Sì, il quantum computing può arrivare in aiuto nella ricerca e la produzione di nuovi farmaci. A raccontarci come nel progetto MoSeGad (MOlecular StructurE Generation and Docking with Quantum Computing) è E4 Computer Engineering.
L'azienda ha iniziato a collaborare con Dompé Farmaceutici in questo progetto. L'obiettivo è sfruttare le potenzialità degli strumenti quantistici nel “molecular docking”. Ovvero, nella simulazione molecolare indirizzata alla scoperta di nuove medicine.
Gli obiettivi del progetto MoSeGad
Il progetto MoSeGad si basa sullo studio di due algoritmi quantistici. Il primo è legato alla generazione della struttura tridimensionale della molecola. Il secondo è più legato al molecular docking, quindi alla tecnica computazionale che permette lo studio dell’interazione tra molecole. Utilizza la formulazione QUBO del problema per sfruttare la macchina chiamata Annealer.
Il progetto è stato sottoposto alla call dell’Italian Center for Super Computing (ICSC), in particolare allo spoke 10 dedicato al quantum computing. MoSeGad si è classificato primo, con il massimo del punteggio, tra sette proposte ammesse.
A far distinguere il progetto sono la coerenza e la chiarezza degli obiettivi realizzativi. Ma anche la fattibilità del piano di lavoro, l’esperienza nella gestione di progetti analoghi e la collaborazione con enti internazionali di ricerca.
Quantum computing in concreto: background e fase operativa di MoSeGad
Il progetto è entrato recentemente nella sua fase operativa. I gruppi di lavoro hanno iniziato ad analizzare i modelli da usare e a preparare i dataset su cui fare le simulazioni. Queste attività richiederanno un lavoro dalla durata complessiva di 15 mesi.
MoSeGad nasce nel contesto del lungo legame tra E4 e Dompé, è partito circa un anno fa da una sessione di lavoro condivisa dedicata alle tecnologie quantistiche. Durante la sessione sono emerse le potenzialità del quantum computing nel settore farmacologico, in particolare nel molecular docking.
I successivi approfondimenti hanno confermato che l’uso di strumenti quantistici permette di ridurre la complessità dei problemi. Inoltre, consente di migliorare la qualità delle simulazioni, riducendo i tempi di calcolo rispetto al calcolo HPC tradizionale. Il progetto utilizza in questa prima fase server E4 dotati di acceleratori NVIDIA come emulatori. Questo permette di superare i limiti delle quantum machine odierne. Va ricordato infatti che queste macchine sono ancora prototipi estremamente costosi, soggetti a errori e dotati di un numero di qubit non ancora adeguato.
I team coinvolti nel progetto
MoSeGad coinvolge anche partner come il Centro Nazionale di Calcolo CINECA, l’Università dell’Aquila e il Politecnico di Milano. Segna un nuovo passo in avanti nell’impegno di E4 a sviluppare le proprie capacità in un ambito di frontiera come il quantum computing.
Il team quantum di E4 è in questo momento in fase di espansione e conta già una decina di membri, tra fisici e ingegneri. Ci sono anche brillanti neolaureati con competenze specifiche in una disciplina che può contare su un bacino di professionisti ancora piuttosto limitato.
E4 è anche tra i fondatori del QuEra Quantum Alliance Partner Program. L’iniziativa è promossa da QuEra Computing, attiva nel calcolo quantistico ad atomi neutri. Essa mira ad accelerare lo sviluppo, l’implementazione e l’utilizzo di computer quantistici ad atomi neutri per affrontare le sfide computazionali più impegnative a livello globale.
Quantum computing: alcune definizioni
QUBO (Quadratic Unconstraint Binary Optimization): approccio matematico che permette di sfruttare al massimo le caratteristiche di alcuni computer quantistici chiamati quantum annealer.
Quantum Annealer: computer quantistico progettato per risolvere problemi di ottimizzazione attraverso un processo analogo all'annealing simulato dell'informatica classica.
Bit quantistico: unità di informazione quantistica.
VQE (Variational Quantum Eigensolver): classe di algoritmi quantistici che sfruttano le risorse di calcolo classiche e quantistiche utili per risolvere problemi di ottimizzazione e di autovalori. Trovano applicazione in vari campi, tra cui la chimica.