論文の概要: CovAngelo: A hybrid quantum-classical computing platform for accurate and scalable drug discovery
- arxiv url: http://arxiv.org/abs/2604.10487v1
- Date: Sun, 12 Apr 2026 06:42:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-14 20:13:16.04848
- Title: CovAngelo: A hybrid quantum-classical computing platform for accurate and scalable drug discovery
- Title（参考訳）: CovAngelo: 正確でスケーラブルな薬物発見のためのハイブリッド量子古典コンピューティングプラットフォーム
- Authors: Linn Evenseth, Kamil Galewski, Witold Jarnicki, Piero Lafiosca, Vyom N. Patel, Grzegorz Rajchel-Mieldzioć, Martin Šimka, Michał Szczepanik, Emil Żak,
- Abstract要約: 複雑な分子環境下で化学反応をモデル化するための計算プラットフォームを提案する。
このプラットフォームは、新しい量子量子量子-量子-古典的(QM/QM/MM)マルチスケール埋め込みモデルを実装している。
新しいプラットフォームは、ザヌブルチニブからブルートンのチロシンキナーゼへのドッキングをモデル化することによって実証される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We present a computational platform for modeling chemical reactions in complex molecular environments, focused on ligand-protein binding in drug discovery. The platform implements our new quantum-in-quantum-in-classical (QM/QM/MM) multiscale embedding model that integrates molecular dynamics with a quantum-information-enhanced density matrix embedding theory and quantum chemistry solvers, including explicit solvent. Quantum-information metrics are utilized to generate entanglement-consistent orbitals, enabling a high-accuracy description of strongly correlated regions. The framework supports multiple computational backends, including multi-CPU, NVIDIA multi-GPU architectures, and quantum hardware (IQM, IonQ, IBM) integrated under CUDA-Q, and is designed for compatibility with future fault-tolerant quantum systems. The new platform's capabilities are demonstrated by modeling covalent docking of zanubrutinib to Bruton's tyrosine kinase via a Michael addition mechanism, computing the full reaction energy profiles and energy barriers at a reduced computational cost relative to existing methods. As a 2nd-generation anticancer agent, zanubrutinib serves as a proof of concept for covalent inhibitor discovery. Accurate first-principles reaction barrier estimations provided by our method can contribute to reducing false positive and negative rates in drug discovery pipelines. Scalability is validated through benchmarks on GPU clusters, cloud-based CPU infrastructures. We demonstrate integration with quantum devices (up to 20 qubits), alongside resource estimates for fault-tolerant quantum computing, indicating potential speedups of up to 20x. Beyond single reactions, the platform supports the construction of reaction networks in chemical metric space, facilitating ligand screening and systematic exploration of reactive pathways.
- Abstract（参考訳）: 本稿では, 複雑な分子環境下での化学反応をモデル化するための計算プラットフォームについて述べる。
このプラットフォームは、分子動力学と量子情報強化密度行列埋め込み理論と、明示的な溶媒を含む量子化学解法を統合する新しい量子-量子-量子-古典的(QM/QM/MM)マルチスケール埋め込みモデルを実装している。
量子情報メトリクスを用いて絡み合い一貫性のある軌道を生成し、強い相関領域の高精度な記述を可能にする。
このフレームワークは、CUDA-Qで統合されたマルチCPU、NVIDIAのマルチGPUアーキテクチャ、量子ハードウェア(IQM、IonQ、IBM)を含む複数の計算バックエンドをサポートし、将来のフォールトトレラント量子システムとの互換性のために設計されている。
この新しいプラットフォームの能力は、マイケル付加機構を介して、ザヌブルチニブとブルートンのチロシンキナーゼの共有結合をモデル化し、既存の方法と比較して計算コストの低い完全な反応エネルギープロファイルとエネルギーバリアを計算することで実証される。
第2世代の抗がん剤として、ザヌブルチニブは共有結合阻害剤の発見の証拠となる。
本手法によって得られた反応障壁の正確な推定は, 創薬パイプラインにおける偽陽性, 陰性率の低減に寄与する。
スケーラビリティはGPUクラスタやクラウドベースのCPUインフラストラクチャのベンチマークを通じて検証される。
我々は、フォールトトレラント量子コンピューティングのリソース推定とともに、最大20量子ビットの量子デバイスとの統合を実証し、最大20倍の潜在的なスピードアップを示す。
単一反応の他に、このプラットフォームは化学計量空間における反応ネットワークの構築をサポートし、リガンドスクリーニングと反応経路の系統的な探索を容易にする。
関連論文リスト
- The Convergence Frontier: Integrating Machine Learning and High Performance Quantum Computing for Next-Generation Drug Discovery [0.0]
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。
論文 参考訳（メタデータ） (2026-03-18T14:51:15Z) - Exploring polymer classification with a hybrid single-photon quantum approach [45.88028371034407]
本稿では, 単一光子を用いた量子分類器と, 古典的ディープニューラルネットワークを結合したハイブリッドな古典量子形式について述べる。
このパイプラインは、その光学的ギャップによってポリマー種をうまく分類し、CPUベースのノイズシミュレーションとQuandelaのAscella量子プロセッサ上でのプルーフ・オブ・プリンシプルの動作による性能向上を実現した。
論文 参考訳（メタデータ） (2025-12-19T23:06:38Z) - Quantum Simulation of Ligand-like Molecules through Sample-based Quantum Diagonalization in Density Matrix Embedding Framework [0.0]
この研究は密度行列埋め込み理論(DMET)とサンプルベースの量子対角化(SQD)を組み合わせて、自然配位子のような分子の基底状態エネルギーを計算する。
組込みハミルトンはIBMのイーグルR3超伝導量子ハードウェア上で解決される。
その結果, 試料ベースの量子法は, 強固な埋め込みフレームワークと統合された場合, 化学的に関連する分子系のシミュレーションに向けて, 確実に量子計算を拡張できることが示唆された。
論文 参考訳（メタデータ） (2025-11-27T06:50:52Z) - 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) - Towards Quantum Enhanced Adversarial Robustness with Rydberg Reservoir Learning [45.92935470813908]
量子コンピューティング貯水池(QRC)は、量子多体系に固有の高次元非線形力学を利用する。
近年の研究では、変動回路に基づく摂動量子は逆数の影響を受けやすいことが示されている。
QR学習モデルにおける対向的堅牢性の最初の体系的評価について検討する。
論文 参考訳（メタデータ） (2025-10-15T12:17:23Z) - Efficient Hamiltonian Simulation: A Utility Scale Perspective for Covalent Inhibitor Reactivity Prediction [0.25111276334134786]
ノイズの多い中間スケール量子(NISQ)時代の量子コンピューティングアプリケーションは、今日の量子システムで実現可能なより浅い回路を生成するアルゴリズムを必要とする。
これは、分子系の固有の複雑さのため、量子化学の応用には特に困難である。
本稿では, 量子中心データ駆動R&Dフレームワークを用いた分子反応性予測の精度を維持しつつ, より大きな活性空間へのスケーリングを行うための系統的な回路縮小手法を示す。
論文 参考訳（メタデータ） (2024-12-20T11:25:01Z) - Simulating electronic structure on bosonic quantum computers [34.84696943963362]
電子ハミルトニアンを、ボゾン量子デバイス上で解ける擬似ボゾン問題にマッピングする方法を提案する。
この研究は、多くのフェルミオン系をシミュレートする新しい経路を確立し、ハイブリッド量子ビット量子デバイスの可能性を強調する。
論文 参考訳（メタデータ） (2024-04-16T02:04:11Z) - Exploring the scaling limitations of the variational quantum eigensolver
with the bond dissociation of hydride diatomic molecules [0.0]
強い相関電子を含む材料シミュレーションは、最先端の電子構造法に根本的な課題をもたらす。
変分量子固有解法アルゴリズムが化学的に正確な総エネルギーを予測できるという事実にもかかわらず、現実世界の応用に関連する大きさと複雑さの分子をシミュレーションした量子コンピュータは存在しない。
本稿では, 適切なTiH物理を捉えるために必要となるd軌道とUCCSDアンサッツの使用が, この問題のコストを劇的に高めることを示す。
論文 参考訳（メタデータ） (2022-08-15T19:21:17Z) - Optimizing Electronic Structure Simulations on a Trapped-ion Quantum
Computer using Problem Decomposition [41.760443413408915]
量子リソースの最小化に重点を置いたエンドツーエンドパイプラインを,精度を維持しながら実験的に実証した。
密度行列埋め込み理論を問題分解法として、イオントラップ量子コンピュータを用いて、電子を凍結せずに10個の水素原子の環をシミュレートする。
我々の実験結果は、量子ハードウェア上で大きな分子を正確にシミュレートする問題分解の可能性の早期実証である。
論文 参考訳（メタデータ） (2021-02-14T01:47:52Z)
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。