2025年8月7日，由北京市朝陽區(qū)人民政府主辦、中關(guān)村科技園區(qū)朝陽園管理委員會（北京市朝陽區(qū)科學(xué)技術(shù)和信息化局）、北京朝陽國際科技發(fā)展集團有限公司承辦的“2025朝陽區(qū)科技創(chuàng)新大會暨人工智能生態(tài)建設(shè)大會”在北京昆泰嘉瑞文化中心成功舉辦。

此次大會以人工智能（AI）為核心引擎，旨在充分發(fā)揮場景資源富集的優(yōu)勢，著力推動全域全場景的AI創(chuàng)新應(yīng)用，加速構(gòu)建AI產(chǎn)業(yè)生態(tài)，涵蓋算力資源、高質(zhì)量數(shù)據(jù)集、模型和智能體、共性技術(shù)平臺、開源社區(qū)、應(yīng)用場景、特色產(chǎn)業(yè)園區(qū)等全鏈條創(chuàng)新要素，將朝陽區(qū)建設(shè)為AI創(chuàng)新應(yīng)用之城。大會現(xiàn)場聚焦技術(shù)突破、政策賦能、場景應(yīng)用與生態(tài)共建，匯聚政府領(lǐng)導(dǎo)、院士專家、行業(yè)領(lǐng)袖及創(chuàng)新企業(yè)代表，共同探討AI產(chǎn)業(yè)發(fā)展新趨勢，展示朝陽區(qū)在AI領(lǐng)域的創(chuàng)新成果與實踐經(jīng)驗。

北京玻色量子科技有限公司（以下簡稱“玻色量子”）作為國內(nèi)實用化量子計算領(lǐng)軍企業(yè)應(yīng)邀參與，玻色量子創(chuàng)始人&CEO文凱博士出席大會。在重大創(chuàng)新成果發(fā)布會上，玻色量子創(chuàng)始人&COO馬寅現(xiàn)場發(fā)表了以“量子玻爾茲曼機開啟AI制藥新范式”為主題的精彩演講，重磅發(fā)布了玻色量子自研的全國首個量子玻爾茲曼機（Quantum Boltzmann Machine，QBM）及開源編程套件（Kaiwu-PyTorch-Plugin，KPP）。這是玻色量子在“量子計算+AI”領(lǐng)域領(lǐng)先實現(xiàn)專用量子計算實用化突破的關(guān)鍵成果，以AI制藥為首個“爆款場景”，也是玻色量子在以實用化引領(lǐng)量子計算發(fā)展歷程中的重要里程碑。

KPP下載使用鏈接：

https://kaiwu.qboson.com/plugin.php?id=quantumAI&type=community

玻色量子展臺

馬寅演講現(xiàn)場

大會現(xiàn)場

2024年諾貝爾物理學(xué)獎花落神經(jīng)網(wǎng)絡(luò)先驅(qū)、玻爾茲曼機（Boltzmann Machine,BM）的提出者杰弗里·辛頓（Geoffrey Hinton），標(biāo)志著玻爾茲曼機這一融合統(tǒng)計力學(xué)與AI的模型獲得國際最高科學(xué)獎的認(rèn)可——物理規(guī)律指引AI，AI亦是物理規(guī)律。玻色量子技術(shù)團隊經(jīng)過經(jīng)年累月的深入研究，自研出量子玻爾茲曼機（QBM）及編程套件（KPP），并發(fā)現(xiàn)其在AI制藥領(lǐng)域展現(xiàn)出顛覆性潛力，以驚人速度讓QBM從理論走向?qū)嵺`。這一技術(shù)突破不僅挑戰(zhàn)了以Transformer為主導(dǎo)的AI計算范式，更開創(chuàng)了“量智融合”的新變革——量子計算的并行優(yōu)勢與深度學(xué)習(xí)的表達能力碰撞出前所未有的火花。

玻爾茲曼機：諾獎的物理學(xué)智慧

玻爾茲曼機的故事始于1884年物理學(xué)家路德維�！げ�爾茲曼提出的熵函數(shù)方程，該方程揭示了微觀粒子運動的統(tǒng)計規(guī)律，為統(tǒng)計力學(xué)奠定基礎(chǔ)。近百年后，這一物理學(xué)智慧在AI領(lǐng)域煥發(fā)新生——2024年諾獎得主杰弗里·辛頓在Hopfield網(wǎng)絡(luò)基礎(chǔ)上，于1985年創(chuàng)造性地將玻爾茲曼分布（Boltzmann Distribution）引入神經(jīng)網(wǎng)絡(luò)，由此誕生了玻爾茲曼機。

馬寅現(xiàn)場介紹，杰弗里·辛頓與約翰·霍普菲爾德將統(tǒng)計物理（伊辛模型、玻爾茲曼分布）引入神經(jīng)網(wǎng)絡(luò)，解決了“復(fù)雜系統(tǒng)建�！边@一物理本質(zhì)問題，為復(fù)雜系統(tǒng)的概率推理提供了普適框架。并推動了機器學(xué)習(xí)從“經(jīng)驗驅(qū)動”轉(zhuǎn)向“物理規(guī)律+數(shù)據(jù)雙輪驅(qū)動”，奠定了生成式AI更嚴(yán)謹(jǐn)?shù)睦碚摶�礎(chǔ)。

玻爾茲曼機是一種基于統(tǒng)計物理的能量模型：將數(shù)據(jù)變量映射為自旋粒子，驅(qū)動系統(tǒng)向最小能量態(tài)演化。因此，玻爾茲曼機具備無監(jiān)督生成學(xué)習(xí)能力，能夠?qū)W習(xí)數(shù)據(jù)概率分布并生成新樣本（如圖像重構(gòu)、文本生成），這大大奠定了深度學(xué)習(xí)的基礎(chǔ)。

然而，玻爾茲曼機的發(fā)展面臨著挑戰(zhàn)。馬寅解釋道，基于傳統(tǒng)GPU硬件框架訓(xùn)練玻爾茲曼機時，其核心采樣過程（玻爾茲曼采樣）的NP-Hard特性導(dǎo)致模型訓(xùn)練難以實現(xiàn)，亟需新型計算硬件的突破性解決方案。

玻色量子技術(shù)團隊通過不斷地技術(shù)攻關(guān)，發(fā)現(xiàn)基于玻色量子自研的相干光量子計算機即可破局。相干光量子計算機巧妙地利用光量子搭建了物理Ising模型，由于Ising模型與玻爾茲曼機在數(shù)學(xué)上的相互映射關(guān)系，相干光量子計算機憑借量子并行特性可高效處理玻爾茲曼分布采樣的優(yōu)勢，能夠為玻爾茲曼機因采樣計算高復(fù)雜度而無法高效訓(xùn)練的難點提供解決思路。

量子玻爾茲曼機：以實用化引領(lǐng)量子計算

馬寅演講現(xiàn)場

由于相干光量子計算機底層物理計算邏輯完美匹配玻爾茲曼機的全連接屬性，易用性更高，還能實現(xiàn)快速精準(zhǔn)的玻爾茲曼采樣，可以在毫秒級時間內(nèi)單次返回數(shù)千個量子采樣結(jié)果。實驗驗證表明，量子增強的玻爾茲曼機（QBM）在訓(xùn)練速度上可實現(xiàn)指數(shù)級加速（理論上，n個量子比特可同時處理2^n種狀態(tài)），模型容量可提升至玻爾茲曼機的指數(shù)級。通過進一步論證，玻色量子發(fā)現(xiàn)量子玻爾茲曼機具備強大的復(fù)雜系統(tǒng)表示能力、卓越的無監(jiān)督學(xué)習(xí)能力、并能夠處理不確定性和噪聲，另外，可作為深度學(xué)習(xí)的基礎(chǔ)模塊靈活嵌入。

馬寅現(xiàn)場介紹，玻色量子還研究出一種結(jié)合經(jīng)典AI與量子計算優(yōu)勢的新型生成式模型QBM-VAE（Variational Autoencoder，VAE），可用于復(fù)雜分布數(shù)據(jù)生成、“高保真度”數(shù)據(jù)表征。這是一種結(jié)合深度學(xué)習(xí)與量子計算的改進VAE算法，通過相干光量子計算機采樣玻爾茲曼分布，對自然界產(chǎn)生的數(shù)據(jù)具有強大的建模能力和適應(yīng)性，提升了數(shù)據(jù)表征能力。其核心是通過量子采樣更準(zhǔn)確地擬合自然數(shù)據(jù)真實分布，替代傳統(tǒng)VAE簡單高斯分布先驗假設(shè)。在一個具有代表性的復(fù)雜分布場景-單細胞轉(zhuǎn)錄組學(xué)數(shù)據(jù)的表征測試發(fā)現(xiàn)，基于QBM-VAE的數(shù)據(jù)表征可顯著去除數(shù)據(jù)噪聲和批次效應(yīng)，并保留真實的生物學(xué)信號，基于該表征的聚類可清晰的區(qū)分傳統(tǒng)方法無法辨識的細胞亞型（具有獨特特征的新致病因素），因此，該工具為復(fù)雜生物學(xué)研究提供了新的研究范式，為解析復(fù)雜疾病治病機制，發(fā)現(xiàn)關(guān)鍵靶點提供了新線索。

因此，為加速全球“量子計算+AI”融合創(chuàng)新，玻色量子重磅推出國內(nèi)首個量子玻爾茲曼機（QBM）及開源編程套件（KPP），玻色量子已于 PyTorch 生態(tài)開源發(fā)布該訓(xùn)練套件，開放完整 Python API，致力于用PyTorch自由定義能量神經(jīng)網(wǎng)絡(luò)，以量子玻爾茲曼機拓展AI研究和應(yīng)用新邊界。

KPP創(chuàng)新性地將PyTorch和相干光量子計算機的采樣優(yōu)勢結(jié)合，借助PyTorch靈活定義神經(jīng)網(wǎng)絡(luò)的能力、量子計算并行特性提供的指數(shù)級加速，實現(xiàn)自由定義和訓(xùn)練能量神經(jīng)網(wǎng)絡(luò)—玻爾茲曼機&受限玻爾茲曼機（Restricted Boltzmann Machines, RBM）。同時，KPP還提供了簡單易用的接口，便于研究人員和開發(fā)者能夠快速實現(xiàn)能量神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練與驗證，并應(yīng)用于各種機器學(xué)習(xí)開發(fā)任務(wù)。

“爆款場景”：開啟AI制藥新范式

會上，馬寅詳細介紹了玻色量子基于量子玻爾茲曼機進行蛋白結(jié)構(gòu)預(yù)測的算法框架�，F(xiàn)有基于AI的方法，如AlphaFold等依賴于大量結(jié)構(gòu)數(shù)據(jù)進行訓(xùn)練，在一些類別上的蛋白預(yù)測精度仍難以滿足下游任務(wù)的需求，天然蛋白的氨基酸分布服從玻爾茲曼分布，玻色量子研究團隊借助物種的進化學(xué)信息和光量子計算機的玻爾茲曼采樣能力，來快速學(xué)習(xí)得到蛋白序列長時的進化學(xué)信息，從而捕捉到精確的氨基酸互作關(guān)系。

在生態(tài)合作方面，玻色量子聯(lián)合廣州國家實驗室開發(fā)了蛋白質(zhì)結(jié)構(gòu)預(yù)測量子算法�；�于量子玻爾茲曼機，高效求解Potts模型的同時精確預(yù)測蛋白氨基酸殘基接觸圖，已經(jīng)在100結(jié)點的數(shù)據(jù)集上實現(xiàn)收斂，突破了傳統(tǒng)算法難以攻克的復(fù)雜場景。

目前，玻色量子還與上海交通大學(xué)、中山大學(xué)藥學(xué)院、北京腫瘤醫(yī)院、清華長庚醫(yī)院等在蛋白質(zhì)結(jié)構(gòu)預(yù)測、分子相似性篩選、多肽對接、變構(gòu)位點預(yù)測等場景展開實用化量子計算應(yīng)用探索。此外，玻色量子構(gòu)建了“藥企-高校-醫(yī)院-國家實驗室”四位一體合作體系，未來與頂級高校、醫(yī)院及藥企攜手展開深度合作，推動生態(tài)共建，共享量子算力與數(shù)據(jù)資源，加速推進藥物開發(fā)和臨床驗證的進程。

隨著量子計算與AI、生命科學(xué)、材料工程、電力能源等前沿領(lǐng)域的深度融合，基于量子玻爾茲曼機，玻色量子不僅引領(lǐng)生命科學(xué)基礎(chǔ)研究和藥物發(fā)現(xiàn)行業(yè)向精準(zhǔn)、高效的研發(fā)范式加速邁進，開啟AI制藥新范式，還將全面推進實用化量子計算在各行各業(yè)的場景落地，助推我國國產(chǎn)實用化量子計算科技實力飛躍發(fā)展。