論文の概要: Quantum Algorithms for Photoreactivity in Cancer-Targeted Photosensitizers
- arxiv url: http://arxiv.org/abs/2512.15889v1
- Date: Wed, 17 Dec 2025 19:04:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-19 18:10:31.777371
- Title: Quantum Algorithms for Photoreactivity in Cancer-Targeted Photosensitizers
- Title（参考訳）: がん標的光増感剤における光反応性の量子アルゴリズム
- Authors: Yanbing Zhou, Pablo A. M. Casares, Diksha Dhawan, Ignacio Loaiza, Soran Jahangiri, Robert A. Lang, Juan Miguel Arrazola, Stepan Fomichev,
- Abstract要約: 光線力学的療法 (PDT) は、光活性光増感剤を用いて活性酸素種を生成する標的がん治療である。
PDTは、強い光学感度と高効率で活性酸素種を生成する光増感剤に依存している。
本稿では,PDTの光増感剤候補を特定するために,フォールトトレラントな量子アルゴリズムを用いる方法を示す。
- 参考スコア（独自算出の注目度）: 0.9677496185710476
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Photodynamic therapy (PDT) is a targeted cancer treatment that uses light-activated photosensitizers to generate reactive oxygen species that selectively destroy tumor cells, generally causing less collateral damage than conventional treatments. However, its clinical success hinges on the availability of photosensitizers with strong optical sensitivity and high efficiency in generating reactive oxygen species. While classical computational methods have provided useful insights into photosensitizer design, they struggle to scale and often lack the accuracy needed for these simulations. In this work, we show how fault-tolerant quantum algorithms can be used to identify promising photosensitizer candidates for PDT. To predict photosensitizer performance, we assess two computational properties. First, we quantify light sensitivity by calculating the cumulative absorption in the therapeutic window with a threshold projection algorithm. Second, we determine the efficiency of reactive oxygen generation by estimating intersystem crossing (ISC) rates using the evolution-proxy approach, complemented by a vibronic dynamic treatment where appropriate. We apply these algorithms to a clinically relevant and actively pursued class of photosensitizers, BODIPY derivatives, including heavy-atom and transition-metal-substituted systems that are challenging for classical methods. Our resource estimates, obtained with PennyLane, suggest that systems with active spaces ranging from 11 to 45 spatial orbitals can be simulated using $180$-$350$ logical qubits and Toffoli gate depths between $10^7$ and $10^9$, placing our algorithms within reach of realistic fault-tolerant quantum devices. This paves the way to an efficient quantum-based workflow for designing photosensitizers that can accelerate the discovery of new PDT agents.
- Abstract（参考訳）: 光線力学的療法(PDT)は、光活性光増感剤を用いて腫瘍細胞を選択的に破壊する活性酸素種を生成する標的がん治療である。
しかし、その臨床的成功は、強い光学感度と高効率で活性酸素種を生成する光増感剤が利用可能であることに繋がる。
古典的な計算手法は、光増感器の設計に有用な洞察を与えてきたが、スケールするのに苦労し、しばしばこれらのシミュレーションに必要な精度を欠いている。
本研究では, 耐故障性量子アルゴリズムを用いて, PDTに期待できる光増感剤候補を同定する方法を示す。
光増感器の性能を予測するために,2つの計算特性を評価する。
まず,治療窓の累積吸収をしきい値予測アルゴリズムで計算し,光感度を定量化する。
次に, システム間交差 (ISC) 速度を進化プロキシ法を用いて推定することにより, 反応酸素発生の効率を推定する。
我々はこれらのアルゴリズムを、古典的手法に挑戦する重原子や遷移金属置換系を含む、臨床的に関連性があり、活発に追求された光増感剤であるBODIPY誘導体に応用する。
PennyLaneが入手したリソース推定によると、11から45の空間軌道のアクティブな空間を持つシステムは、180$-350$論理量子ビットとToffoliゲート深さを10^7$から10^9$でシミュレートでき、現実的なフォールトトレラント量子デバイスの範囲内にアルゴリズムを配置できる。
これは、新しいPDTエージェントの発見を加速する光増感剤を設計するための効率的な量子ベースのワークフローへの道を開く。
関連論文リスト
- Linear Optics to Scalable Photonic Quantum Computing [2.765106384328772]
量子フォトニクスの最近の進歩は、フォトニック量子コンピューティング(PQC)に大きな進歩をもたらした。
これらの進歩は理論ポテンシャルと実践的実装のギャップを埋め、PQCを計算、通信、量子センシングの変換技術として位置づける。
論文 参考訳（メタデータ） (2025-01-05T11:59:58Z) - Boosting Photon-Number-Resolved Detection Rates of Transition-Edge Sensors by Machine Learning [2.9829310103458186]
遷移エッジセンサー(TES)は、非常に効果的な光子数分解(PNR)検出器である。
比較的遅い熱回復時間は、実験シナリオでの運用速度を著しく制限する。
我々は,検出イベント間の完全回復時間を待つことなく,TESが光子パルスを検出し,正確に分類できるアルゴリズムを開発した。
論文 参考訳（メタデータ） (2024-11-22T22:09:50Z) - Deep learning-based variational autoencoder for classification of quantum and classical states of light [0.0]
単一光子付加コヒーレント状態(SPACS)を分類するための深層学習に基づく変分オートエンコーダ(VAE)を提案する。
VAEは、光の光子統計特性をより低次元に効率的にマッピングし、平均光子数が少ない準即時分類を可能にした。
このような深層学習手法により、検出品質が劣る場合でも、量子光と光源のより良い分類が可能になると期待する。
論文 参考訳（メタデータ） (2024-05-08T17:40:03Z) - Spatial super-resolution in nanosensing with blinking emitters [79.16635054977068]
本稿では,蛍光ナノセンサを点滅させたメソロジー(サーモメトリー,マグネティックメソメトリー,pH推定など)における空間分解能向上手法を提案する。
我々は, 生活科学分野において, 画像解析技術に補完される点滅蛍光センシング剤を日常的に活用できると考えている。
論文 参考訳（メタデータ） (2024-02-27T10:38:05Z) - Quantum-limited stochastic optical neural networks operating at a few quanta per activation [6.12660587056967]
計算におけるエネルギー効率は最終的にノイズによって制限され、量子制限は基本的なノイズフロアを設定する。
我々は、各ニューロンを1つの光子で活性化できる限界において、最後の層を除くすべての層が作動する光学ニューラルネットワークについて研究する。
トレーニングにおけるニューロン活性化の物理モデルを用いて、極めて高いショットノイズにもかかわらず、正確な機械学習推論を行うことができることを示す。
論文 参考訳（メタデータ） (2023-07-28T17:59:46Z) - Improving the Timing Resolution of Positron Emission Tomography
Detectors Using Boosted Learning -- A Residual Physics Approach [0.4999814847776097]
本研究は,機械学習(ML)と残差物理を用いた検出器最適化の新しい多用途手法を提案する。
ポジトロン・エミッション・トモグラフィー (PET) の概念を適用し, 一致時間分解能(CTR)の向上を目的とした。
臨床的に有意な19mmの検出器ではCTRを有意に改善し(20%以上)、185 ps (450-550 keV) のCTRに到達した。
論文 参考訳（メタデータ） (2023-02-03T12:10:24Z) - Retrieving space-dependent polarization transformations via near-optimal
quantum process tomography [55.41644538483948]
トモグラフィー問題に対する遺伝的および機械学習アプローチの適用について検討する。
ニューラルネットワークベースのスキームは、リアルタイムにキャラクタリゼーションを必要とするアプリケーションにおいて、重要なスピードアップを提供する。
これらの結果は、より一般的な量子プロセスにおけるトモグラフィーアプローチの最適化の基礎となることを期待する。
論文 参考訳（メタデータ） (2022-10-27T11:37:14Z) - Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy
CT Reconstruction [108.06731611196291]
我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。
本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
論文 参考訳（メタデータ） (2022-03-10T14:22:54Z) - Rapid characterisation of linear-optical networks via PhaseLift [51.03305009278831]
集積フォトニクスは優れた位相安定性を提供し、半導体産業によって提供される大規模な製造性に依存することができる。
このような光回路に基づく新しいデバイスは、機械学習アプリケーションにおいて高速でエネルギー効率の高い計算を約束する。
線形光ネットワークの転送行列を再構成する新しい手法を提案する。
論文 参考訳（メタデータ） (2020-10-01T16:04:22Z) - Near-ideal spontaneous photon sources in silicon quantum photonics [55.41644538483948]
集積フォトニクスは量子情報処理のための堅牢なプラットフォームである。
非常に区別がつかず純粋な単一の光子の源は、ほぼ決定的か高い効率で隠蔽されている。
ここでは、これらの要件を同時に満たすオンチップ光子源を実証する。
論文 参考訳（メタデータ） (2020-05-19T16:46:44Z)
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。