36 氪獲悉，專注于分子設計的企業 QuanMol Tech 已完成數百萬美元天使輪和種子輪融資，由 Plug and Play 領投，Silicon Valley Future、AI Basis、 Decent Capital 等跟投。本輪資金主要用于團隊擴張和産品開發。
QuanMol Tech 團隊首先切入的賽道是人工智能輔助藥物設計。團隊認為，AI 制藥行業這幾年發展迅速，主要都是用計算機模拟分子設計，但市場上的一些解決方案往往難以達到較高的預測精準度，解釋性也較弱，并不能從根本上幫助為參與實驗的實驗化學家提高其對分子的理解，還需要更精準有效的方法。
為此，QuanMol Tech 團隊采用了深度學習圖神經網絡加上物理化學領域知識來做分子設計，" 圖神經網絡可以很好地匹配分子模型，解決現有預測精度不夠的問題 "。基于此方法，目前 QuanMol Tech 已經取得了在行業領先的分子性質預測精度。公司聯合創始人沈興宇博士認為，藥物研發是個極其複雜的過程和體系，人對藥物本身的理解也不夠，"AI 取代人來做藥 " 這個出發點并不可取。
基于上述兩點認識，QuanMol Tech 從人輔助藥物開發的視角切入，聚焦藥物開發早期——基于大數據和 AI 算法輔助藥物化學家快速完成藥物研發過程的數據解讀任務，譬如蛋白質表現、組織表現，以及實驗結果的驗證模拟等，要使其靈感可以定量化，最終減少藥物研發過程中的試錯成本。據悉，目前産品已經在最終完成階段，預計明年第一季度産品即可完成。
公司聯合創始人呂旭東博士表示，上述應用學習成本低可以廣泛輻射于小分子藥物化學家，他們是整個産業鍊中真正做輸出、把藥做出來的這群人，但他們并沒有被服務到。" 而從覆蓋的人群規模和使用場景上看，市場規模相較于傳統的面向計算化學家的工具擴大了非常多。"
在商業模式上，區别于其它 AI 制藥公司，提供 CRO 服務或是直接定位于 Biotech 做研發管線，QuanMol Tech 的構想是提供軟件服務，幫助實驗室人員快速用數據和科學計算來支撐其研究假設。
對此，沈興宇指出，其難度主要體現在高的認知壁壘—— " 要知道觀察、假設、驗證的是什麼，且要有配套的理論定義問題，用化學的語言進行交流 "，在此基礎上将人工智能與化學物理有機結合，确保其有很高的解釋性。
根據他的簡單測算，" 現在我們能用很低的計算成本，幫助藥物化學家減少 4-5 步優化工程，現有實驗方法需要的花費大概是百倍于我們的價格。"
據沈興宇透露，其采用的圖神經網絡算法，所要用的數據量遠小于其它模型，" 大概隻有十分之一 "；數據來源主要來源于公開數據集、數據庫企業，以及公司自己定制化生成。
目前，公司已獲得一些知名藥企和合作請求和意向。呂旭東也指出，公司核心算法具有很高的延伸性，可指導許多垂直領域的産品，藥物研發隻是其中一個場景，公司未來還會探索新材料、能源、日化、食品添加劑等領域。
據悉，公司即将啟動新一輪融資計劃。
附核心團隊介紹
沈興宇（28 歲）。沈興宇博士畢業于加州大學伯克利分校化學院，畢業後成為了 Arcus Bioscience 的藥物化學家，并在經曆過藥物研發（臨床前階段）的早中晚期，有十年的有機小分子分子研究經驗。
呂旭東，北京大學物理和經濟學學士，加州大學伯克利分校博士，現為加州理工學院研究員。他也是 Taihill Venture 合夥人。
李勃，加州理工大學的化學系在讀博士，先後師從 Thomas Miller 與 William Goddard 教授。其主要研究方向是解決分子設計，生成等問題，有計算化學，理論化學，大尺度分子模拟，含幾何的深度學習模型以及虛拟分子工程設計方面的經驗。
易旻臻（27 歲），本科畢業于清華大學自動化系，碩士畢業于威斯康星麥迪遜大學計算機系。易旻臻連續四年對使用 AI 對生物數據學習進行研究，此前曾為 Pinterest 的高級機器學習工程師，在 Pinterest 帶領團隊對其推薦算法進行叠代，使用戶參與度提高了 30%。其工作期間主要使用的 GNN（圖神經網絡）技術也是 QuanMol 團隊所需要的重要技術。
