发表《数学》期刊!西班牙研究人员成功应用量子计算模型来预测多种疾病

José Luis Salmerón 将量子计算应用于医疗保健领域(图片来源:网络)

谷歌量子人工智能(AI)研究小组的Sergio Boixo表示,量子计算还处于起步阶段,虽然很难预测其未来,但该技术已取得了一些可观进展。José Luis Salmerón是西班牙金融研究学院(CUNEF)数据科学实验室主任,他还是智利大学副研究员、凯捷咨询公司首席人工智能和量子科学家。

近期,他与巴伦西亚萨贡托医院的甲状腺手术团队合作,测试了量子计算预测术后并发症的潜力。这并不是量子计算在医疗保健领域的首次应用,加拿大麦吉尔大学启动了Cardio-Twin项目,该项目通过创建数字孪生技术来检测女性的健康风险。量子计算正在为医疗保健专业人员提供宝贵的帮助。

Salmerón说:“萨贡托医院研究团队掌握了大量数据,希望预测接受甲状腺手术患者的潜在低钙血症。我提出了一种变分量子电路预测模型,可靠性很高,能达到92%的正确率,远远高于传统技术。”Salmerón与Isabel Fernández-Palop 博士以及萨贡托医院的研究团队在《数学》杂志上发表了这一结果。

Salmerón 是爱思唯尔和斯坦福大学被引用次数最多的科学家之一,他开发了一种利用荷尔蒙水平作为输入的算法。通过利用先进的计算机系统,该算法可以预测低钙血症的可能性,低钙血症是癌症甲状腺切除术后最常见的并发症。Salmerón 说:“这不是物理电路,而是具备逻辑结构,它存在于计算机代码中,是一个变分编程电路。” Salmerón承认理论物理学目前在量子研究领域占据主导地位。不过,他更注重实际应用,力求“脚踏实地”。

同一期刊还发表了麦吉尔大学的一项研究,该研究使用模糊认知图(研究效果和替代方案的因果关系图)和量子学习算法,旨在早期检查类风湿性关节炎,同时对该疾病的六个严重程度进行分类。Salmerón在《神经计算》上发表的另一项研究中写道:“类风湿性关节炎的早期诊断对于预防疾病的进展非常重要。然而,由于症状范围广泛,而且随着时间的推移,疾病的方向逐渐发生变化,这对于全科医生(GP)来说是一项复杂的任务。”在伊朗Seyyed-al Shohada大学医院,对这些模型进行了测试,准确率达到了90%。

这些方法也已被用于放射治疗计划,其中认知图已被证明有助于支持人类决策。Salmerón说:“这些系统使我们能够优化服务,提供并改善治疗。例如,在低钙血症的情况下,早期发现可以让医生更快地开始治疗,并将其影响降至最低。此外,这些系统有助于规划医疗服务,通过确保资源优化和早期疾病检测,使患者和临床中心受益。没有模型可以普遍应用于每种病理学。每个应用程序都需要合适的算法来实现一致的数据处理。每个问题都需要一个特定的解决方案。即使可以使用量子电路,其适用性也可能因情况而异。”

但这个领域是广阔的。凯捷量子实验室的Sam Genway表示:“有许多潜在应用非常适合量子计算,因为它们本质上是量子态计算。从根本上来说,分子与体内生物实体的相互作用是遵循量子力学的,在某些情况下,很难使用传统计算机进行建模。然而,有了量子计算机,我们将能以前所未有的精度模拟潜在的量子行为。”

第一个量子疗法

最近发表在《自然纳米技术》上的一项研究展示了如何利用带电分子来触发难以治疗的脑肿瘤中的癌细胞的自我毁灭。研究小组表示,他们开发出了“第一种量子疗法”。

首席研究员Frankie Rawson解释道:“通过巧妙地对生物量子电子隧道的纳米颗粒进行精确调节,癌细胞被击败。这触发了电信号,激活了癌细胞内的自然自毁机制。”研究合著者Ruman Rahman补充道:“这项研究凸显了量子疗法的潜力,它是一种与生物学交叉的新技术,量子生物电子学与医学的结合使我们更接近新的治疗方法。”

悉尼大学的科学家展示了这项新兴技术的潜力。他们使用量子计算机设计并直接观察化学反应中的关键过程,该过程被减慢了惊人的 1000 亿倍。这项研究发表在《自然化学》上,其主要作者 Vanessa Olaya Agudelo表示:“了解分子内部和分子之间的这些基本过程,可以为材料科学、药物设计和太阳能收集带来无限的可能性。”

此外,通过快速准确地读取DNA序列,可以促进人类基因组研究的进步。这些发现将推动个性化化疗。最近,研究人员利用量子计算将腺苷与其他核苷酸分子区分开来,该研究发表在《物理化学杂志 B》上。

该研究的主要作者 Masateru Taniguchi 表示:“使用量子计算,我们证明了仅从单个分子的测量数据中检测核苷酸的能力。量子计算机首次成功连接到单个分子的测量数据,这一突破验证了利用量子计算机进行基因组分析的潜力。”

这项新技术的另一个应用是,通过记录神经冲动来控制假肢的设备。博世集团(Bosch Global)董事会主席Stefan Hartung说:“我们在医疗技术领域开发的量子传感器与我们‘为生命而发明’的理念完美契合。” 博世全球公司正在深入研究这一领域,该公司表示,现在可以通过非接触式早期检测房颤,来预防致命的中风、心力衰竭和痴呆症。

编译:卉可

编辑:慕一

特此说明:量子前哨翻译此文仅作信息传递和参考,并不意味着同意此文中的观点与数据。

内容概要:本文介绍了一个基于多传感器融合的定位系统设计方案,采用GPS、里程计和电子罗盘作为定位传感器,利用扩展卡尔曼滤波(EKF)算法对多源传感器数据进行融合处理,最终输出目标的滤波后位置信息,并提供了完整的Matlab代码实现。该方法有效提升了定位精度与稳定性,尤其适用于存在单一传感器误差或信号丢失的复杂环境,如自动驾驶、移动采用GPS、里程计和电子罗盘作为定位传感器,EKF作为多传感器的融合算法,最终输出目标的滤波位置(Matlab代码实现)机器人导航等领域。文中详细阐述了各传感器的数据建模方式、状态转移与观测方程构建,以及EKF算法的具体实现步骤,具有较强的工程实践价值。; 适合人群:具备一定Matlab编程基础,熟悉传感器原理和滤波算法的高校研究生、科研人员及从事自动驾驶、机器人导航等相关领域的工程技术人员。; 使用场景及目标:①学习和掌握多传感器融合的基本理论与实现方法;②应用于移动机器人、无人车、无人机等系统的高精度定位与导航开发;③作为EKF算法在实际工程中应用的教学案例或项目参考; 阅读建议:建议读者结合Matlab代码逐行理解算法实现过程,重点关注状态预测与观测更新模块的设计逻辑,可尝试引入真实传感器数据或仿真噪声环境以验证算法鲁棒性,并进一步拓展至UKF、PF等更高级滤波算法的研究与对比。
内容概要:文章围绕智能汽车新一代传感器的发展趋势,重点阐述了BEV(鸟瞰图视角)端到端感知融合架构如何成为智能驾驶感知系统的新范式。传统后融合与前融合方案因信息丢失或算力需求过高难以满足高阶智驾需求,而基于Transformer的BEV融合方案通过统一坐标系下的多源传感器特征融合,在保证感知精度的同时兼顾算力可行性,显著提升复杂场景下的鲁棒性与系统可靠性。此外,文章指出BEV模型落地面临大算力依赖与高数据成本的挑战,提出“数据采集-模型训练-算法迭代-数据反哺”的高效数据闭环体系,通过自动化标注与长尾数据反馈实现算法持续进化,降低对人工标注的依赖,提升数据利用效率。典型企业案例进一步验证了该路径的技术可行性与经济价值。; 适合人群:从事汽车电子、智能驾驶感知算法研发的工程师,以及关注自动驾驶技术趋势的产品经理和技术管理者;具备一定自动驾驶基础知识,希望深入了解BEV架构与数据闭环机制的专业人士。; 使用场景及目标:①理解BEV+Transformer为何成为当前感知融合的主流技术路线;②掌握数据闭环在BEV模型迭代中的关键作用及其工程实现逻辑;③为智能驾驶系统架构设计、传感器选型与算法优化提供决策参考; 阅读建议:本文侧重技术趋势分析与系统级思考,建议结合实际项目背景阅读,重点关注BEV融合逻辑与数据闭环构建方法,并可延伸研究相关企业在舱泊一体等场景的应用实践。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值