論文の概要: Quantum molecular docking with quantum-inspired algorithm

• arxiv url: http://arxiv.org/abs/2404.08265v1
• Date: Fri, 12 Apr 2024 06:24:45 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-15 15:45:46.112617
• Title: Quantum molecular docking with quantum-inspired algorithm
• Title（参考訳）: 量子インスパイアされたアルゴリズムによる量子分子ドッキング
• Authors: Yunting Li, Xiaopeng Cui, Zhaoping Xiong, Bowen Liu, Bi-Ying Wang, Runqiu Shu, Nan Qiao, Man-Hong Yung,
• Abstract要約: 本稿ではQAに着想を得た新しい量子分子ドッキング(QMD)手法を提案する。 我々は2つのバイナリ符号化法を構築し、指数的にビット数を減らした自由度を効率的に識別する。 我々は,QMDが検索ベースであるAuto VinaとディープラーニングのDIFFDOCKに対して,再ドッキングと自己ドッキングの両方のシナリオで優位性を示したことを示す。
• 参考スコア（独自算出の注目度）: 4.959284967789063
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Molecular docking (MD) is a crucial task in drug design, which predicts the position, orientation, and conformation of the ligand when bound to a target protein. It can be interpreted as a combinatorial optimization problem, where quantum annealing (QA) has shown promising advantage for solving combinatorial optimization. In this work, we propose a novel quantum molecular docking (QMD) approach based on QA-inspired algorithm. We construct two binary encoding methods to efficiently discretize the degrees of freedom with exponentially reduced number of bits and propose a smoothing filter to rescale the rugged objective function. We propose a new quantum-inspired algorithm, hopscotch simulated bifurcation (hSB), showing great advantage in optimizing over extremely rugged energy landscapes. This hSB can be applied to any formulation of objective function under binary variables. An adaptive local continuous search is also introduced for further optimization of the discretized solution from hSB. Concerning the stability of docking, we propose a perturbation detection method to help ranking the candidate poses. We demonstrate our approach on a typical dataset. QMD has shown advantages over the search-based Autodock Vina and the deep-learning DIFFDOCK in both re-docking and self-docking scenarios. These results indicate that quantum-inspired algorithms can be applied to solve practical problems in the drug discovery even before quantum hardware become mature.
• Abstract（参考訳）: 分子ドッキング(MD)は、標的タンパク質に結合したリガンドの位置、配向、配座を予測する薬物設計において重要な課題である。 これは組合せ最適化問題と解釈でき、量子アニール(QA)は組合せ最適化を解く上で有望な利点を示している。 本研究では,QAに着想を得た新しい量子分子ドッキング(QMD)手法を提案する。 2つのバイナリ符号化法を構築し、指数的にビット数を減らした自由度を効率的に判別し、頑健な目的関数を再スケールするスムースなフィルタを提案する。 本稿では,量子に着想を得た新しいアルゴリズムであるホップスコッチ・シミュレート・バイファーケーション(hSB)を提案する。 このhSBは、バイナリ変数の下での任意の目的関数の定式化に適用できる。 また、hSBからの離散化解をさらに最適化するために、適応的な局所連続探索も導入されている。 ドッキングの安定性について,候補ポーズのランク付けを支援するため,摂動検出手法を提案する。 典型的なデータセットにアプローチを示します。 QMDは、検索ベースのAutodock VinaとディープラーニングのDIFFDOCKに対して、再ドッキングと自己ドッキングの両方のシナリオでアドバンテージを示している。 これらの結果は、量子ハードウェアが成熟する以前にも、薬物発見の実践的な問題を解決するために量子インスパイアされたアルゴリズムが適用可能であることを示唆している。

関連論文リスト

• Adaptive quantum optimization algorithms for programmable atom-cavity systems [6.508793834090864]
  光キャビティ内のコールド原子は、プログラム可能なオール・ツー・オール相互作用を持つ普遍量子として構築可能であることを示す。 標準量子近似アルゴリズム(QAOA)の成功確率は問題の大きさとともに急速に低下する。 反断熱駆動にインスパイアされたQAOAの適応アンサッツを提案し,NPPハミルトンのパラメータ自由度を高次反断熱項に一致させる。
  論文  参考訳（メタデータ） (2024-06-11T08:37:31Z)
• Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
  変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。 本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。 また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
  論文  参考訳（メタデータ） (2024-04-17T11:00:12Z)
• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• Trainability Analysis of Quantum Optimization Algorithms from a Bayesian Lens [2.9356265132808024]
  雑音のないQAOA回路の深さが$tildemathtlog nright)$を効率よく訓練できることを示す。 この結果は、ノイズの多い中間スケール量子時代における量子アルゴリズムの理論的性能を提供する。
  論文  参考訳（メタデータ） (2023-10-10T02:56:28Z)
• GRAPE optimization for open quantum systems with time-dependent decoherence rates driven by coherent and incoherent controls [77.34726150561087]
  グラディエントアセンセントパルス工学(GRAPE)法は量子制御の最適化に広く用いられている。 我々は、コヒーレント制御と非コヒーレント制御の両方によって駆動されるオープン量子系の目的関数を最適化するために、GRAPE法を採用する。 状態-状態遷移問題に対する数値シミュレーションによりアルゴリズムの効率を実証する。
  論文  参考訳（メタデータ） (2023-07-17T13:37:18Z)
• Quantum Speedup for Higher-Order Unconstrained Binary Optimization and MIMO Maximum Likelihood Detection [2.5272389610447856]
  実数値の高次非制約二項最適化問題をサポートする量子アルゴリズムを提案する。 提案アルゴリズムは,古典的領域におけるクエリの複雑さを低減し,量子領域における2次高速化を実現する。
  論文  参考訳（メタデータ） (2022-05-31T00:14:49Z)
• Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
  マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。 これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。 本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
  論文  参考訳（メタデータ） (2022-02-17T18:59:20Z)
• Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
  マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。 その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
  論文  参考訳（メタデータ） (2021-06-24T20:16:02Z)
• Q-Match: Iterative Shape Matching via Quantum Annealing [64.74942589569596]
  形状対応を見つけることは、NP-hard quadratic assignment problem (QAP)として定式化できる。 本稿では,アルファ拡大アルゴリズムに触発されたQAPの反復量子法Q-Matchを提案する。 Q-Match は、実世界の問題にスケールできるような長文対応のサブセットにおいて、反復的に形状マッチング問題に適用できる。
  論文  参考訳（メタデータ） (2021-05-06T17:59:38Z)
• Continuous black-box optimization with quantum annealing and random subspace coding [2.839269856680851]
  ベイズ最適化のようなブラックボックス最適化アルゴリズムは、基礎関数の推論と獲得関数の最適化を交互に行い、未知関数の極端を見つける。 高次元空間では、そのようなアルゴリズムは獲得関数の最適化が困難であるため、性能が劣る。 連続ブラックボックス最適化の難しさを克服するために量子アニールを適用する。
  論文  参考訳（メタデータ） (2021-04-30T06:19:07Z)
• 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。