論文の概要: Latent Style-based Quantum Wasserstein GAN for Drug Design

• arxiv url: http://arxiv.org/abs/2603.22399v1
• Date: Mon, 23 Mar 2026 18:00:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.118989
• Title: Latent Style-based Quantum Wasserstein GAN for Drug Design
• Title（参考訳）: 薬剤設計のための潜時型量子ワッセルシュタインGAN
• Authors: Julien Baglio, Yacine Haddad, Richard Polifka,
• Abstract要約: 本稿では,回路の各回転ゲートにノイズエンコーディングを実装した,薬物設計のための新しいスタイルベースの量子GANアーキテクチャを提案する。 我々のパイプラインは、潜伏空間の分子構造を表現するために変分オートエンコーダを使用し、QGANの入力として使用される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The development of new drugs is a tedious, time-consuming, and expensive process, for which the average costs are estimated to be up to around $2.5 billion. The first step in this long process is the design of the new drug, for which de novo drug design, assisted by artificial intelligence, has blossomed in recent years and revolutionized the field. In particular, generative artificial intelligence has delivered promising results in drug discovery and development, reducing costs and the time to solution. However, classical generative models, such as generative adversarial networks (GANs), are difficult to train due to barren plateaus and prone to mode collapse. Quantum computing may be an avenue to overcome these issues and provide models with fewer parameters, thereby enhancing the generalizability of GANs. We propose a new style-based quantum GAN (QGAN) architecture for drug design that implements noise encoding at every rotational gate of the circuit and a gradient penalty in the loss function to mitigate mode collapse. Our pipeline employs a variational autoencoder to represent the molecular structure in a latent space, which is then used as input to our QGAN. Our baseline model runs on up to 15 qubits to validate our architecture on quantum simulators, and a 156-qubit IBM Heron quantum computer in the five-qubit setup is used for inference to investigate the effects of using real quantum hardware on the analysis. We benchmark our results against classical models as provided by the MOSES benchmark suite.
• Abstract（参考訳）: 新規医薬品の開発は退屈で、時間がかかり、コストがかかるプロセスであり、平均コストは約25億ドルに達すると見積もられている。 この長いプロセスの最初のステップは、人工知能によって支援されたド・ノボの薬物デザインが近年花を咲かせ、この分野に革命をもたらした新薬の設計である。 特に、生成的人工知能は、医薬品の発見と開発、コストの削減、解決までの時間に有望な成果をもたらしている。 しかしながら、GAN(Generative Adversarial Network)のような古典的生成モデルは、不毛の台地とモード崩壊の傾向により訓練が困難である。 量子コンピューティングは、これらの問題を克服し、より少ないパラメータのモデルを提供することによって、GANの一般化可能性を高めることができる。 本稿では、回路の回転ゲート毎にノイズ符号化を実装し、損失関数の勾配ペナルティを緩和し、モード崩壊を緩和する薬物設計のための新しいスタイルベースの量子GAN(QGAN)アーキテクチャを提案する。 我々のパイプラインは、潜伏空間の分子構造を表現するために変分オートエンコーダを使用し、QGANの入力として使用される。 我々のベースラインモデルは、量子シミュレーター上のアーキテクチャを検証するために最大15量子ビットで動作し、実量子ハードウェアを用いた解析結果の推測に5量子ビット設定における156量子ビットのIBM Heron量子コンピュータを用いている。 MOSESベンチマークスイートで提供される古典モデルに対して,その結果をベンチマークする。

関連論文リスト

• Molecular Design beyond Training Data with Novel Extended Objective Functionals of Generative AI Models Driven by Quantum Annealing Computer [0.4242939794388292]
  我々はD-Wave量子アニールコンピュータと統合された深部生成モデルの最適化のための新しいフレームワークを開発する。 量子アニール生成モデルで生成した化合物は、完全古典的モデルで生成した化合物よりも妥当性と薬物類似性の両方において高い品質を示した。
  論文  参考訳（メタデータ） (2026-02-17T09:38:11Z)
• Hybrid Quantum-Classical Neural Networks for Few-Shot Credit Risk Assessment [52.05742536403784]
  この仕事は、数発の信用リスク評価の課題に取り組む。 我々は、新しいハイブリッド量子古典ワークフローを設計、実装する。 量子ニューラルネットワーク(QNN)はパラメータシフト規則によって訓練された。 実世界の279のサンプルデータを用いて、QNNはシミュレーションで0.852 +/-0.027の堅牢な平均AUCを達成し、ハードウェア実験で0.88の印象的なAUCを得た。
  論文  参考訳（メタデータ） (2025-09-17T08:36:05Z)
• 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)
• Bruno: Backpropagation Running Undersampled for Novel device Optimization [37.69303106863453]
  強誘電体非揮発性デバイス(RRAM)上に構築されたスパイキングニューロンとシナプスに基づくハードウェアのためのニューラルネットワークのトレーニングのためのボトムアップアプローチを提案する。 トレーニングアルゴリズムは、RRAMと強誘電体集積火炎ニューロンに基づく量子化されたシナプスからなるネットワークでデータセット上でテストされる。
  論文  参考訳（メタデータ） (2025-05-23T12:06:43Z)
• Fault-tolerant fermionic quantum computing [39.58317527488534]
  我々は、このオーバーヘッドを完全に除去するフレームワークであるフェルミオン型フォールトトレラント量子コンピューティングを導入する。 我々は、我々のフレームワークを中性原子でどのように実装できるかを示し、非数保存ゲートを実装するために中性原子が明らかに不可能であることを克服する。
  論文  参考訳（メタデータ） (2024-11-13T19:00:02Z)
• Quantum to Classical Neural Network Transfer Learning Applied to Drug Toxicity Prediction [0.0]
  毒性 (Toxicity) は、不規則な数の薬物が命を救うために使用されるのを防ぐブロックである。 本稿では、古典的ニューラルネットワークの動作を模倣した量子回路設計を用いて、薬物毒性を予測するためのハイブリッド量子古典ニューラルネットワークを提案する。 モデルの全古典的な$mathcalO(n3)$アナログに対して、コンメンシュレートな予測精度が得られることを示す。
  論文  参考訳（メタデータ） (2024-03-27T20:32:04Z)
• 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)
• Exploring the Advantages of Quantum Generative Adversarial Networks in Generative Chemistry [8.98977891798507]
  我々は小分子発見のためのハイブリッド量子古典生成逆数ネットワーク(GAN)を提案した。 我々は,GANの各素子を可変量子回路(VQC)で置換し,小型薬物発見における量子的優位性を実証した。
  論文  参考訳（メタデータ） (2022-10-30T11:57:56Z)
• Building a fault-tolerant quantum computer using concatenated cat codes [44.03171880260564]
  本稿では,外部量子誤り訂正符号を用いた猫符号に基づくフォールトトレラント量子コンピュータを提案する。 我々は、外符号が繰り返し符号か薄い矩形曲面符号である場合、量子誤差補正を数値的にシミュレートする。 約1,000の超伝導回路部品で、フォールトトレラントな量子コンピュータを構築することができる。
  論文  参考訳（メタデータ） (2020-12-07T23:22:40Z)

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。