論文の概要: Generalizable Quantum Computing Pipeline for Real World Drug Discovery
- arxiv url: http://arxiv.org/abs/2401.03759v1
- Date: Mon, 8 Jan 2024 09:33:32 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-09 17:12:45.642870
- Title: Generalizable Quantum Computing Pipeline for Real World Drug Discovery
- Title（参考訳）: 現実世界の薬物発見のための一般化量子コンピューティングパイプライン
- Authors: Weitang Li, Zhi Yin, Xiaoran Li, Dongqiang Ma, Zhenxing Zhang, Chenji
Zou, Kunliang Bu, Maochun Dai, Jie Yue, Yuzong Chen, Xiaojin Zhang, Shengyu
Zhang
- Abstract要約: 医薬設計問題に対処するために,我々は先進的な量子コンピューティングパイプラインを開発した。
具体的には、薬物発見における2つの重要なタスクに対処するために、汎用的な量子コンピューティングパイプラインを構築します。
この研究は、薬物設計で遭遇した検証可能なシナリオに対して量子コンピューティングをベンチマークする先駆的な取り組みとして機能する。
- 参考スコア（独自算出の注目度）: 6.159326244931362
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum computing, with its superior computational capabilities compared to
classical approaches, holds the potential to revolutionize numerous scientific
domains, including pharmaceuticals. However, the application of quantum
computing for drug discovery has primarily been limited to proof-of-concept
studies, which often fail to capture the intricacies of real-world drug
development challenges. In this study, we diverge from conventional
investigations by developing an advanced quantum computing pipeline tailored to
address genuine drug design problems. Our approach underscores the pragmatic
application of quantum computation and propels it towards practical industrial
adoption. We specifically construct our versatile quantum computing pipeline to
address two critical tasks in drug discovery: the precise determination of
Gibbs free energy profiles for prodrug activation involving covalent bond
cleavage, and the accurate simulation of covalent bond interactions. This work
serves as a pioneering effort in benchmarking quantum computing against
veritable scenarios encountered in drug design, especially the covalent bonding
issue present in both of the case studies, thereby transitioning from
theoretical models to tangible applications. Our results demonstrate the
potential of a quantum computing pipeline for integration into real world drug
design workflows.
- Abstract（参考訳）: 量子コンピューティングは、古典的アプローチよりも優れた計算能力を持ち、医薬品を含む多くの科学領域に革命を起こす可能性を秘めている。
しかし、量子コンピューティングの薬物発見への応用は主に概念実証研究に限られており、現実の薬物開発課題の複雑さを捉えるのに失敗することが多い。
本研究では,創薬設計問題に対処するための高度な量子コンピューティングパイプラインを開発することにより,従来の研究から逸脱する。
提案手法は, 量子計算の実用的応用を強調し, 実用化に向けて推進するものである。
具体的には, 共有結合切断を伴うプロドラッグ活性化のためのギブス自由エネルギープロファイルの正確な決定と, 共有結合相互作用の正確なシミュレーションという, 薬物発見における2つの重要な課題に対処する汎用量子コンピューティングパイプラインを構築した。
この研究は、薬物設計で遭遇する検証可能なシナリオ、特に2つのケーススタディに存在する共有結合問題に対する量子コンピューティングのベンチマークの先駆的な取り組みとなり、理論モデルから具体的応用へと移行する。
本結果は,現実の薬物設計ワークフローに統合するための量子コンピューティングパイプラインの可能性を示す。
関連論文リスト
- Quantum Machine Learning in Drug Discovery: Applications in Academia and Pharmaceutical Industries [1.8195318084816288]
量子コンピューティングと機械学習 - 量子機械学習 - のネクサスは、化学の大幅な進歩の可能性を秘めている。
本稿では, 薬物発見の文脈において, ゲート型量子コンピュータにおける量子ニューラルネットワークの可能性について検討する。
論文 参考訳（メタデータ） (2024-09-24T01:17:34Z) - End-to-End Quantum Simulation of a Chemical System [2.603151203581752]
我々は、高性能コンピューティング、信頼性のある量子コンピューティング、AIの最初のエンドツーエンド統合を実演する。
本稿では, 強い相関関係を持つ反応構成を決定するためのハイブリッド計算ワークフローを提案し, それらの構成に対して, その活性部位の基底状態エネルギーを推定する。
論文 参考訳（メタデータ） (2024-09-09T17:41:44Z) - Quantum-machine-assisted Drug Discovery: Survey and Perspective [26.938073657909097]
従来のコンピュータ支援ドラッグデザイン(CADD)は、このプロセスの加速に大きな進歩をもたらした。
量子コンピューティングの本質的な能力を活用することで、新しい薬を市場に投入する際の時間とコストを削減できるかもしれません。
論文 参考訳（メタデータ） (2024-08-24T05:38:31Z) - 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) - A Quantum-Classical Collaborative Training Architecture Based on Quantum
State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。
Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。
他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文 参考訳（メタデータ） (2024-02-23T14:09:41Z) - Quantum Imitation Learning [74.15588381240795]
本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。
量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。
実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
論文 参考訳（メタデータ） (2023-04-04T12:47:35Z) - Anticipative measurements in hybrid quantum-classical computation [68.8204255655161]
量子計算を古典的な結果によって補う手法を提案する。
予測の利点を生かして、新しいタイプの量子測度がもたらされる。
予測量子測定では、古典計算と量子計算の結果の組み合わせは最後にのみ起こる。
論文 参考訳（メタデータ） (2022-09-12T15:47:44Z) - A perspective on the current state-of-the-art of quantum computing for
drug discovery applications [43.55994393060723]
量子コンピューティングは、現在不可能な計算に到達することで、化学研究の多くの分野における計算能力をシフトすることを約束する。
我々は、最先端量子アルゴリズムのスケーリング特性を簡潔に要約し、比較する。
医薬学的に相関するタンパク質-ドラッグ複合体の、徐々に大きな埋め込み領域をシミュレートする量子計算コストの新たな見積もりを提供する。
論文 参考訳（メタデータ） (2022-06-01T15:05:04Z) - Realization of arbitrary doubly-controlled quantum phase gates [62.997667081978825]
本稿では,最適化問題における短期量子優位性の提案に着想を得た高忠実度ゲートセットを提案する。
3つのトランペット四重項のコヒーレントな多レベル制御を編成することにより、自然な3量子ビット計算ベースで作用する決定論的連続角量子位相ゲートの族を合成する。
論文 参考訳（メタデータ） (2021-08-03T17:49:09Z) - On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。
私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
論文 参考訳（メタデータ） (2021-06-29T14:01:40Z) - Simulating quantum chemistry in the seniority-zero space on qubit-based
quantum computers [0.0]
計算量子化学の近似をゲートベースの量子コンピュータ上で分子化学をシミュレートする手法と組み合わせる。
基本集合を増大させるために解放された量子資源を用いることで、より正確な結果が得られ、必要な数の量子コンピューティングの実行が削減されることが示される。
論文 参考訳（メタデータ） (2020-01-31T19:44:37Z)
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。