論文の概要: Resource-Efficient Bio-Molecular Docking on a NISQ-era Digital Quantum Computer
- arxiv url: http://arxiv.org/abs/2608.19868v1
- Date: Thu, 20 Aug 2026 10:27:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-21 20:28:51.530102
- Title: Resource-Efficient Bio-Molecular Docking on a NISQ-era Digital Quantum Computer
- Title（参考訳）: NISQ時代のデジタル量子コンピュータにおける資源効率の良い生体分子ドッキング
- Abstract要約: 分子ドッキングのためのハイブリッド量子古典的アプローチを提案する。
FBEの目的のグローバルな最小化は、常に純粋な製品状態として選択可能であることを証明します。
また、IBM量子コンピュータ上で回路を実行する。
- 参考スコア（独自算出の注目度）: 16.44284103525396
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Molecular docking is a vital computational task in drug discovery, wherein the objective is to efficiently identify optimal binding poses between a ligand and a target receptor protein. Due to the combinatorial explosion of possible binding configurations, docking of large and flexible molecules remains a computationally intensive problem, especially at scale. Early studies have revealed that the molecular docking can be re-cast as a maximum vertex-weighted clique problem (MVWCP) problem on a compatibility graph to be solved classically. In this work, we proposed a hybrid quantum-classical approach for molecular docking leveraging the MVWCP formalism with a variational full-basis encoding (FBE) strategy, which enables efficient encoding of classical binary variables with Bloch sphere vectors. We further prove that a global minimizer of the FBE objective can always be chosen to be a pure product state, thereby providing a rigorous justification for its optimization using a unitary variational circuit. The molecular docking problem is first mapped to a cost Hamiltonian that is minimized within a variational framework, optimized via a randomized imaginary time evolution (ITE)-inspired warm start, and gradient-based techniques. Finally, we also executed the circuit on an IBM quantum computer, underlying the feasibility and of quantum-assisted optimization for structure-based drug design and point towards the broader utility of advanced encoding techniques in quantum optimization for computational biology.
- Abstract（参考訳）: 分子ドッキングは薬物発見において重要な計算課題であり、その目的はリガンドと標的受容体タンパク質の間の最適な結合のポーズを効率的に同定することである。
結合構造が組み合わさっているため、大規模で柔軟な分子のドッキングは計算集約的な問題であり、特に大規模である。
初期の研究では、分子ドッキングは古典的に解決される互換性グラフ上の最大頂点重み付き傾き問題(MVWCP)として再キャスト可能であることが判明した。
本研究では,MVWCP形式と変分完全基底符号化(FBE)戦略を併用した分子ドッキングのハイブリッド量子古典的手法を提案し,ブロッホ球ベクトルを用いた古典的バイナリ変数の効率的な符号化を実現する。
さらに、FBE目標の大域的最小化を純積状態として常に選択できることを証明し、ユニタリ変分回路を用いて最適化の厳密な正当性を与える。
分子ドッキング問題はまず、変動フレームワーク内で最小化され、ランダム化された想像時間進化(ITE)にインスパイアされた温暖化開始と勾配に基づく技術によって最適化されるコストハミルトニアンにマッピングされる。
最後に、我々はIBMの量子コンピュータ上で回路を実行し、構造に基づく薬物設計のための量子支援最適化の実現可能性と、計算生物学における量子最適化における高度な符号化技術の幅広い有用性を目指していた。
関連論文リスト
- Global Optimization of Atomic Clusters via Physically-Constrained Tensor Train Decomposition [37.69102815774395]
我々は、ポテンシャルエネルギー表面の低ランク構造を利用して制限を克服する新しい枠組みを導入する。
最大45個の原子を含むレナード・ジョーンズクラスターの大域的ミニマムを同定し,本手法の有効性を実証した。
我々は,20原子炭素クラスターを機械学習型モーメントポテンシャルを用いて最適化することにより,実世界のシステムへの適用性を確立する。
論文 参考訳（メタデータ） (2026-01-26T15:38:20Z) - Quantum Random Feature Method for Solving Partial Differential Equations [36.58357595906332]
量子コンピューティングは、古典的な手法よりも指数的なスピードアップの可能性を秘めているため、科学計算の可能性を秘めている。
本研究では,数値解析とニューラル解析の両方の利点を利用する量子ランダム法(QRFM)を提案する。
論文 参考訳（メタデータ） (2025-10-09T08:42:09Z) - Large-scale Efficient Molecule Geometry Optimization with Hybrid Quantum-Classical Computing [1.1463843149836523]
大きな分子の平衡測度を正確にかつ効率的に予測することは、量子計算化学における中心的な課題である。
2つの大きな障害が進行を妨げる: 大量の量子ビットが必要であり、従来のネスト最適化の禁止コストである。
本稿では,密度行列埋め込み理論(DMET)と変分量子固有解法(VQE)を併用して,これらの制約に対処する最適化フレームワークを提案する。
論文 参考訳（メタデータ） (2025-09-09T07:31:29Z) - Qumode-Based Variational Quantum Eigensolver for Molecular Excited States [43.148034499498586]
分子励起状態を計算するためのハイブリッド量子古典アルゴリズムであるQumode Subspace Variational Quantum Eigensolver (QSS-VQE)を紹介する。
本研究では, ジヒドロゲンおよびシトシンの円錐交差を含む分子励起状態のシミュレーションによるQSS-VQEの性能を示す。
論文 参考訳（メタデータ） (2025-09-05T00:53:51Z) - A Scalable Heuristic for Molecular Docking on Neutral-Atom Quantum Processors [0.0]
本稿では,大規模なドッキング問題の解法として,新しい分割・コンカレントアルゴリズムを用いる方法を示す。
我々の研究は、短期量子ハードウェアにおける大規模なドッキング問題に取り組むための道を開いた。
論文 参考訳（メタデータ） (2025-08-25T15:54:52Z) - The Quantum Ensemble Variational Optimization Algorithm: Applications to Molecular Inverse Design [0.0]
本稿では,QEVO(Quantum Ensemble Variational Optimization)法を提案する。
QEVOは分子構造を、重ね合わせ状態からパウリ弦とサンプルの正規直交基底に効率的にマッピングする。
分子設計におけるQEVOの可能性を示す数値シミュレーションを行った。
論文 参考訳（メタデータ） (2025-08-21T18:00:12Z) - Quantum Approximate Optimization Algorithms for Molecular Docking [0.0]
量子近似最適化アルゴリズム(QAOA)とそのバリエーションは、ハイブリッド古典量子技術である。
本稿では,分子ドッキングに対するDigiized Counterdiabatic QAOA (DC-QAOA) アプローチを提案する。
論文 参考訳（メタデータ） (2025-03-06T09:20:41Z) - Quantum-Inspired Genetic Algorithm for Designing Planar Multilayer Photonic Structure [40.27913742030096]
量子アルゴリズムは、機能性材料の設計における新しいツールである。
量子コンピューティングリソースの高価格と成長するコンピューティングニーズのバランスをとる方法は、解決すべき緊急の問題となっている。
改良された量子遺伝的アルゴリズム(QGA)と機械学習サロゲートモデル回帰を組み合わせた能動的学習方式に基づく新しい最適化手法を提案する。
論文 参考訳（メタデータ） (2024-05-08T03:03:10Z) - 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) - A Hybrid Quantum-Classical Algorithm for Robust Fitting [47.42391857319388]
本稿では,ロバストフィッティングのためのハイブリッド量子古典アルゴリズムを提案する。
私たちのコアコントリビューションは、整数プログラムの列を解く、新しい堅牢な適合式である。
実際の量子コンピュータを用いて得られた結果について述べる。
論文 参考訳（メタデータ） (2022-01-25T05:59:24Z) - Quantum computing for classical problems: Variational Quantum
Eigensolver for activated processes [0.0]
本稿では,Fokker-Planck-Smoluchowski固有値問題を解くための変分量子固有解法の開発と実装について報告する。
量子化学問題に対処するために一般的に採用されるそのようなアルゴリズムは、量子コンピュータの新しい応用への道を開く古典的なシステムに効果的に適用可能であることを示す。
論文 参考訳（メタデータ） (2021-07-27T18:16:16Z) - Error mitigation and quantum-assisted simulation in the error corrected
regime [77.34726150561087]
量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。
量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
論文 参考訳（メタデータ） (2021-03-12T20:58:41Z)
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。