論文の概要: Protein folding on a 64 qubit trapped-ion hardware via counterdiabatic quantum optimization

• arxiv url: http://arxiv.org/abs/2604.26861v1
• Date: Wed, 29 Apr 2026 16:31:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-30 15:59:36.49003
• Title: Protein folding on a 64 qubit trapped-ion hardware via counterdiabatic quantum optimization
• Title（参考訳）: 反断熱量子最適化による64量子ビットトラップイオンハードウェア上のタンパク質の折り畳み
• Authors: Alejandro Gomez Cadavid, Pavle Nikačević, Pranav Chandarana, Sebastián V. Romero, Enrique Solano, Narendra N. Hegade, Miguel Angel Lopez-Ruiz, Claudio Girotto, Hanna Linn, Hakan Doga, Evgeny Epifanovsky, Panagiotis Kl. Barkoutsos, Ananth Kaushik, Martin Roetteler,
• Abstract要約: 格子タンパク質折り畳み最適化のハードウェア実証は,これまでで最大である。 我々は,BF-DCQOがタンパク質を高密度に折りたたむハミルトニアンに対して,これまで未発見の捕捉イオンスケールで構造試料を生成可能であることを示す。
• 参考スコア（独自算出の注目度）: 27.535978094348454
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We report the largest trapped-ion hardware demonstration of lattice protein-folding optimization to date, using bias-field digitized counterdiabatic quantum optimization (BF-DCQO) on a fully connected 64-qubit Barium development system similar to the forthcoming IonQ Tempo line. Six peptide sequences with 14-16 amino-acid residues are encoded using a coarse-grained tetrahedral lattice model, yielding higher-order spin-glass Hamiltonians with long-range interactions involving up to five-body terms and mapped to 46-61 qubits. The resulting instances are demanding for near-term quantum hardware because low-energy configurations must satisfy backbone-geometry constraints while optimizing dense residue-contact interactions. BF-DCQO uses a non-variational bias-feedback mechanism, where low-energy samples from each round define longitudinal fields that guide subsequent quantum evolutions. Across the studied instances, BF-DCQO shifts raw sampled energy distributions toward lower energies than uniform random sampling, with the strongest improvements appearing in residue-contact variables. To preserve this signal, we introduce a consensus-based post-processing pipeline that combines quantum-learned contact information with feasible backbone geometries. The resulting hybrid workflow reaches the classical reference energy in multiple instances and improves over the corresponding random-seeded pipeline. These results show that BF-DCQO can generate structured samples for dense protein-folding Hamiltonians at previously unexplored trapped-ion scales.
• Abstract（参考訳）: 格子タンパク質の折りたたみ最適化の最大のハードウェア実証実験を,近日発売のIonQ Tempo線に類似した64量子バリウム開発システム上で,バイアス場デジタル化された反断熱量子最適化(BF-DCQO)を用いて報告した。 14-16アミノ酸残基を持つ6つのペプチド配列は、粗粒四面体格子モデルを用いてコード化され、最大5-体項を含む長距離相互作用を持つ高次スピングラスハミルトニアンは46-61量子ビットにマッピングされる。 低エネルギー構成では、高密度の残留-接触相互作用を最適化しながら、バックボーン-幾何学的制約を満たす必要がある。 BF-DCQOは非変分バイアスフィードバック機構を用いており、各ラウンドの低エネルギーサンプルは後続の量子進化を導く長手場を定義する。 実験例全体で、BF-DCQOはサンプルエネルギー分布を均一なランダムサンプリングよりも低いエネルギーにシフトさせ、残留接触変数に最も強い改善をもたらす。 この信号を保持するために、量子学習された接触情報と実現可能なバックボーンジオメトリを組み合わせたコンセンサスベースの後処理パイプラインを導入する。 結果として生じるハイブリッドワークフローは、複数のインスタンスにおいて古典的な参照エネルギーに到達し、対応するランダムシードパイプラインよりも改善される。 以上の結果から,BF-DCQOはタンパク質折り畳み型ハミルトニアンの未発見イオンスケールで構造試料を生成できることが示唆された。

関連論文リスト

• Towards Compact Wavefunctions from Quantum-Selected Configuration Interaction [0.0]
  量子選択構成相互作用(QSCI)におけるハミルトン時間進化を利用したアルゴリズムを提案する。 我々は、QSCIが以前批判された点であるコンパクト性について、結果の波動関数を評価する。 この結果は、時間進化した量子状態の実験的な軌道占有率を用いて、単一の励起と二重励起を予測する構成サンプリングスキームによって達成される。
  論文  参考訳（メタデータ） (2025-09-02T17:27:12Z)
• Protein folding with an all-to-all trapped-ion quantum computer [32.72482046729195]
  バイアス場デジタル化された反断熱量子最適化(BF-DCQO)アルゴリズムは、IonQの完全に接続されたイオン量子プロセッサ上に実装されている。 現在報告されているタンパク質折り畳み問題の量子ハードウェア実装としては,最大12アミノ酸の四面体格子上でのタンパク質折り畳みが最大である。
  論文  参考訳（メタデータ） (2025-06-09T15:34:02Z)
• A quantum eigenvalue solver based on tensor networks [0.0]
  電子基底状態は化学シミュレーションにおいて中心的な重要性を持つが、効率的な古典的アルゴリズムの範囲を超え続けている。 回転軌道ベースにおける行列積状態の線形結合から波動関数アンサッツを構成するハイブリッド量子古典固有値解法を導入する。 本研究は, 近距離量子ハードウェア上での強相関化学系のシミュレーションをスケールアップするための, 新たな道筋を示唆するものである。
  論文  参考訳（メタデータ） (2024-04-16T02:04:47Z)
• Quantum Generative Diffusion Model: A Fully Quantum-Mechanical Model for Generating Quantum State Ensemble [40.06696963935616]
  本稿では,量子生成拡散モデル (QGDM) を単純かつエレガントな量子モデルとして紹介する。 QGDMはQGAN(Quantum Generative Adversarial Network)よりも高速な収束を示す 混合状態発生ではQGANよりも53.02%高い忠実性が得られる。
  論文  参考訳（メタデータ） (2024-01-13T10:56:34Z)
• Neural-network quantum states for ultra-cold Fermi gases [49.725105678823915]
  この研究は、メッセージパッシングアーキテクチャに基づいたバックフロー変換を含む、新しいPfaffian-Jastrowニューラルネットワーク量子状態を導入する。 逆スピン対分布関数による強いペアリング相関の出現を観察する。 この結果から, ニューラルネットワーク量子状態は, 超低温フェルミガスの研究に有望な戦略をもたらすことが示唆された。
  論文  参考訳（メタデータ） (2023-05-15T17:46:09Z)
• Quantum Gate Generation in Two-Level Open Quantum Systems by Coherent and Incoherent Photons Found with Gradient Search [77.34726150561087]
  我々は、非コヒーレント光子によって形成される環境を、非コヒーレント制御によるオープン量子系制御の資源とみなす。 我々は、ハミルトニアンにおけるコヒーレント制御と、時間依存デコヒーレンス率を誘導する散逸器における非コヒーレント制御を利用する。
  論文  参考訳（メタデータ） (2023-02-28T07:36:02Z)
• A self-consistent field approach for the variational quantum eigensolver: orbital optimization goes adaptive [52.77024349608834]
  適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。 このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
  論文  参考訳（メタデータ） (2022-12-21T23:15:17Z)

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。