論文の概要: Using quantum annealing to design lattice proteins
- arxiv url: http://arxiv.org/abs/2402.09069v1
- Date: Wed, 14 Feb 2024 10:28:43 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-15 16:08:54.974951
- Title: Using quantum annealing to design lattice proteins
- Title（参考訳）: 量子アニールを用いた格子タンパク質の設計
- Authors: Anders Irb\"ack, Lucas Knuthson, Sandipan Mohanty, Carsten Peterson
- Abstract要約: 我々は、D-Waveハイブリッド量子古典解法を用いて、正しいHPモデル基底状態の高速かつ一貫した同定を実証する。
タンパク質設計問題(たんぱくせいてん、英: protein design problem)は、上記の逆問題である。
そこで本研究では,D-Wave マシン上に実装・実行された2段階の手順で設計問題にアプローチする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum annealing has shown promise for finding solutions to difficult
optimization problems, including protein folding. Recently, we used the D-Wave
Advantage quantum annealer to explore the folding problem in a coarse-grained
lattice model, the HP model, in which amino acids are classified into two broad
groups: hydrophobic (H) and polar (P). Using a set of 22 HP sequences with up
to 64 amino acids, we demonstrated the fast and consistent identification of
the correct HP model ground states using the D-Wave hybrid quantum-classical
solver. An equally relevant biophysical challenge, called the protein design
problem, is the inverse of the above, where the task is to predict protein
sequences that fold to a given structure. Here, we approach the design problem
by a two-step procedure, implemented and executed on a D-Wave machine. In the
first step, we perform a pure sequence-space search by varying the type of
amino acid at each sequence position, and seek sequences which minimize the
HP-model energy of the target structure. After mapping this task onto an Ising
spin glass representation, we employ a hybrid quantum-classical solver to
deliver energy-optimal sequences for structures with 30-64 amino acids, with a
100% success rate. In the second step, we filter the optimized sequences from
the first step according to their ability to fold to the intended structure. In
addition, we try solving the sequence optimization problem using only the QPU,
which confines us to sizes $\le$20, due to exponentially decreasing success
rates. To shed light on the pure QPU results, we investigate the effects of
control errors caused by an imperfect implementation of the intended
Hamiltonian on the QPU, by numerically analyzing the Schr\"odinger equation. We
find that the simulated success rates in the presence of control noise
semi-quantitatively reproduce the modest pure QPU results for larger chains.
- Abstract（参考訳）: 量子アニールはタンパク質の折り畳みを含む難しい最適化問題の解決策を見つけることを約束している。
近年, アミノ酸を疎水性 (H) と極性 (P) の2群に分類した粗粒格子モデルHPモデルにおいて, D-Wave Advantage 量子アニールを用いて折り畳み問題を探索している。
最大64個のアミノ酸を含む22個のHP配列を用いて、D-Waveハイブリッド量子古典解法を用いて正しいHPモデル基底状態の高速かつ一貫した同定を行った。
タンパク質設計問題(英: protein design problem)は、タンパク質が特定の構造に折りたたむタンパク質配列を予測するという課題である。
そこで我々は,D-Wave マシン上で実装・実行された2段階の手順で設計問題にアプローチする。
第1段階では,各配列位置のアミノ酸の種類を変化させて純粋配列空間探索を行い,対象構造のhpモデルエネルギーを最小化する配列を求める。
このタスクをイジングスピングラス表現にマッピングした後、我々は30-64アミノ酸の構造に対して100%の成功率でエネルギー最適配列を提供するために、ハイブリッド量子古典解法を用いています。
第2ステップでは、最適化されたシーケンスを、意図した構造に折り畳む能力に応じて第1ステップからフィルタリングする。
さらに,QPUのみを用いてシーケンス最適化問題を解くことを試みた。これは成功率の指数関数的に減少するため,20ドル程度に抑えられる。
純粋なQPU結果に光を当てるために、Shr\odinger方程式を数値解析することにより、意図したハミルトン式がQPUに不完全な実装によって生じる制御誤差の影響を調べる。
その結果,制御雑音の存在下でのシミュレーション成功率は,より大きい鎖の純粋なqpu結果を半定量的に再現できることが判明した。
関連論文リスト
- Increasing the Hardness of Posiform Planting Using Random QUBOs for Programmable Quantum Annealer Benchmarking [1.6385815610837167]
我々は,多数の小さな離散係数スピングラスイジングモデルを融合させることにより,ポジフォーム植込みQUBOを計算的に困難にすることを検討する。
3つのD-Wave超伝導量子アニーリングプロセッサの性能をベンチマークする。
D-Wave QPUの地中サンプリング成功率は、我々が採用するランダムQUBOのサイズに対して変化しないことがわかった。
論文 参考訳（メタデータ） (2024-11-06T02:46:33Z) - Quantum Gate Generation in Two-Level Open Quantum Systems by Coherent
and Incoherent Photons Found with Gradient Search [77.34726150561087]
我々は、非コヒーレント光子によって形成される環境を、非コヒーレント制御によるオープン量子系制御の資源とみなす。
我々は、ハミルトニアンにおけるコヒーレント制御と、時間依存デコヒーレンス率を誘導する散逸器における非コヒーレント制御を利用する。
論文 参考訳（メタデータ） (2023-02-28T07:36:02Z) - 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) - Applying Deep Reinforcement Learning to the HP Model for Protein
Structure Prediction [7.769624124148049]
本稿では,タンパク質の折り畳みに対するHPモデルに深部強化学習を適用した。
長寿命メモリ(LSTM)アーキテクチャに基づくDQNは、RL学習能力を大幅に向上し、探索処理を大幅に改善する。
実験により, 試行錯誤時に最もよく知られた解を複数発見できることが確認できた。
論文 参考訳（メタデータ） (2022-11-27T21:17:48Z) - Folding lattice proteins with quantum annealing [0.0]
量子アニールに適した格子タンパク質折り畳みのための新しいスピン表現法を開発した。
我々の符号化では、設計によるハミルトニアンはイジング型アニーラーの計算に必要となる二次構造を持つ。
以上の結果から,HP チェーンを100%のヒット率で最大$N=30$ビーズとした。
論文 参考訳（メタデータ） (2022-05-12T13:30:57Z) - On optimization of coherent and incoherent controls for two-level
quantum systems [77.34726150561087]
本稿では、閉かつオープンな2レベル量子系の制御問題について考察する。
閉系の力学は、コヒーレント制御を持つシュリンガー方程式によって支配される。
開系の力学はゴリーニ=コサコフスキー=スダルシャン=リンドブラッドのマスター方程式によって支配される。
論文 参考訳（メタデータ） (2022-05-05T09:08:03Z) - Quantum Deep Learning for Mutant COVID-19 Strain Prediction [22.182326473943004]
新型コロナウイルス感染の可能性のある変異(特にスパイクタンパク質)の早期予測は、早期の予防と治療につながる可能性がある。
本稿では,DeepQuantumという開発ツールを提案し,このソフトウェアを用いてスパイクタンパク質の変動構造を予測する。
さらに、このハイブリッド量子古典モデルは、量子にインスパイアされたぼやけた畳み込みを初めて達成した。
論文 参考訳（メタデータ） (2022-03-04T08:33:28Z) - A Hybrid Quantum-Classical Algorithm for Robust Fitting [47.42391857319388]
本稿では,ロバストフィッティングのためのハイブリッド量子古典アルゴリズムを提案する。
私たちのコアコントリビューションは、整数プログラムの列を解く、新しい堅牢な適合式である。
実際の量子コンピュータを用いて得られた結果について述べる。
論文 参考訳（メタデータ） (2022-01-25T05:59:24Z) - Benchmarking adaptive variational quantum eigensolvers [63.277656713454284]
VQEとADAPT-VQEの精度をベンチマークし、電子基底状態とポテンシャルエネルギー曲線を計算する。
どちらの手法もエネルギーと基底状態の優れた推定値を提供する。
勾配に基づく最適化はより経済的であり、勾配のない類似シミュレーションよりも優れた性能を提供する。
論文 参考訳（メタデータ） (2020-11-02T19:52:04Z) - Quantum-optimal-control-inspired ansatz for variational quantum
algorithms [105.54048699217668]
変分量子アルゴリズム (VQA) の中心成分は状態準備回路(英語版)であり、アンザッツ(英語版)または変分形式(英語版)とも呼ばれる。
ここでは、対称性を破るユニタリを組み込んだ「解」を導入することで、このアプローチが必ずしも有利であるとは限らないことを示す。
この研究は、より一般的な対称性を破るアンスの開発に向けた第一歩となり、物理学や化学問題への応用に繋がる。
論文 参考訳（メタデータ） (2020-08-03T18:00:05Z) - MoG-VQE: Multiobjective genetic variational quantum eigensolver [0.0]
変分量子固有解法 (VQE) は、近距離量子コンピュータのための最初の実用的なアルゴリズムとして登場した。
本稿では,低深度と精度の向上を両立させる手法を提案する。
2ビットゲート数の10倍近く削減されるのを、標準のハードウェア効率のアンサッツと比較して観察する。
論文 参考訳（メタデータ） (2020-07-08T20:44:50Z)
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。