論文の概要: Bridging Quantum and Classical Computing in Drug Design: Architecture Principles for Improved Molecule Generation

• arxiv url: http://arxiv.org/abs/2506.01177v1
• Date: Sun, 01 Jun 2025 21:24:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:33.975185
• Title: Bridging Quantum and Classical Computing in Drug Design: Architecture Principles for Improved Molecule Generation
• Title（参考訳）: 医薬品設計における量子と古典コンピューティングの橋渡し:分子生成改善のためのアーキテクチャ原理
• Authors: Andrew Smith, Erhan Guven,
• Abstract要約: 分子発見における生成逆数ネットワーク(GAN)の量子古典的ブリッジアーキテクチャを体系的に最適化する。 我々の最適化モデル(BO-QGAN)は、従来の量子ハイブリッドベンチマークよりも2.27倍高い薬物候補スコア(DCS)を達成することで、性能を著しく向上させる。 この研究は、ハイブリッドモデルに実証的に基礎を置いた最初のアーキテクチャガイドラインを提供し、現在の量子コンピュータを薬学研究パイプラインにより効果的に統合することを可能にする。
• 参考スコア（独自算出の注目度）: 0.3683202928838613
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hybrid quantum-classical machine learning offers a path to leverage noisy intermediate-scale quantum (NISQ) devices for drug discovery, but optimal model architectures remain unclear. We systematically optimize the quantum-classical bridge architecture for generative adversarial networks (GANs) in molecular discovery using multi-objective Bayesian optimization. Our optimized model (BO-QGAN) significantly improves performance, achieving a 2.27-fold higher Drug Candidate Score (DCS) than prior quantum-hybrid benchmarks and 2.21-fold higher than the classical baseline, using over 60% fewer parameters. Key findings favor layering multiple (3-4) shallow (4-8 qubit) quantum circuits sequentially, while classical architecture shows less sensitivity above a minimum capacity. This work provides the first empirically grounded architectural guidelines for hybrid models, enabling more effective integration of current quantum computers into pharmaceutical research pipelines.
• Abstract（参考訳）: ハイブリッド量子古典機械学習は、ノイズの多い中間スケール量子(NISQ)デバイスをドラッグ発見に活用する方法を提供するが、最適なモデルアーキテクチャはいまだ不明である。 多目的ベイズ最適化を用いた分子発見におけるGANの量子古典的ブリッジアーキテクチャを体系的に最適化する。 我々の最適化モデル(BO-QGAN)は、従来の量子ハイブリッドベンチマークよりも2.27倍高い薬物候補スコア(DCS)、従来のベースラインより2.21倍高いパラメータを60%以上少ないパラメータで達成し、性能を著しく向上させる。 鍵となる発見は、複数の(3-4)浅い(4-8量子ビット)量子回路を順次積層することであり、古典的アーキテクチャは最小容量よりも感度が低いことを示している。 この研究は、ハイブリッドモデルに実証的に基礎を置いた最初のアーキテクチャガイドラインを提供し、現在の量子コンピュータを薬学研究パイプラインにより効果的に統合することを可能にする。

関連論文リスト

• QCPINN: Quantum-Classical Physics-Informed Neural Networks for Solving PDEs [0.70224924046445]
  物理インフォームドニューラルネットワーク(PINN)は偏微分方程式(PDE)を解くための有望な方法として登場した。 本稿では、量子と古典成分を組み合わせた量子古典物理学インフォームドニューラルネットワーク(QCPINN)を提案する。 QCPINNは、古典的なアプローチで使用されるトレーニング可能なパラメータの約10%を必要としながら、安定した収束と同等の精度を達成する。
  論文  参考訳（メタデータ） (2025-03-20T19:52:26Z)
• Hybrid Quantum Neural Networks with Variational Quantum Regressor for Enhancing QSPR Modeling of CO2-Capturing Amine [0.9968037829925945]
  我々は,CO2捕捉アミンの構造-適合関係モデルを改善するために,ハイブリッド量子ニューラルネットワーク(HQNN)を開発した。 HQNNは、塩基性、粘性、沸点、融点、蒸気圧などの主要な溶媒特性の予測精度を向上させる。
  論文  参考訳（メタデータ） (2025-03-01T07:26:45Z)
• Building Continuous Quantum-Classical Bayesian Neural Networks for a Classical Clinical Dataset [0.0]
  本稿では,医学データセットの不確実性を考慮した分類を行う量子古典ベイズニューラルネットワーク(QCBNN)を提案する。 予測性能とモデルの不確実性の両方を捉える複数の行動メトリクスを追跡します。 より不確実な方法でサンプルを分類できるハイブリッドモデルを作ることは、私たちの野望です。
  論文  参考訳（メタデータ） (2024-06-10T14:23:25Z)
• Towards Efficient Quantum Hybrid Diffusion Models [68.43405413443175]
  本稿では,量子ハイブリッド拡散モデルの設計手法を提案する。 量子コンピューティングの優れた一般化と古典的ネットワークのモジュラリティを組み合わせた2つのハイブリダイゼーション手法を提案する。
  論文  参考訳（メタデータ） (2024-02-25T16:57:51Z)
• 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)
• Pooling techniques in hybrid quantum-classical convolutional neural networks [0.0]
  2次元医用画像の分類のためのハイブリッド量子古典畳み込みニューラルネットワーク(QCCNN)におけるプーリング手法の詳細な研究を行う。 プールのない等価な古典モデルやQCCNNと比較すると,類似性や性能が向上する。 QCCNNにおけるアーキテクチャの選択を、将来のアプリケーションのためにより深く研究することを約束している。
  論文  参考訳（メタデータ） (2023-05-09T16:51:46Z)
• A Framework for Demonstrating Practical Quantum Advantage: Racing Quantum against Classical Generative Models [62.997667081978825]
  生成モデルの一般化性能を評価するためのフレームワークを構築した。 古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。 以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
  論文  参考訳（メタデータ） (2023-03-27T22:48:28Z)
• When BERT Meets Quantum Temporal Convolution Learning for Text Classification in Heterogeneous Computing [75.75419308975746]
  本研究は,変分量子回路に基づく垂直連合学習アーキテクチャを提案し,テキスト分類のための量子化事前学習BERTモデルの競争性能を実証する。 目的分類実験により,提案したBERT-QTCモデルにより,SnipsおよびATIS音声言語データセットの競合実験結果が得られた。
  論文  参考訳（メタデータ） (2022-02-17T09:55:21Z)
• 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)
• Quantum-Classical Hybrid Algorithm for the Simulation of All-Electron Correlation [58.720142291102135]
  本稿では、分子の全電子エネルギーと古典的コンピュータ上の特性を計算できる新しいハイブリッド古典的アルゴリズムを提案する。 本稿では,現在利用可能な量子コンピュータ上で,化学的に関連性のある結果と精度を実現する量子古典ハイブリッドアルゴリズムの能力を実証する。
  論文  参考訳（メタデータ） (2021-06-22T18:00:00Z)

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。