論文の概要: Data-driven reactivity prediction of targeted covalent inhibitors using computed quantum features for drug discovery

• arxiv url: http://arxiv.org/abs/2307.09671v1
• Date: Tue, 18 Jul 2023 22:51:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-20 15:56:27.023774
• Title: Data-driven reactivity prediction of targeted covalent inhibitors using computed quantum features for drug discovery
• Title（参考訳）: 量子計算を用いた薬物発見のための標的共有結合阻害剤のデータ駆動反応性予測
• Authors: Tom W. A. Montgomery, Peter Pog\'any, Alice Purdy, Mike Harris, Marek Kowalik, Alex Ferraro, Hikmatyar Hasan, Darren V. S. Green and Sam Genway
• Abstract要約: 本稿では,新しい分子機能と実験データを組み合わせたデータ駆動パイプラインを提案する。 反応弾頭の量子埋め込みを利用したワークフローから抽出した特徴を用いた反応性予測の有用性を示す。 計算された特徴は「量子指紋」を形成し、弾頭の性質に関して分子をクラスター化することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present an approach to combine novel molecular features with experimental data within a data-driven pipeline. The method is applied to the challenge of predicting the reactivity of a series of sulfonyl fluoride molecular fragments used for drug discovery of targeted covalent inhibitors. We demonstrate utility in predicting reactivity using features extracted from a workflow which employs quantum embedding of the reactive warhead using density matrix embedding theory, followed by Hamiltonian simulation of the resulting fragment model from an initial reference state. These predictions are found to improve when studying both larger active spaces and longer evolution times. The calculated features form a `quantum fingerprint' which allows molecules to be clustered with regard to warhead properties. We identify that the quantum fingerprint is well suited to scalable calculation on future quantum computing hardware, and explore approaches to capture results on current quantum hardware using error mitigation and suppression techniques. We further discuss how this general framework may be applied to a wider range of challenges where the potential for future quantum utility exists.
• Abstract（参考訳）: 本稿では,新しい分子機能と実験データを組み合わせたデータ駆動パイプラインを提案する。 この方法は、ターゲットとなる共有結合阻害剤の発見に用いられる一連のスルホニルフッ化物分子断片の反応性を予測することに適用される。 密度行列埋め込み理論を用いて反応弾頭の量子埋め込みを利用したワークフローから抽出した特徴を用いた反応性予測の実用性を示し、続いて初期参照状態から得られたフラグメントモデルのハミルトンシミュレーションを行う。 これらの予測は、より大きな活性空間と長い進化時間の両方を研究する際に改善される。 計算された特徴は「量子指紋」を形成し、弾頭特性に関して分子をクラスター化することができる。 量子指紋は、将来の量子コンピューティングハードウェアにおけるスケーラブルな計算に適しており、エラー緩和と抑制技術を用いて現在の量子ハードウェアの結果をキャプチャする手法を探求する。 さらに,この汎用フレームワークを,将来的な量子ユーティリティの可能性が存在する幅広い課題に適用する可能性についても論じる。

関連論文リスト

• Quantum enhanced stratification of Breast Cancer: exploring quantum expressivity for real omics data [0.0]
  量子カーネル(QK)は、分子特性に基づいて、乳癌(BC)患者のサブタイプを効果的に分類できる。 以上の結果から,QKは従来の手法と同等のクラスタリング結果が得られるが,データポイントは少ないことがわかった。 その結果,NISQデバイス上で計算パイプラインを確実に実装できることが示唆された。
  論文  参考訳（メタデータ） (2024-09-21T10:00:09Z)
• Simulating Chemistry with Fermionic Optical Superlattices [2.7521403951088934]
  量子化学における変分最適化のための量子数保存Ans"atzeは、光学超格子における超低温フェルミオンへのエレガントなマッピングであることを示す。 任意の分子ハミルトニアンに対する試験基底状態を作成し、その分子エネルギーを格子内で測定することができる。
  論文  参考訳（メタデータ） (2024-09-09T14:35:55Z)
• Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
  ランダム量子スピン系の進化をモデル化するためにFNOを用いる。 量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
  論文  参考訳（メタデータ） (2024-09-05T07:18:09Z)
• Toward coherent quantum computation of scattering amplitudes with a measurement-based photonic quantum processor [0.0]
  格子QCDにより現在アクセス不能な散乱可観測物の研究に量子光学シミュレーションを用いることの可能性について論じる。 計測に基づくフォトニック量子コンピューティングの最近の進歩は、必要なエキゾチックゲートを決定論的に生成するために活用できることが示されている。
  論文  参考訳（メタデータ） (2023-12-19T21:36:07Z)
• Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
  本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。 我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。 これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
  論文  参考訳（メタデータ） (2023-06-29T18:00:01Z)
• Quantum Simulation of Preferred Tautomeric State Prediction [9.52571197166768]
  安定なtオートマー形式のより正確な推定は、量子化学計算によって達成できる。 本稿では,支配的なtautomeric形式を効率的に予測するためのハイブリッド量子化学量子計算ワークフローを提案する。
  論文  参考訳（メタデータ） (2022-10-06T15:06:44Z)
• Neural network enhanced measurement efficiency for molecular groundstates [63.36515347329037]
  いくつかの分子量子ハミルトニアンの複雑な基底状態波動関数を学習するために、一般的なニューラルネットワークモデルを適用する。 ニューラルネットワークモデルを使用することで、単一コピー計測結果だけで観測対象を再構築するよりも堅牢な改善が得られます。
  論文  参考訳（メタデータ） (2022-06-30T17:45:05Z)
• Quantum computation of molecular structure using data from challenging-to-classically-simulate nuclear magnetic resonance experiments [0.0]
  スピンスピナーの時間分解測定から分子核スピンハミルトニアンを推定するための量子アルゴリズムを提案する。 量子コンピュータ上で,対応する学習問題のヤコビアンとヘッセンを直接推定する能力を示す。
  論文  参考訳（メタデータ） (2021-09-05T20:20:49Z)
• Computing molecular excited states on a D-Wave quantum annealer [52.5289706853773]
  分子系の励起電子状態の計算にD波量子アニールを用いることを実証する。 これらのシミュレーションは、太陽光発電、半導体技術、ナノサイエンスなど、いくつかの分野で重要な役割を果たしている。
  論文  参考訳（メタデータ） (2021-07-01T01:02:17Z)
• Near-Field Terahertz Nanoscopy of Coplanar Microwave Resonators [61.035185179008224]
  超伝導量子回路は、主要な量子コンピューティングプラットフォームの一つである。 超伝導量子コンピューティングを実用上重要な点に進めるためには、デコヒーレンスに繋がる物質不完全性を特定し、対処することが重要である。 ここでは、テラヘルツ走査近接場光学顕微鏡を用いて、シリコン上の湿式エッチングアルミニウム共振器の局所誘電特性とキャリア濃度を調査する。
  論文  参考訳（メタデータ） (2021-06-24T11:06:34Z)
• Counteracting dephasing in Molecular Nanomagnets by optimized qudit encodings [60.1389381016626]
  分子ナノマグネットは、Quditベースの量子誤り訂正符号の実装を可能にする。 分子キューディットに符号化された量子情報を破損させるエラーの微視的理解が不可欠である。
  論文  参考訳（メタデータ） (2021-03-16T19:21:42Z)

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。