論文の概要: Sampling a rare protein transition with a hybrid classical-quantum computing algorithm

• arxiv url: http://arxiv.org/abs/2311.15891v1
• Date: Mon, 27 Nov 2023 14:58:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-28 14:55:46.591095
• Title: Sampling a rare protein transition with a hybrid classical-quantum computing algorithm
• Title（参考訳）: ハイブリッド古典量子計算アルゴリズムによる稀なタンパク質転移のサンプリング
• Authors: Danial Ghamari, Roberto Covino, Pietro Faccioli
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Simulating spontaneous structural rearrangements in macromolecules with classical Molecular Dynamics (MD) is an outstanding challenge. Conventional supercomputers can access time intervals up to tens of $\mu$s, while many key events occur on exponentially longer time scales. Transition path sampling techniques have the advantage of focusing the computational power on barrier-crossing trajectories, but generating uncorrelated transition paths that explore diverse conformational regions remains an unsolved problem. We employ a path-sampling paradigm combining machine learning (ML) with quantum computing (QC) to address this issue. We use ML on a classical computer to perform a preliminary uncharted exploration of the conformational space. The data set generated in this exploration is then post-processed to obtain a network representation of the reactive kinetics. Quantum annealing machines can exploit quantum superposition to encode all the transition pathways in this network in the initial quantum state and ensure the generation of completely uncorrelated transition paths. In particular, we resort to the DWAVE quantum computer to perform an all-atom simulation of a protein conformational transition that occurs on the ms timescale. Our results match those of a special purpose supercomputer designed to perform MD simulations. These results highlight the role of biomolecular simulation as a ground for applying, testing, and advancing quantum technologies.
• Abstract（参考訳）: 古典分子動力学(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顕著な課題である。 従来のスーパーコンピュータは数十ドルまで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。 遷移経路サンプリング技術は、障壁交差軌道に計算力を集中する利点があるが、様々な共形領域を探索する非相関な遷移経路を生成することは未解決の問題である。 我々は、機械学習(ML)と量子コンピューティング(QC)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。 従来のコンピュータ上でMLを用いてコンフォメーション空間の予備的な未チャート探索を行う。 この探索で生成されたデータセットは後処理され、反応速度のネットワーク表現が得られる。 量子アニーリングマシンは量子重ね合わせを利用して、このネットワーク内の全ての遷移経路を初期量子状態にエンコードし、完全に無相関な遷移経路を生成することができる。 特に、DWAVE量子コンピュータを用いて、ms時間スケールで起こるタンパク質配座遷移の全原子シミュレーションを行う。 この結果はMDシミュレーションを行うために設計された特別目的スーパーコンピュータと一致する。 これらの結果は、量子技術の適用、試験、進歩の基盤としての生体分子シミュレーションの役割を強調している。

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)
• Quantum Extreme Learning of molecular potential energy surfaces and force fields [5.13730975608994]
  量子ニューラルネットワークは、分子系のポテンシャルエネルギー表面と力場を学習するために用いられる。 この特定の教師付き学習ルーチンは、古典的コンピュータ上で実行される単純な線形回帰からなるリソース効率のトレーニングを可能にする。 我々は、任意の次元の分子を研究するために使用でき、NISQデバイスで即時使用するために最適化された設定をテストした。 他の教師付き学習ルーチンと比較して、提案されたセットアップは最小限の量子リソースを必要とするため、量子プラットフォーム上で直接実装することが可能である。
  論文  参考訳（メタデータ） (2024-06-20T18:00:01Z)
• Parallel Quantum Computing Simulations via Quantum Accelerator Platform Virtualization [44.99833362998488]
  本稿では,量子回路実行の並列化モデルを提案する。 このモデルはバックエンドに依存しない機能を利用することができ、任意のターゲットバックエンド上で並列量子回路の実行を可能にする。
  論文  参考訳（メタデータ） (2024-06-05T17:16:07Z)
• Quantum Simulation of Dissipative Energy Transfer via Noisy Quantum Computer [0.40964539027092917]
  雑音の多いコンピュータ上でのオープン量子システムの力学をシミュレートする実用的な手法を提案する。 提案手法は,IBM-Q実機におけるゲートノイズを利用して,2量子ビットのみを用いて計算を行う。 最後に、トロッター展開を行う際の量子回路の深さの増大に対処するため、短期力学シミュレーションを拡張するために転送テンソル法(TTM)を導入した。
  論文  参考訳（メタデータ） (2023-12-03T13:56:41Z)
• Quantum Computing Simulation of a Mixed Spin-Boson Hamiltonian and Its Performance for a Cavity Quantum Electrodynamics Problem [0.0]
  本稿では,光子ホッピングを許容する一対の空洞における相転移をシミュレーションする手法を提案する。 シミュレーションは、控えめな量の量子資源で行うことができる。
  論文  参考訳（メタデータ） (2023-10-17T15:25:35Z)
• Quantum Classical Algorithm for the Study of Phase Transitions in the Hubbard Model via Dynamical Mean-Field Theory [0.0]
  本稿では, 量子コンピューティング, 多体理論, 量子機械学習を連携させて, 強相関系の研究を行うワークフローを提案する。 DMFT近似におけるHubbardモデルのゼロ温度波動関数のデータベースを生成する。 次に、QMLアルゴリズムを用いて金属相とモット絶縁体相を区別し、金属-モット絶縁体相転移を捉える。
  論文  参考訳（メタデータ） (2023-08-02T19:11:04Z)
• Sampling Rare Conformational Transitions with a Quantum Computer [0.0]
  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。
  論文  参考訳（メタデータ） (2022-01-27T19:46:06Z)
• 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)
• An Algebraic Quantum Circuit Compression Algorithm for Hamiltonian Simulation [55.41644538483948]
  現在の世代のノイズの多い中間スケール量子コンピュータ(NISQ)は、チップサイズとエラー率に大きく制限されている。 我々は、自由フェルミオンとして知られる特定のスピンハミルトニアンをシミュレーションするために、量子回路を効率よく圧縮するために局所化回路変換を導出する。 提案した数値回路圧縮アルゴリズムは、後方安定に動作し、$mathcalO(103)$スピンを超える回路合成を可能にするスピンの数で3次スケールする。
  論文  参考訳（メタデータ） (2021-08-06T19:38:03Z)
• 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)
• Tensor Network Quantum Virtual Machine for Simulating Quantum Circuits at Exascale [57.84751206630535]
  本稿では,E-scale ACCelerator(XACC)フレームワークにおける量子回路シミュレーションバックエンドとして機能する量子仮想マシン(TNQVM)の近代化版を提案する。 新バージョンは汎用的でスケーラブルなネットワーク処理ライブラリであるExaTNをベースにしており、複数の量子回路シミュレータを提供している。 ポータブルなXACC量子プロセッサとスケーラブルなExaTNバックエンドを組み合わせることで、ラップトップから将来のエクサスケールプラットフォームにスケール可能なエンドツーエンドの仮想開発環境を導入します。
  論文  参考訳（メタデータ） (2021-04-21T13:26:42Z)

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。