分子建模用量子计算

01概述与价值链#

Markers EC: Quantum-hardware-based molecular simulation and generative molecular design for drug discovery | OECD: Biopharmaceutical R&D digital infrastructure | Regulator: none (computational R&D tool, not a health/pharma regulator)

分子建模用量子计算利用量子硬件表示分子量子态的原生能力——直接使用或与生成式AI配对——比单独使用经典方法更准确或更高效地模拟电子结构或提出新型类药分子。D-Wave的量子退火计算机驱动生成式AI模型设计训练数据之外的小分子，突破加速药物发现的核心瓶颈，相关成果于2026年发表于《科学报告》（Scientific Reports）。Menten AI将量子驱动的治疗药物设计专门应用于面向先进疗法的多肽与蛋白质药物设计。Pasqal于2026年与True Nexus合作，将中性原子量子计算应用于下一代食品蛋白质设计，将量子分子设计从制药领域扩展至更广泛的生物经济，并另行展示了逻辑量子比特在求解微分方程方面优于物理量子比特——这对支撑分子模拟的数值方法而言是一项里程碑。Quantinuum、NVIDIA与辉瑞（Pfizer）于2026年联合验证了用于制药研发的生成式量子AI（GenQAI）框架，研究人员开发了ADAPT-GQE，该框架可加速为复杂分子模型创建量子电路。

分子建模用量子计算的关键方向：

1. 量子原生电子结构模拟： 利用量子计算机原生表示量子态的能力，比经典近似方法更准确地模拟分子电子结构。
2. 量子配对生成式分子设计： 将生成式AI与量子硬件或量子启发算法结合，提出经典生成模型采样范围之外的新型分子。
3. 跨行业验证合作： 大型制药与科技公司（辉瑞、NVIDIA）在与生产相关的研发环境中联合验证量子框架，而非孤立的学术演示。
4. 从制药扩展至更广泛的生物经济： 量子分子设计被应用于食品蛋白质及其他生物基分子设计问题，而不仅限于药物发现。

行业价值链#

[分子靶标界定] ──> [量子电路/算法设计] ──> [量子硬件执行]
                                                                    │
                                                        （生成式分子提议）
                                                                    │
                    [经典验证与合成] <──── [候选分子评分] <─── [结果解读]

价值链层级#

Cross-cutting technologies of the sector:

• 量子分子模拟： 利用量子计算机表示分子量子态的原生能力、比经典近似方法更准确地模拟分子电子结构与行为。
• 量子生成式分子设计： 将生成式AI模型与量子硬件或量子启发算法结合、提出经典生成模型采样范围之外的新型类药分子或蛋白质序列。

02美国#

美国拥有领先的量子硬件与量子原生药物设计供应商，2026年的合作涵盖大型制药与科技公司。

D-Wave的生成式分子设计、Menten AI的量子蛋白质设计#

• D-Wave： 其量子退火计算机驱动生成式AI模型设计训练数据之外的小分子，2026年发表于《科学报告》，突破了药物发现加速的核心瓶颈。
• Menten AI： 将量子驱动的治疗药物设计专门应用于面向先进疗法的多肽与蛋白质药物设计。

03中国#

中国由定性方式覆盖，而非本次筛选中经实地核实的中国供应商：本次筛选中检索的中国候选量子分子建模公司均未获得2026年实时来源确认，因此下表未列出任何中国公司。中国拥有可观的国家级量子计算研究计划，但本次筛选未发现将量子计算专门应用于生物经济分子建模的商业供应商。

该特定应用领域无确认的本土商业供应商#

• 国家量子研究与生物经济商业应用之别： 中国的量子计算研究计划规模可观，但本次筛选未确认存在将其专门应用于药物发现或生物基分子设计分子建模的商业供应商。
• 本土空白： 本次筛选未发现经2026年实时来源确认的中国本土量子分子建模供应商。

04欧盟#

法国与英国拥有将分子设计应用从制药领域扩展至更广泛生物经济的量子硬件供应商，并在2026年获得直接的行业验证。

Pasqal向食品蛋白质设计的扩展、Quantinuum与辉瑞/NVIDIA的验证#

• Pasqal： 于2026年与True Nexus合作，将中性原子量子计算应用于下一代食品蛋白质设计，并另行展示了逻辑量子比特在求解与分子模拟数值方法相关的微分方程方面优于物理量子比特。
• Quantinuum： 于2026年与NVIDIA、辉瑞联合验证了用于制药研发的生成式量子AI（GenQAI）框架，研究人员开发了ADAPT-GQE，以加速为复杂分子模型创建量子电路。

05领先企业与研究机构#

06技术栈与创新#

分子建模用量子计算的技术栈涵盖多种与生成式AI配对的量子硬件范式：

1. 面向生成式设计的量子退火：
   • D-Wave的量子退火方法驱动生成式AI模型设计训练数据分布之外的分子。
2. 中性原子量子计算：
   • Pasqal的中性原子平台从制药领域扩展至食品蛋白质设计，并展示了与分子模拟数值方法相关的逻辑量子比特性能里程碑。
3. 门模型生成式量子AI框架：
   • Quantinuum与NVIDIA、辉瑞联合验证的ADAPT-GQE框架，在与生产相关的制药研发环境中加速为复杂分子模型创建量子电路。

07价值链与生产流程#

量子分子建模的产业流程#

┌───────────────────────────┐      ┌───────────────────────────┐
│ 1. 分子靶标界定                │ ───> │ 2. 量子电路/算法设计            │
└───────────────────────────┘      └───────────────────────────┘
                                                 │
                                                 ▼
┌───────────────────────────┐      ┌───────────────────────────┐
│ 4. 结果解读                    │ <─── │ 3. 量子硬件执行                │
└───────────────────────────┘      └───────────────────────────┘
              │
              ▼
┌───────────────────────────┐      ┌───────────────────────────┐
│ 5. 候选分子评分                │ ───> │ 6. 经典验证与合成              │
└───────────────────────────┘      └───────────────────────────┘

阶段1：分子靶标界定

正式界定需要模拟或设计的目标分子、蛋白质或反应。

阶段2：量子电路与算法设计

为特定分子靶标设计量子电路或混合量子-经典算法。

阶段3：量子硬件执行

根据供应商架构，在量子硬件——门模型、退火或中性原子——上运行电路或算法。

阶段4：结果解读

将原始量子计算输出解读为可用的分子结构或设计结果。

阶段5：候选分子评分

依据结合亲和力、稳定性、可合成性等设计标准，对生成或模拟的候选分子评分。

阶段6：经典验证与合成

评分最高的候选分子在推进至湿实验室合成与测试前，先用经典计算方法验证。