論文の概要: Sampling Rare Conformational Transitions with a Quantum Computer
- arxiv url: http://arxiv.org/abs/2201.11781v2
- Date: Tue, 8 Feb 2022 11:58:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-27 18:01:10.642289
- Title: Sampling Rare Conformational Transitions with a Quantum Computer
- Title（参考訳）: 量子コンピュータによるレアコンフォメーション遷移のサンプリング
- Authors: Danial Ghamari, Philipp Hauke, Roberto Covino, and Pietro Faccioli
- Abstract要約: 本稿では,古典的な量子コンピュータ上に実装された機械学習アルゴリズムとMDシミュレーションを紹介する。
我々は、分子構成の小さなセットに基づいて、システムの力学の厳密な低分解能表現を導出する。
この結果は,機械学習と量子コンピューティングを統合するためのMDシミュレーションの新しいパラダイムを提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Spontaneous structural rearrangements play a central role in the organization
and function of complex biomolecular systems. In principle, physics-based
computer simulations like Molecular Dynamics (MD) enable us to investigate
these thermally activated processes with an atomic level of resolution.
However, rare conformational transitions are intrinsically hard to investigate
with MD, because an exponentially large fraction of computational resources
must be invested to simulate thermal fluctuations in metastable states. Path
sampling methods like Transition Path Sampling hold the great promise of
focusing the available computational power on sampling the rare stochastic
transition between metastable states. In these approaches, one of the
outstanding limitations is to generate paths that visit significantly different
regions of the conformational space at a low computational cost. To overcome
these problems we introduce a rigorous approach that integrates a machine
learning algorithm and MD simulations implemented on a classical computer with
adiabatic quantum computing. First, using functional integral methods, we
derive a rigorous low-resolution representation of the system's dynamics, based
on a small set of molecular configurations generated with machine learning.
Then, a quantum annealing machine is employed to explore the transition path
ensemble of this low-resolution theory, without introducing un-physical biasing
forces to steer the system's dynamics. Using the D-Wave quantum computer, we
validate our scheme by simulating a benchmark conformational transition in a
state-of-the-art atomistic description. We show that the quantum computing step
generates uncorrelated trajectories, thus facilitating the sampling of the
transition region in configuration space. Our results provide a new paradigm
for MD simulations to integrate machine learning and quantum computing.
- Abstract（参考訳）: 自然構造再構成は複雑な生体分子系の組織と機能において中心的な役割を果たす。
原理的には、分子動力学(md)のような物理ベースのコンピュータシミュレーションにより、これらの熱活性化過程を原子レベルの分解能で研究することができる。
しかしながら、準安定状態における熱揺らぎをシミュレートするために指数関数的に大量の計算資源を投資する必要があるため、まれな配座遷移は本質的にmdでは調査が困難である。
遷移経路サンプリングのような経路サンプリング手法は、利用可能な計算能力に準安定状態間の稀な確率的遷移をサンプリングすることに重点を置いている。
これらの手法では、計算コストの低いコンフォメーション空間のかなり異なる領域を訪れる経路を生成するのが際立った制限の一つである。
これらの問題を克服するために,古典的コンピュータに実装された機械学習アルゴリズムとmdシミュレーションと断熱量子コンピューティングを統合する厳密な手法を提案する。
まず, 関数積分法を用いて, 機械学習によって生成された分子配置の小さな集合に基づいて, システムのダイナミクスの厳密な低分解能表現を導出する。
次に、量子アニーリングマシンを用いて、この低分解能理論の遷移経路アンサンブルを探索し、系のダイナミクスを制御するために非物理的バイアス力を導入する。
D-Wave量子コンピュータを用いて,現状の原子論的記述におけるベンチマークコンフォーメーション遷移をシミュレートし,本手法の有効性を検証する。
量子計算のステップは相関のない軌道を生成し、構成空間における遷移領域のサンプリングを容易にする。
この結果は,機械学習と量子コンピューティングを統合するMDシミュレーションの新しいパラダイムを提供する。
関連論文リスト
- Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか?
我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。
我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文 参考訳（メタデータ） (2024-08-22T08:21:28Z) - Sampling a rare protein transition with a hybrid classical-quantum
computing algorithm [0.0]
分子動力学(MD)によるマクロ分子の自発的構造再構成のシミュレーションは注目すべき課題である。
従来のスーパーコンピュータは最大10万ユーロの時間間隔にアクセスできるが、多くの重要なイベントは指数関数的に長い時間スケールで発生する。
我々は、機械学習(ML)と量子コンピューティングを組み合わせたパスサンプリングパラダイムを用いてこの問題に対処する。
論文 参考訳（メタデータ） (2023-11-27T14:58:29Z) - A self-consistent field approach for the variational quantum
eigensolver: orbital optimization goes adaptive [52.77024349608834]
適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。
このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
論文 参考訳（メタデータ） (2022-12-21T23:15:17Z) - Digital quantum simulation of non-perturbative dynamics of open systems
with orthogonal polynomials [0.0]
本稿では,時間進化密度演算子と直交多項式アルゴリズム(TEDOPA)を量子コンピュータ上で用いることを提案する。
本研究では,本研究で検討したシステムの時間進化シミュレーションにおいて,計算資源の指数的スケーリングを回避できることが示唆された。
論文 参考訳（メタデータ） (2022-03-28T11:16:33Z) - Numerical Simulations of Noisy Quantum Circuits for Computational
Chemistry [51.827942608832025]
短期量子コンピュータは、小さな分子の基底状態特性を計算することができる。
計算アンサッツの構造と装置ノイズによる誤差が計算にどのように影響するかを示す。
論文 参考訳（メタデータ） (2021-12-31T16:33:10Z) - Simulating the Mott transition on a noisy digital quantum computer via
Cartan-based fast-forwarding circuits [62.73367618671969]
動的平均場理論(DMFT)は、ハバードモデルの局所グリーン関数をアンダーソン不純物のモデルにマッピングする。
不純物モデルを効率的に解くために、量子およびハイブリッド量子古典アルゴリズムが提案されている。
この研究は、ノイズの多いデジタル量子ハードウェアを用いたMott相転移の最初の計算を提示する。
論文 参考訳（メタデータ） (2021-12-10T17:32:15Z) - Strategies to simulate dephasing-assisted quantum transport on digital
quantum computers [0.0]
環境支援量子輸送(ENAQT)は、環境との相互作用によって伝達効率を変調し、時には向上させる。
本稿では,デジタル量子コンピュータにおけるENAQTの基礎となる力学をシミュレーションする問題を考察する。
2つの異なる量子アルゴリズムが導入され、第1はハミルトニアンに基づくもので、第2は衝突スキームに基づくものである。
論文 参考訳（メタデータ） (2021-11-04T14:23:08Z) - Fixed Depth Hamiltonian Simulation via Cartan Decomposition [59.20417091220753]
時間に依存しない深さの量子回路を生成するための構成的アルゴリズムを提案する。
一次元横フィールドXYモデルにおけるアンダーソン局在化を含む、モデルの特殊クラスに対するアルゴリズムを強調する。
幅広いスピンモデルとフェルミオンモデルに対して正確な回路を提供するのに加えて、我々のアルゴリズムは最適なハミルトニアンシミュレーションに関する幅広い解析的および数値的な洞察を提供する。
論文 参考訳（メタデータ） (2021-04-01T19:06:00Z) - Quantum Markov Chain Monte Carlo with Digital Dissipative Dynamics on
Quantum Computers [52.77024349608834]
少数のアンシラ量子ビットを用いて環境との相互作用をシミュレートするデジタル量子アルゴリズムを開発した。
逆イジングモデルの熱状態のシミュレーションによるアルゴリズムの評価を行った。
論文 参考訳（メタデータ） (2021-03-04T18:21:00Z) - Autoregressive Transformer Neural Network for Simulating Open Quantum Systems via a Probabilistic Formulation [5.668795025564699]
オープン量子システムのダイナミクスに対処するためのアプローチを提案する。
自己回帰変換ニューラルネットワークを用いて量子状態をコンパクトに表現する。
効率的なアルゴリズムは、リウヴィリア超作用素の力学をシミュレートするために開発された。
論文 参考訳（メタデータ） (2020-09-11T18:00:00Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。