迈向量子赋能的生物标志物发现：来自 Q4Bio 的展望
量子物理
2025-10-01 v1
摘要
我们提出了一个关于混合量子-经典算法协同设计的案例研究与前瞻性视角，以经验量子优势 (EQA) 为核心目标，我们将其定义为在相同任务上使用量子硬件相对于最先进经典方法所获得的可测量的性能提升。由于经典算法不断改进，EQA 交叉点是一个移动的目标；尽管如此，我们认为，即使交叉点发生偏移，对于我们的应用类别，持久的优势仍然是可能的。具体而言，我们的团队考察了精准肿瘤学中的生物标志物发现任务。我们挑战了最佳经典算法的极限，尽最大努力对其进行改进，然后在我们最有可能看到性能提升的任务中用量子子程序对其进行增强。我们讨论了在当前设备上用于特征选择的量子子程序的实现，其中硬件限制要求算法与物理设备能力之间进行进一步的协同设计。展望未来，我们进行了资源分析，以探索近期/中期硬件上合理的 EQA 区域，并考虑了经典与量子计算进步对该区域的影响。最后，我们概述了这种混合管线在肿瘤学之外的潜在临床影响与更广泛的应用。
引用
@article{arxiv.2509.25904,
title = {Toward Quantum-Enabled Biomarker Discovery: An Outlook from Q4Bio},
author = {Dhirpal Shah and Mariesa Teo and Ryan A. Robinett and Sophia Madejski and Zachary Morrell and Siddhi Ramesh and Colin Campbell and Bharath Thotakura and Victory Omole and Ben Hall and Aram W. Harrow and Teague Tomesh and Alexander T. Pearson and Frederic T. Chong and Samantha J. Riesenfeld},
journal= {arXiv preprint arXiv:2509.25904},
year = {2025}
}
备注
44 pages, 19 figures