眾創時代
去年國際蛋白質3D結構預測競賽（CASP），Google的DeepMind以人工智能AlphaFold，打敗頂尖科學家，從胺基酸排列距離與化學鍵角度，成功從43種蛋白質預測25種結構。遠超過第二名預測，只有3種結構。
DeepMind以人工智能，發現新蛋白質結構，有助診斷和治療蛋白質堆疊錯誤引起疾病，包括帕金森症和認知障礙等。
不過，機械學習也有 望用於發現新化學物質和新材料上，甚至開發新一代藥物，但前題則須具更大運算力；其中一個希望，就是全球各地爭相開發的量子運算（Quantum Computing）。
量子電腦是以量子邏輯進行通用計算的設備。量子位元（Qubit）是量子電腦最基本的運算單元，為了運用量子位元，量子必須達到量子疊加（Superposition）和量子糾纏（Entanglement），運算速度是傳統電腦的500 兆倍以上。
長期以來，研究人員一直模擬物質分子和化學反應，推動新材料、藥物、工業催化劑、甚至是超導體研究。
當前模擬實驗所以成果有限，原因之一是即使是最快的超級電腦，也不能完全重建原子和電子在小尺度系統中複雜量子行為。物質分子結構和化學反應，很大程度決定於相關量子效應，而對量子運算而言，模擬量子效應，比傳統運算有效率，量子運算數據編碼本身，就是通過不同量子態實現，所以能更加直接和快速去模擬份子的結構，決定其特性。
英國初創Rahko就是利用量子運算，作為化學模擬的工具，最近種子輪融資就籌獲了1600萬美元，由Balderton Capital領投；投資者之中還包括前微軟企業策略總監Charles Songhurst。
Rahko與微軟和IBM都有深度合作關係；Rahko其中一位創辦人Leonard Wossnig，剛獲得Google頒發的量子運算研究獎金（Fellowship in Quantum Computing），以表揚電算學術的貢獻。
Rahko創業團隊為為「倫敦大學學院」（University College London，UCL）的原研究人員。UCL為全球最頂尖的研究型大學，為英國最難入讀的高等學府之一，多個全球大學排行榜上居前十名。Rahko一直開發量子機械學習技術（Quantum Machine Learning ，QML），用於作化學模擬，並發現了新循環訓練（Circuit Training）方法，可預防出現模型訓練中的梯度消失問題，初步可用於電池、藥物、化學、新材料等研究。Rahko也是UCL以商業化博士後研究著名的Conception X組織所支持成立。Conception X專注將英國學術研究成果，轉變成初創商業機會，成績斐然。
Rahko結合傳統電腦和量子電腦，以加快商業應用的過程，並解決以往化學研究開發及發現新物料過程。目前，量子運算研究圈子尚小，Rahko與全球各地開發量子運算硬件團隊，均有合作關係。
業內預測，量子電腦可於3-5年內投入商業運作。屆時，Rahko亦可從應用取得收入，甚至成為各IT巨頭的收購對象。