QuanMol Tech团队首先切入的赛道是人工智能赞助药物设计。
团队认为，AI制药行业这几年景长迅速，紧张都是用打算机仿照分子设计，但市场上的一些办理方案每每难以达到较高的预测精准度，阐明性也较弱，并不能从根本上帮助为参与实验的实验化学家提高其对分子的理解，还须要更精准有效的方法。

为此，QuanMol Tech团队采取了深度学习图神经网络加上物理化学领域知识来做分子设计，“图神经网络可以很好地匹配分子模型，办理现有预测精度不足的问题”。
基于此方法，目前QuanMol Tech已经取得了在行业领先的分子性子预测精度。
公司联合创始人沈兴宇博士认为，药物研发是个极其繁芜的过程和体系，人对药物本身的理解也不足，“AI取代人来做药”这个出发点并不可取。

基于上述两点认识，QuanMol Tech从人赞助药物开拓的视角切入，聚焦药物开拓早期——基于大数据和AI算法赞助药归天学家快速完成药物研发过程的数据解读任务，譬如蛋白质表现、组织表现，以及实验结果的验证仿照等，要使其灵感可以定量化，终极减少药物研发过程中的试错本钱。
据悉，目前产品已经在终极完成阶段，估量明年第一季度产品即可完成。

公司联合创始人吕旭东博士表示，上述运用学习本钱低可以广泛辐射于小分子药归天学家，他们是全体家当链中真正做输出、把药做出来的这群人，但他们并没有被做事到。
“而从覆盖的人群规模和利用场景上看，市场规模相较于传统的面向打算化学家的工具扩大了非常多。
”

在商业模式上，差异于其它AI制药公司，供应CRO做事或是直接定位于Biotech做研发管线，QuanMol Tech的构想是供应软件做事，帮助实验室职员快速用数据和科学打算来支撑其研究假设。

对此，沈兴宇指出，其难度紧张表示在高的认知壁垒——“要知道不雅观察、假设、验证的是什么，且要有配套的理论定义问题，用化学的措辞进行互换”，在此根本年夜将人工智能与化学物理有机结合，确保其有很高的阐明性。

根据他的大略测算，“现在我们能用很低的打算本钱，帮助药归天学家减少4-5步优化工程，现有实验方法须要的花费大概是百倍于我们的价格。
”

据沈兴宇透露，其采取的图神经网络算法，所要用的数据量远小于其它模型，“大概只有十分之一”；数据来源紧张来源于公开数据集、数据库企业，以及公司自己定制化天生。

目前，公司已得到一些有名药企和互助要乞降意向。
吕旭东也指出，公司核心算法具有很高的延伸性，可辅导许多垂直领域的产品，药物研发只是个中一个场景，公司未来还会探索新材料、能源、日化、食品添加剂等领域。

据悉，公司即将启动新一轮融资操持。

附核心团队先容

沈兴宇（28岁）。
沈兴宇博士毕业于加州大学伯克利分校化学院，毕业后成为了Arcus Bioscience的药归天学家，并在经历过药物研发（临床前阶段）的早中晚期，有十年的有机小分子分子研究履历。

吕旭东，北京大学物理和经济学学士，加州大学伯克利分校博士，现为加州理工学院研究员。
他也是Taihill Venture合资人。

李勃，加州理工大学的化学系在读博士，先后师从Thomas Miller 与William Goddard教授。
其紧张研究方向是办理分子设计，天生等问题，有打算化学，理论化学，大尺度分子仿照，含几何的深度学习模型以及虚拟分子工程设计方面的履历。

易旻臻（27岁），本科毕业于清华大学自动化系，硕士毕业于威斯康星麦迪逊大学打算机系。
易旻臻连续四年对利用AI对生物数据学习进行研究，此前曾为Pinterest的高等机器学习工程师，在Pinterest带领团队对其推举算法进行迭代，利用户参与度提高了30%。
其事情期间紧张利用的GNN（图神经网络）技能也是QuanMol团队所须要的主要技能。