論文の概要: Quantum Machine Learning for Predicting Binding Free Energies in Structure-Based Virtual Screening

• arxiv url: http://arxiv.org/abs/2507.18425v1
• Date: Thu, 24 Jul 2025 14:01:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-25 15:10:43.739511
• Title: Quantum Machine Learning for Predicting Binding Free Energies in Structure-Based Virtual Screening
• Title（参考訳）: 構造ベース仮想スクリーニングにおける結合自由エネルギー予測のための量子機械学習
• Authors: Pei-Kun Yang,
• Abstract要約: 分子情報を量子状態にエンコードする量子機械学習手法を導入する。 6つの量子回路ユニットを持つモデルでは、RMSDは2.37 kcal/mol、ピアソン相関は0.650である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In structure-based virtual screening, it is often necessary to evaluate the binding free energy of protein-ligand complexes by considering not only molecular conformations but also how these structures shift and rotate in space. The number of possible combinations grows rapidly and can become overwhelming. While classical computing has limitations in this context, quantum computing offers a promising alternative due to its inherent parallelism. In this study, we introduce a quantum machine learning approach that encodes molecular information into quantum states and processes them using parameterized quantum gates. The model is implemented and trained using PyTorch, and its performance is evaluated under three settings: ideal simulation, limited-shot sampling, and simulations with quantum noise. With six quantum circuit units, the model achieves an RMSD of 2.37 kcal/mol and a Pearson correlation of 0.650. Even when using 100,000 shots, the predictions remain consistent, indicating that the model is compatible with near-term quantum hardware. Although noise slightly reduces accuracy, the ranking of ligand affinities remains largely unchanged. These findings point to a practical and scalable strategy that balances robustness and predictive power, offering a viable path to accelerate virtual screening through moderately deep quantum circuits.
• Abstract（参考訳）: 構造に基づく仮想スクリーニングでは、タンパク質-リガンド複合体の結合自由エネルギーを分子配座だけでなく、これらの構造がどのように空間内でシフトし回転するかを考えることで評価することがしばしば必要である。 可能な組み合わせの数は急速に増加し、圧倒的になる可能性がある。 古典コンピューティングはこの文脈では制限があるが、量子コンピューティングはその固有の並列性のために有望な代替手段を提供する。 本研究では,分子情報を量子状態に符号化し,パラメータ化量子ゲートを用いて処理する量子機械学習手法を提案する。 モデルはPyTorchを使用して実装および訓練され、その性能は理想的なシミュレーション、限定ショットサンプリング、量子ノイズを伴うシミュレーションの3つの設定で評価される。 6つの量子回路ユニットを持つモデルでは、RMSDは2.37 kcal/mol、ピアソン相関は0.650である。 10万枚のショットを使用しても、予測は一貫しており、モデルが短期的な量子ハードウェアと互換性があることを示している。 ノイズは精度をわずかに低下させるが、リガンド親和性のランクは変化しない。 これらの発見は、ロバスト性と予測力のバランスをとる実用的でスケーラブルな戦略を示し、適度に深い量子回路を通して仮想スクリーニングを加速する実行可能なパスを提供する。

関連論文リスト

• High-fidelity collisional quantum gates with fermionic atoms [0.9185835982622453]
  フェルミオン量子コンピュータは電子構造問題を直接的に実装する可能性を秘めている。 光超格子中のフェルミオン原子の制御により, 衝突エンタングリングゲートが最大99.75(6)%, ベル状態の寿命が10,sを超えることを実証した。
  論文  参考訳（メタデータ） (2025-06-17T16:50:08Z)
• VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [60.996803677584424]
  変分量子回路(VQC)は、量子機械学習のための新しい経路を提供する。 それらの実用的応用は、制約付き線形表現性、最適化課題、量子ハードウェアノイズに対する鋭敏感といった固有の制限によって妨げられている。 この研究は、これらの障害を克服するために設計されたスケーラブルで堅牢なハイブリッド量子古典アーキテクチャであるVQC-MLPNetを導入している。
  論文  参考訳（メタデータ） (2025-06-12T01:38:15Z)
• 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)
• Quantum Equilibrium Propagation for efficient training of quantum systems based on Onsager reciprocity [0.0]
  平衡伝播(Equilibrium propagation、EP)は、平衡に緩和する古典的なエネルギーモデルに導入され応用された手順である。 ここでは、EPとOnsagerの相互性を直接接続し、これを利用してEPの量子バージョンを導出する。 これは任意の量子系の可観測物の期待値に依存する損失関数の最適化に使うことができる。
  論文  参考訳（メタデータ） (2024-06-10T17:22:09Z)
• 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 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)
• TenCirChem: An Efficient Quantum Computational Chemistry Package for the NISQ Era [11.231358835691962]
  TenCirChemは、量子計算化学のための変分シミュレーション量子アルゴリズムのためのオープンソースライブラリである。 TenCirChemは、一元結合クラスタ回路のシミュレーションにおいて高い性能を示す。 TenCirChemは、実際の量子ハードウェア実験を実行することができる。
  論文  参考訳（メタデータ） (2023-03-20T01:47:45Z)
• Differentiable matrix product states for simulating variational quantum computational chemistry [6.954927515599816]
  本稿では,変分量子固有解法(VQE)の並列化可能な古典シミュレータを提案する。 我々のシミュレーターは量子回路の進化を古典的自己微分フレームワークにシームレスに統合する。 応用として、我々のシミュレーターを用いて、一般的なHF、LiH、H$Oなどの小分子と、最大40ドルの量子ビットを持つより大きな分子であるCO$$、BeH$、H$_4$を研究する。
  論文  参考訳（メタデータ） (2022-11-15T08:36:26Z)
• Recompilation-enhanced simulation of electron-phonon dynamics on IBM Quantum computers [62.997667081978825]
  小型電子フォノン系のゲートベース量子シミュレーションにおける絶対的資源コストについて考察する。 我々は、弱い電子-フォノン結合と強い電子-フォノン結合の両方のためのIBM量子ハードウェアの実験を行う。 デバイスノイズは大きいが、近似回路再コンパイルを用いることで、正確な対角化に匹敵する電流量子コンピュータ上で電子フォノンダイナミクスを得る。
  論文  参考訳（メタデータ） (2022-02-16T19:00:00Z)
• Holographic dynamics simulations with a trapped ion quantum computer [0.0]
  我々は、新しいスケーラブルな量子シミュレーションパラダイムを実証し、ベンチマークする。 ハネウェルに閉じ込められたイオン量子プロセッサを用いて、自己双対蹴りイジングモデルの非可積分ダイナミクスをシミュレートする。 その結果、量子テンソルネットワーク法は、最先端の量子プロセッサ機能とともに、近い将来に実用的な量子優位性を実現することができることが示唆された。
  論文  参考訳（メタデータ） (2021-05-19T18:00:02Z)
• A systematic variational approach to band theory in a quantum computer [0.0]
  我々は,任意の周期系のバンド構造を解くために,ハイブリッド量子古典アルゴリズムを提案する。 このアルゴリズムは,現在の雑音量子コンピュータにおいて,低精度で機能する低雑音デバイスにおいて信頼性が高いことを示す。
  論文  参考訳（メタデータ） (2021-04-07T21:50:19Z)
• Preparing random states and benchmarking with many-body quantum chaos [48.044162981804526]
  時間に依存しないハミルトン力学の下で自然にランダム状態アンサンブルの出現を予測し、実験的に観察する方法を示す。 観測されたランダムアンサンブルは射影測定から現れ、より大きな量子系のサブシステムの間に構築された普遍的相関に密接に関連している。 我々の研究は、量子力学におけるランダム性を理解するための意味を持ち、より広い文脈でのこの概念の適用を可能にする。
  論文  参考訳（メタデータ） (2021-03-05T08:32:43Z)
• Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
  53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。 演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
  論文  参考訳（メタデータ） (2021-01-21T22:18:49Z)

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。