可以使用“数百或数千个核苷酸”来处理mRNA序列，但仅通过排除更高的复杂性特征，例如“伪诺”。
伪诺斯在分子的二级结构中是复杂的曲折和形状，能够参与内部互动更复杂比普通折叠。通过排除，任何蛋白质折叠预测模型的潜在准确性在根本上受到限制。
理解和预测mRNA分子蛋白褶皱的最小细节对于发展更强的预测是固有的，因此，更有效的基于mRNA的疫苗。
科学家希望克服最强大的超级计算机和AI模型通过增强量子技术的实验。研究人员使用依赖量子模拟算法进行了多个实验Qubits–计算机位的量子等同于建模分子。
最初在R2苍鹭 量子处理单元（QPU），该团队采用了一种有条件的基于风险的价值变化量子算法（基于CVAR的VQA） - 以某些技术用于分析复杂相互作用的某些技术建模的量子优化算法，例如避免碰撞和财务风险评估技术预测60核苷酸长的mRNA序列的二级蛋白结构。
以前的基于量子的仿真模型的最佳根据研究，是42-核苷酸序列。研究人员还通过应用最近的错误纠正技术处理量子功能产生的噪声。
在新的预印刷研究中，该团队临时证明了实验范式在运行模拟实例中的有效性，最多可用于156吨的mRNA序列，该实验序列的mRNA序列高达60个核苷酸。他们还进行了初步研究，表明在无噪声环境中使用多达354吨的同一算法的潜力。
他们说，从表面上看，增加用于运行算法的Qubits的数量，同时缩放算法以进行其他子例程，应导致更准确的模拟和预测更长序列的能力。
但是，他们指出，这些方法需要开发先进的技术，以将这些特定问题的电路嵌入现有的量子硬件中，这表明将需要更好的算法和处理架构来推进研究。