論文の概要: The Convergence Frontier: Integrating Machine Learning and High Performance Quantum Computing for Next-Generation Drug Discovery

• arxiv url: http://arxiv.org/abs/2603.17790v1
• Date: Wed, 18 Mar 2026 14:51:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-19 18:32:57.766134
• Title: The Convergence Frontier: Integrating Machine Learning and High Performance Quantum Computing for Next-Generation Drug Discovery
• Title（参考訳）: 収束フロンティア:次世代医薬品発見のための機械学習と高性能量子コンピューティングの統合
• Authors: Narjes Ansari, César Feniou, Nicolaï Gouraud, Daniele Loco, Siwar Badreddine, Baptiste Claudon, Félix Aviat, Marharyta Blazhynska, Kevin Gasperich, Guillaume Michel, Diata Traore, Corentin Villot, Thomas Plé, Olivier Adjoua, Louis Lagardère, Jean-Philip Piquemal,
• Abstract要約: 量子力学を薬物発見に統合することは、経験的試行錯誤から量的精度への決定的なシフトを示す。 アブ初期分子動力学の禁止コストは、化学的精度と計算スケーラビリティの妥協を迫られた。 本稿では,ハイパフォーマンスコンピューティング,機械学習,量子コンピューティングの収束を,このボトルネックに対する決定的な解決策として挙げる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Integrating quantum mechanics into drug discovery marks a decisive shift from empirical trial-and-error toward quantitative precision. However, the prohibitive cost of ab initio molecular dynamics has historically forced a compromise between chemical accuracy and computational scalability. This paper identifies the convergence of High-Performance Computing (HPC), Machine Learning (ML), and Quantum Computing (QC) as the definitive solution to this bottleneck. While ML foundation models, such as FeNNix-Bio1, enable quantum-accurate simulations, they remain tethered to the inherent limits of classical data generation. We detail how High-Performance Quantum Computing (HPQC), utilizing hybrid QPU-GPU architectures, will serve as the ultimate accelerator for quantum chemistry data. By leveraging Hilbert space mapping, these systems can achieve true chemical accuracy while bypassing the heuristics of classical approximations. We show how this tripartite convergence optimizes the drug discovery pipeline, spanning from initial system preparation to ML-driven, high-fidelity simulations. Finally, we position quantum-enhanced sampling as the beyond GPU frontier for modeling reactive cellular systems and pioneering next-generation materials.
• Abstract（参考訳）: 量子力学を薬物発見に統合することは、経験的試行錯誤から量的精度への決定的なシフトを示す。 しかし、アブ初期分子動力学の禁止コストは、歴史的に化学精度と計算スケーラビリティの妥協を迫られてきた。 本稿では、ハイパフォーマンスコンピューティング(HPC)、機械学習(ML)、量子コンピューティング(QC)の収束を、このボトルネックに対する決定的な解決策として挙げる。 FeNNix-Bio1のようなML基盤モデルは量子精度のシミュレーションを可能にするが、それらは古典的なデータ生成の本質的な限界に結びついている。 ハイブリッドQPU-GPUアーキテクチャを利用するHPQC(High-Performance Quantum Computing)が、量子化学データの究極の加速器となるのかを詳述する。 ヒルベルト空間マッピングを利用することで、これらの系は古典近似のヒューリスティックスをバイパスしながら真の化学的精度を達成することができる。 この三部体収束は、初期システム準備からML駆動の高忠実度シミュレーションまで、どのように薬物発見パイプラインを最適化するかを示す。 最後に、反応するセルシステムのモデリングと次世代材料の開拓のためのGPUフロンティアとして量子強化サンプリングを位置づける。

関連論文リスト

• Molecular resonance identification in complex absorbing potentials via integrated quantum computing and high-throughput computing [36.94429692322632]
  本研究では,分子共鳴同定の問題を量子-古典的量子固有解法のハイブリッドネットワークに抽出するために,複素吸収ポテンシャル形式を利用したアルゴリズムを開発した。 シミュレーション量子プロセッサにおける共振エネルギーと波動関数を,現在および計画中の仕様で同定する。
  論文  参考訳（メタデータ） (2025-11-20T02:28:05Z)
• FD4QC: Application of Classical and Quantum-Hybrid Machine Learning for Financial Fraud Detection A Technical Report [36.1999598554273]
  本稿では、古典的、量子的、量子ハイブリッドな機械学習モデルによる不正な金融活動のバイナリな行動分類の有効性について検討・比較する。 我々は、IBM Anti-Money Laundering (AML)データセット上で、さまざまなモデルを実装し、評価する。 実世界展開用に設計された実用的なAPI駆動システムアーキテクチャであるFD4QC(Fraud Detection for Quantum Computing)を提案する。
  論文  参考訳（メタデータ） (2025-07-25T16:08:22Z)
• Quantum QSAR for drug discovery [41.94295877935867]
  量的構造-活性関係(QSAR)モデリングは、薬物発見の鍵となる。 本研究では,量子支援ベクトルマシン(QSVM)によるQSAR技術の向上を提案する。 量子データ符号化と量子カーネル関数を用いて,より正確かつ効率的な予測モデルの構築を目指す。
  論文  参考訳（メタデータ） (2025-05-06T17:58:33Z)
• Training Hybrid Deep Quantum Neural Network for Efficient Reinforcement Learning [3.753031740069576]
  量子回路は、次元が指数関数的に増加するヒルベルト空間にデータを埋め込む。 量子回路を局所的に近似する有接サロゲートqtDNNを導入する。 我々は、連続制御強化学習のためのハイブリッドディープ量子ニューラルネットワークhDQNN-TD3を設計する。
  論文  参考訳（メタデータ） (2025-03-12T07:12:02Z)
• Calculating the energy profile of an enzymatic reaction on a quantum computer [0.0]
  量子コンピューティングは、量子化学計算を可能にするための有望な道を提供する。 最近の研究は、ノイズ中間量子(NISQ)デバイスのためのアルゴリズムの開発とスケーリングに向けられている。
  論文  参考訳（メタデータ） (2024-08-20T18:00:01Z)
• Non-unitary Coupled Cluster Enabled by Mid-circuit Measurements on Quantum Computers [37.69303106863453]
  本稿では,古典計算機における量子化学の柱である結合クラスタ(CC)理論に基づく状態準備法を提案する。 提案手法は,従来の計算オーバーヘッドを低減し,CNOTおよびTゲートの数を平均で28%,57%削減する。
  論文  参考訳（メタデータ） (2024-06-17T14:10:10Z)

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。