Привет, я работаю аналитиком Cloud.ru. По работе я много смотрю на ИИ-агентов и пытаюсь понять, что интересного могут предложить разработчики. Решила собрать кейсы с разным уровнем зрелости: какие-то из них уже работают в проде, а какие-то — еще на этапе теста или внутреннего использования.

Привет! Меня зовут Михина Полина, сейчас я аналитик в Cloud.ru, а в прошлом занималась разработкой противоопухолевых препаратов в ФИЦ ПХФ и МХ РАН. Этот опыт позволяет мне смотреть на развитие квантовых технологий, в частности на квантовое машинное обучение (QML), через призму конкретной проблемы, которую она может решить.

Ранее я убедилась, что процесс драг-дизайна устроен крайне сложно. Каждая потенциальная молекула — это месяцы расчётов, синтеза и экспериментов, где малейшая ошибка возвращает исследователя в начало. Квантовые методы, как QPE  (Quantum Phase Estimation, алгоритм квантовой оценки фазы), могли бы радикально сократить этот цикл, позволяя моделировать взаимодействия молекул и их энергетические состояния с точностью, недостижимой для классических вычислений. Это особенно важно, когда сложность исследуемых систем растет, и приходится прибегать к приближениям, что снижает точность и увеличивает время вычислений.

В этой статье мы трезво посмотрим на QML: где оно уже работает (и работает ли?), с какими ограничениями сталкивается и что из этого может быть полезно IT-специалистам без громких заявлений о «квантовом будущем через наносекунду».