論文の概要: Efficient Quantum Protein Structure Prediction with Problem-Agnostic Ansatzes

• arxiv url: http://arxiv.org/abs/2509.18263v1
• Date: Mon, 22 Sep 2025 18:00:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-24 20:41:27.513302
• Title: Efficient Quantum Protein Structure Prediction with Problem-Agnostic Ansatzes
• Title（参考訳）: 問題非依存的アンサーゼを用いた効率的な量子タンパク質構造予測
• Authors: Hanna Linn, Rui-Hao Li, Alexander Holden, Abdullah Ash Saki, Frank DiFilippo, Tomas Radivoyevitch, Daniel Blankenberg, Laura García-Álvarez, Göran Johansson,
• Abstract要約: 本稿では,問題に依存しないアンザッツを用いて,より効率的な量子タンパク質構造予測ワークフローを提案する。 アンザッツは、従来のコンピュータで効率的に計算できるエネルギーベースのコスト関数を最小限に抑えるために訓練されている。 最大26個のアミノ酸を持つタンパク質の集合に対して,ハードウェア効率の良いアンザッツをベンチマークし,本手法の有効性を検証した。
• 参考スコア（独自算出の注目度）: 31.766020245733714
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurately predicting protein structures from amino acid sequences remains a fundamental challenge in computational biology, with profound implications for understanding biological functions and enabling structure-based drug discovery. Quantum computing approaches based on coarse-grained lattice models combined with variational algorithms have been proposed as an initial step towards predicting protein structures using quantum computers. In this work, we introduce a more efficient quantum protein structure prediction workflow that bypasses the need for explicit Hamiltonian construction by employing a problem-agnostic ansatz. The ansatz is trained to minimize an energy-based cost function that can be efficiently computed on classical computers, eliminating the need for ancillary qubits and reducing circuit depth compared to previous Hamiltonian-based methods. This enables a more scalable approach for larger proteins and facilitates the inclusion of higher-order interactions, previously hard to achieve in quantum approaches. We validate our method by benchmarking a hardware-efficient ansatz on a large set of proteins with up to 26 amino acids, modeled on the tetrahedral, body-centered cubic, and face-centered cubic lattices, incorporating up to second-nearest-neighbor interactions. We assess the performance on both a noise-free simulator and the ibm_kingston quantum computer using a set of distinct metrics to probe different aspects of the prediction quality. These experiments push the boundaries of quantum methods for protein structure prediction, targeting sequences that are longer than those typically addressed in prior studies. Overall, the results highlight the scalability and versatility of our approach, while also identifying key areas for improvement to inform future algorithm development and hardware advancements.
• Abstract（参考訳）: アミノ酸配列からタンパク質の構造を正確に予測することは、生物学的機能を理解し、構造に基づく薬物発見を可能にするために重要な意味を持つ計算生物学における根本的な課題である。 粗粒格子モデルと変分アルゴリズムを組み合わせた量子コンピューティングアプローチは、量子コンピュータを用いてタンパク質構造を予測するための最初のステップとして提案されている。 本研究では,問題に依存しないアンザッツを用いることで,ハミルトン構造を明示する必要性を回避し,より効率的な量子タンパク質構造予測ワークフローを導入する。 アンザッツは、古典的コンピュータで効率的に計算できるエネルギーベースのコスト関数を最小限に抑え、補助量子ビットの必要性を排除し、以前のハミルトン方式に比べて回路深さを減少させるよう訓練されている。 これにより、より大きなタンパク質に対してよりスケーラブルなアプローチが可能となり、以前は量子的アプローチでは達成が困難だった高次相互作用の包含が容易になる。 四面体, 体中心立方体, 面中心立方体格子をモデルとし, 最大26個のアミノ酸からなる巨大タンパク質に対して, ハードウェア効率の良いアンザッツをベンチマークし, 反応を検証した。 我々は,ノイズフリーシミュレータとibm_kingston量子コンピュータの性能を,それぞれ異なる指標を用いて評価し,予測品質の異なる側面を探索する。 これらの実験は、タンパク質構造予測のための量子メソッドの境界を押し上げ、従来の研究よりも長い配列を標的にしている。 全体として、私たちのアプローチのスケーラビリティと汎用性を強調しながら、将来のアルゴリズム開発とハードウェアの進歩を知らせるための改善の鍵となる領域を特定します。

関連論文リスト

• RinQ: Towards predicting central sites in proteins on current quantum computers [0.0]
  タンパク質の機能的臨界残基を同定するためのハイブリッド量子古典的フレームワークであるRinQを紹介する。 タンパク質構造は残基相互作用ネットワーク(RIN)としてモデル化され、QUBOの定式化はD-Waveのシミュレーションアニールを用いて解決される。
  論文  参考訳（メタデータ） (2025-08-02T21:53:09Z)
• Quantum Algorithm for Protein Side-Chain Optimisation: Comparing Quantum to Classical Methods [0.0]
  本研究では,タンパク質構造の基底状態エネルギーを計算するための資源効率最適化アルゴリズムを開発した。 量子近似最適化アルゴリズムを用いて、コンフォーメーション空間を探索し、低エネルギー構成を同定する量子アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-07-25T15:37:04Z)
• Provably Robust Training of Quantum Circuit Classifiers Against Parameter Noise [49.97673761305336]
  ノイズは、信頼できる量子アルゴリズムを達成するための大きな障害である。 本稿では,パラメータ化量子回路分類器のロバスト性を高めるための雑音耐性学習理論とアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-05-24T02:51:34Z)
• Efficient Protein Ground State Energy Computation via Fragmentation and Reassembly [0.0]
  本稿では,既存の量子アルゴリズムを用いた量子シミュレーションを実現するための新しい手法を提案する。 我々のアプローチでは、タンパク質を対応するアミノ酸に分解し、それらを個別にシミュレートし、化学修飾を施した後に再組み立てする。 この手法は、比較的小さなペプチドの基底状態エネルギーを再集合して計算し、平均相対誤差が0.00469 pm 0.01071%$であることを示す。 将来的には、より大きな量子コンピュータで、このアプローチがより大きなタンパク質に対して有効かどうかを調査する予定である。
  論文  参考訳（メタデータ） (2025-01-07T13:10:49Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [62.46800898243033]
  量子学習理論の最近の進歩は、様々な古典的な入力によって生成された測定データから、大きな量子ビット回路の線形特性を効率的に学習できるのか? 我々は、小さな予測誤差を達成するためには、$d$で線形にスケーリングするサンプルの複雑さが必要であることを証明し、それに対応する計算複雑性は、dで指数関数的にスケールする可能性がある。 そこで本研究では,古典的影と三角展開を利用したカーネルベースの手法を提案し,予測精度と計算オーバーヘッドとのトレードオフを制御可能とした。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Protein Design by Integrating Machine Learning with Quantum Annealing and Quantum-inspired Optimization [0.0]
  タンパク質設計の問題は、与えられた三次元構造に折り畳まれたポリペプチド配列を見つけることである。 最近の機械学習のブレークスルーにより、正確で迅速な構造予測が可能になった。 本稿では,機械学習と量子インスパイアされたアルゴリズムのアルゴリズム的および技術的進歩を統合できる汎用的なタンパク質設計手法を提案する。
  論文  参考訳（メタデータ） (2024-07-09T18:42:45Z)
• Analyzing Prospects for Quantum Advantage in Topological Data Analysis [35.423446067065576]
  我々は、トポロジカルデータ解析のための改良された量子アルゴリズムを解析し、最適化する。 超二次量子スピードアップは乗法誤差近似をターゲットとする場合にのみ可能であることを示す。 数百億のトフォリを持つ量子回路は、古典的に難解なインスタンスを解くことができると我々は主張する。
  論文  参考訳（メタデータ） (2022-09-27T17:56:15Z)
• Peptide conformational sampling using the Quantum Approximate Optimization Algorithm [0.03499870393443267]
  短いペプチドの低エネルギー配座をサンプリングする際の変分量子アルゴリズムの性能を数値的に検討する。 その結果、QAOAがタンパク質の折りたたみ問題に短期的に対処する能力に深刻な疑念を抱いた。
  論文  参考訳（メタデータ） (2022-04-04T20:09:50Z)
• EBM-Fold: Fully-Differentiable Protein Folding Powered by Energy-based Models [53.17320541056843]
  本研究では,データ駆動型生成ネットワークを用いたタンパク質構造最適化手法を提案する。 EBM-Foldアプローチは,従来のロゼッタ構造最適化ルーチンと比較して,高品質なデコイを効率よく生成できる。
  論文  参考訳（メタデータ） (2021-05-11T03:40:29Z)
• Transfer Learning for Protein Structure Classification at Low Resolution [124.5573289131546]
  タンパク質のクラスとアーキテクチャの正確な(geq$80%)予測を、低い(leq$3A)解像度で決定された構造から行うことができることを示す。 本稿では, 高速で低コストなタンパク質構造を低解像度で分類するための概念実証と, 機能予測への拡張の基礎を提供する。
  論文  参考訳（メタデータ） (2020-08-11T15:01:32Z)

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。