小分子-蛋白质相互作用预测场景论文复现 将论文《BiVAE-CPI: An Interpretable Generative Model Using a Bilateral Variational Autoencoder for Compound–Protein Interaction Prediction》中使用的算法替换为QBM-VAE，并使用文章中提到的数据集进行结果对比验证，证明QBM-VAE的优越性。 任务描述：将论文《BiVAE-CPI: An Interpretable Generative Model Using a Bilateral Variational Autoencoder for Compound–Protein Interaction Prediction》中使用的算法替换为QBM-VAE，并使用文章中提到的数据集进行结果对比验证。 任务要求：请在规定时间内完成上述任务，并使用Kaiwu-PyTorch-Plugin的GitHub仓库中提供的代码，使用求解器或相干光量子计算机进行结果验证。 相关链接： ● Kaiwu-PyTorch-Plugin GitHub（代码参考）：https://github.com/qboson/kaiwu-pytorch-plugin ● 论文：BiVAE-CPI：An Interpretable Generative Model Using a Bilateral Variational Autoencoder for Compound-Protein Interaction Prediction.pdf ● 数据集：https://github.com/YuBinLab-QUST/BiVAE-CPI/ 四、题目提交规则

• 选手需提交完整项目报告，以 Markdown 形式进行提交。
• 报告包括项目背景介绍、详细建模过程、计算结果、计算时长、与经典计算机结果对比（若有），完整项目代码。