シカゴ大学のコンピュータサイエンス学部のSeymour Goodman教授であるFred Chongが、がんのバイオマーカー同定を目的とした量子コンピューティング・イニシアチブの第3段階を主導するため、Wellcome Leapから200万ドルの助成金を獲得しました。この資金は、生物医学研究における量子コンピューティングの応用を支援するQuantum for Bioプログラムの一環です。
このプロジェクトは、ハイブリッド量子古典アルゴリズムを使用してマルチモーダルな生物学的データから予測的がんバイオマーカーを抽出することに焦点を当てています。前段階では、Chongのチームは小規模なインスタンスから学習することで量子リソースの需要を削減し、実際のがんデータセットでアルゴリズムを検証しました。彼らは最大32量子ビットの回路を古典的にシミュレーションし、50量子ビットを超える量子ハードウェアでのテストに向けた基盤を整備しました。このアプローチは、従来の手法と比較して予測能力が向上した、臨床的に実行可能なバイオマーカーセットを生成しました。
第3段階では、チームは量子プロセッサ上で実世界のデータに彼らのアルゴリズムを適用することで、実践的な量子優位性を実証することを目指しています。この節目は、医療診断における量子コンピューティングの適用可能性について具体的な証拠を提供することになります。
共同研究者には、Samantha RiesenfeldとAlexander Pearson（シカゴ大学）、Aram Harrow（MIT）、Teague Tomesh（Infleqtion）が含まれます。チームの取り組みは、量子を活用した分析を通じて、がん診断における基本的な課題に取り組むことを目指しています。
背景
本記事で登場する「量子リソース」は、量子コンピュータが計算を行うために必要な物理的な資源を指します。具体的には量子ビットの数や、計算の精度、エラー訂正の能力などが含まれ、これらを効率的に使うことが実用化の鍵となります。「マルチモーダルな生物学的データ」とは、画像、遺伝子情報、臨床記録など、異なる種類や形式の複数のデータソースを統合的に解析することを意味します。がんの複雑な性質を把握するには、単一のデータではなく、これらを組み合わせた包括的な視点が必要とされます。「ハイブリッド量子古典アルゴリズム」は、量子コンピュータと従来の古典コンピュータの両方の特徴を活かした計算手法です。量子コンピュータが得意な部分計算を行い、古典コンピュータが全体の制御や結果の統合を行うことで、現在の技術水準でも実用的な問題解決を目指します。
関連する記事としてInfleqtion、精密腫瘍学のためのWellcome Leap Q4Bioチャレンジのフェーズ3に進出、Wellcome LeapのQuantum for Bio Challenge最終フェーズに、QuEraがバックアップするチームが進出、Algorithmiqが量子駆動がん治療シミュレーションで200万ドルのQ4Bio賞を受賞もあわせてご覧ください。
2025年4月10日
