論文の概要: MolQAE: Quantum Autoencoder for Molecular Representation Learning
- arxiv url: http://arxiv.org/abs/2505.01875v2
- Date: Fri, 30 May 2025 04:53:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-02 19:47:52.47918
- Title: MolQAE: Quantum Autoencoder for Molecular Representation Learning
- Title（参考訳）: MolQAE:分子表現学習のための量子オートエンコーダ
- Authors: Yi Pan, Hanqi Jiang, Wei Ruan, Dajiang Zhu, Xiang Li, Yohannes Abate, Yingfeng Wang, Tianming Liu,
- Abstract要約: MolQAEは完全な分子構造を利用する最初の量子オートエンコーダである。
MolQAEはパラメータ化された回転ゲートを用いてSMILES文字列を直接量子状態にマッピングする。
- 参考スコア（独自算出の注目度）: 19.646000097585272
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce Quantum Molecular Autoencoder (MolQAE), the first quantum autoencoder to leverage the complete molecular structures. MolQAE uniquely maps SMILES strings directly to quantum states using parameterized rotation gates, preserving vital structural information. Its quantum encoder-decoder framework enables latent space compression and reconstruction. A dual-objective strategy optimizes fidelity and minimizes trash state deviation. Our evaluations demonstrate effective capture of molecular characteristics and a remarkable preservation of fidelity, approaching robust molecular reconstruction even with substantial dimensionality reduction. Our model establishes a quantum pathway in cheminformatics by being the first to process complete molecular structural information with a dedicated quantum architecture considering the Noisy Intermediate-Scale Quantum (NISQ)-era development and promising significant advances in drug and materials discovery.
- Abstract（参考訳）: 完全分子構造を利用する最初の量子オートエンコーダである量子分子オートエンコーダ(MolQAE)を紹介する。
MolQAEはSMILES文字列をパラメータ化された回転ゲートを用いて直接量子状態にマッピングし、重要な構造情報を保存する。
その量子エンコーダデコーダフレームワークは、潜在空間圧縮と再構成を可能にする。
二重目的戦略は、忠実度を最適化し、ゴミ状態の偏差を最小限にする。
本評価は, 分子特性を効果的に把握し, 忠実度を顕著に保ち, 相当な次元性低下を伴ってもロバストな分子再構成に近づいた。
我々のモデルは、NISQ(Noisy Intermediate-Scale Quantum)時代の発展を考慮し、医薬品や物質の発見において有望な進歩を期待して、完全分子構造情報を専用の量子アーキテクチャで処理し、ケミフォマティクスにおける量子経路を確立する。
関連論文リスト
- Are Molecules Magical? Non-Stabilizerness in Molecular Bonding [50.24983453990065]
分離原子と平衡状態の分子は、量子計算複雑性の観点からは単純であると推定される。
化学結合の形成過程は電子基底状態の量子的複雑さの顕著な増大を伴うことを示す。
論文 参考訳（メタデータ） (2025-04-09T08:14:27Z) - Molecular Quantum Transformer [0.0]
分子量子系における相互作用をモデル化するための分子量子変換器(MQT)を提案する。
分子構成の注意機構を実装するために量子回路を利用することで、MQTは全ての構成に対する基底状態エネルギーを効率的に計算できる。
提案手法は, 既存の量子アルゴリズムの代替として, 基底状態エネルギーを推定し, 量子化学と材料科学の新しい道を開く。
論文 参考訳（メタデータ） (2025-03-27T16:54:15Z) - Molecular representations of quantum circuits for quantum machine learning [0.0]
量子機械学習において,分子を量子回路の記述子として用いることができることを示す。
量子アルゴリズムの精度は、特定の分子の集合からサンプリングすることで高い確率で達成できることを示す。
論文 参考訳（メタデータ） (2025-03-07T21:49:48Z) - Quantum Information Processing with Molecular Nanomagnets: an introduction [49.89725935672549]
本稿では,量子情報処理の導入について紹介する。
量子アルゴリズムを理解し設計するための基本的なツールを紹介し、分子スピンアーキテクチャ上での実際の実現を常に言及する。
分子スピンキュートハードウェア上で提案および実装された量子アルゴリズムの例を示す。
論文 参考訳（メタデータ） (2024-05-31T16:43:20Z) - 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) - 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) - Scalable Variational Quantum Circuits for Autoencoder-based Drug
Discovery [8.871042314510788]
変分オートエンコーダは、既存の分子データセットに基づいて化学空間を探索するコンピュータ支援設計手法の1つである。
本稿では,創薬分子を同時に再構成・サンプリングするためのスケーラブルな量子生成オートエンコーダ(SQ-VAE)と,それに対応するバニラ変種(SQ-AE)について述べる。
論文 参考訳（メタデータ） (2021-11-15T00:26:19Z) - 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) - A perspective on scaling up quantum computation with molecular spins [0.0]
化学設計により、各分子単位に非自明な量子関数を埋め込むことができる。
我々は、オンチップ超伝導共振器との結合により、この目標を達成する方法について論じる。
論文 参考訳（メタデータ） (2021-05-03T07:11:36Z) - Computation of molecular excited states on IBM quantum computers using a
discriminative variational quantum eigensolver [0.965964228590342]
分子励起状態を決定するための変分量子機械学習法を提案する。
分子ハミルトニアンの固有状態を反復的に見つけるために、タンデムで動く2つのパラメタライズド量子回路と変分量子固有解器(VQE)を組み合わせる。
論文 参考訳（メタデータ） (2020-01-14T17:56:04Z)
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。