論文の概要: Quantum-Circuit Residuals for Receptor Functional Potency Prediction: Predictive Gains and Quadratic Structure

• arxiv url: http://arxiv.org/abs/2610.13037v1
• Date: Fri, 09 Oct 2026 05:48:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.413066
• Title: Quantum-Circuit Residuals for Receptor Functional Potency Prediction: Predictive Gains and Quadratic Structure
• Title（参考訳）: 受容体機能電位予測のための量子回路残差:予測ゲインと二次構造
• Abstract要約: 古典的分子エンコーダと線形ベースヘッドと浅い量子回路残差ヘッドを共同で訓練する。 GLP-1R構造群分割の下では、量子残留モデルは対応する基底モデルに対する平均絶対誤差を減少させる。 構造制御実験では、パラメータカウントマッチングされた実直交制御が同様の予測性能を達成する。
• 参考スコア（独自算出の注目度）: 3.3748674467718236
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The predictive performance of neural networks for receptor functional potency modeling depends on both molecular representations and prediction-head design. Using GLP-1R cAMP-related pEC50 prediction as the primary task, we jointly train a classical molecular encoder with a linear base head and a shallow quantum-circuit residual head that share the learned molecular representation. We evaluate the models using random and structure-group splits, include tuned Chemprop as a domain reference, and extend the evaluation to ADRB2 and MC4R. Under the GLP-1R structure-group split, the quantum-residual models reduce mean absolute error relative to the corresponding base models from 0.677 to 0.639 with a multilayer perceptron (MLP) encoder and from 0.680 to 0.641 with a graph neural network (GNN) encoder. In structural control experiments, a parameter-count-matched real-orthogonal control achieves similar predictive performance, suggesting that some quantum-residual gains may be associated with structured quadratic feature interactions. By combining receptor functional potency prediction with structural analysis of the quantum residual, this study provides empirical evidence to inform compact residual-head design and highlights the potential of quantum-circuit parameterizations for this task.
• Abstract（参考訳）: 受容体機能評価のためのニューラルネットワークの予測性能は、分子表現と予測ヘッド設計の両方に依存する。 GLP-1R cAMP関連pEC50予測を主課題として、線形ベースヘッドと学習した分子表現を共有する浅い量子回路残基を持つ古典分子エンコーダを共同で訓練する。 ランダムおよび構造群分割を用いたモデルの評価を行い、Chempropをドメイン参照として含み、ADRB2とMC4Rに拡張した。 GLP-1R構造群分割の下では、量子残留モデルは対応するベースモデルに対して平均絶対誤差を0.677から0.639、多層パーセプトロン(MLP)エンコーダは0.680から0.641、グラフニューラルネットワーク(GNN)エンコーダは0.680から0.641に減少させる。 構造制御実験では、パラメータ数と整合した実直交制御が同様の予測性能を達成し、量子-残留ゲインのいくつかが構造的二次的特徴相互作用と関連している可能性があることを示唆している。 本研究は, 受容体機能能率予測と量子残基の構造解析を組み合わせることにより, コンパクトな残基設計の実証的証拠を提供し, 量子回路パラメータ化の可能性を強調した。

関連論文リスト

• SQUARE: Structured Quantum Representation Adapters as Compact Quadratic Feature Maps for Frozen Language Models [50.300302932452006]
  凍結言語モデル(LM)は、下流の再ランク付け、スコアリング、嗜好モデリングのための固定された特徴抽出器として、ますます使われている。 本稿では、ボトルネックベクトルを振幅符号化し、パラメータ化量子回路を適用し、その結果の状態を測定する構造量子表現アダプタを提案する。 各基底確率関数は、ちょうどボトルネック座標における正規化された二次形式であり、追加のPauli$Z$読み出しはそれらの確率の線形結合であることを示す。
  論文  参考訳（メタデータ） (2026-09-29T09:38:29Z)
• Green's Functions from Sample-based Krylov Quantum Diagonalization: An Impurity Solver for Dynamical Mean-Field Theory [1.6871774025669009]
  我々は,サンプルベースのKrylov量子対角化法(SKQD)を基底状態計算から単一粒子グリーン関数の評価まで一般化する。 鎖幾何学における粒子-ホール対称単一不純物モデルの適用により、この方法はヒルベルト空間の比較的小さな分数でスペクトル関数を復元する。
  論文  参考訳（メタデータ） (2026-09-08T17:59:00Z)
• Machine Learning-Based Characterisation of the Non-Markovian Dynamics of a Nitrogen-Vacancy Centre [2.5202400042690045]
  我々は,NV中心ラビ力学からスペクトル密度パラメータを機械学習で再構成した最初の実験例を示す。 その結果,ニューラルネットワークが予測したモデルが推定ウィンドウ上でNVダイナミクスを確実に再現できることが示唆された。
  論文  参考訳（メタデータ） (2026-08-27T19:16:45Z)
• Inverse Design of Quantum Control Sequences with Fourier Neural Operators [57.63590760083204]
  高次元分子量子力学を学習するためのフーリエニューラル演算子(FNO)に基づくフレームワークを提案する。 我々は,初期混合ボルツマン分布を浄化するパルス列を構成するFNO-SPMP(FNO-SPMP)を開発した。 共有離散制御空間において、FNO-SPMPは強化学習ベースラインの成功率の2倍近くを達成する。
  論文  参考訳（メタデータ） (2026-08-04T14:06:59Z)
• Quantum-Inspired Hamiltonian Feature Extraction for ADMET Prediction: A Simulation Study [0.0]
  分子指紋をパラメータ化ハミルトンに符号化する量子インスパイアされた特徴抽出法を提案する。 Therapeutic Data Commons (TDC) ADMETベンチマークにおいて,本手法は最先端の性能を実現する。
  論文  参考訳（メタデータ） (2026-03-03T15:42:33Z)
• Enhanced multiparameter quantum estimation in cavity magnomechanics via a coherent feedback loop [0.0]
  ハイブリッドキャビティマグノンの機械的プラットフォームにおける光子マグノンとマグノンの力学的結合強度の同時定量化を効果的かつ実験的に実現する手法を提案する。 システムとフィードバックパラメータの適切なチューニングにより、双方の結合強度に関連する推定誤差が大幅に低減されることを示す。
  論文  参考訳（メタデータ） (2026-02-16T12:22:33Z)
• Quantum Convolution for Structure-Based Virtual Screening [0.0]
  構造ベースの仮想スクリーニング(SBVS)は、潜在的な薬物候補を特定するための重要な計算戦略である。 本研究では、デルタG_bindを効率的に推定する量子畳み込みニューラルネットワーク(QCNN)フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-13T15:03:43Z)
• NBMLSS: probabilistic forecasting of electricity prices via Neural Basis Models for Location Scale and Shape [44.99833362998488]
  我々は、GAMLSSの原理的解釈可能性と、計算にスケーラブルな共有基底分解をブレンドした、位置、スケール、形状のためのニューラル基底モデルをデプロイする。 複数の市場領域で実験が行われ、分布型ニューラルネットワークに匹敵する確率論的予測性能を達成した。
  論文  参考訳（メタデータ） (2024-11-21T08:17:53Z)
• Structured Radial Basis Function Network: Modelling Diversity for Multiple Hypotheses Prediction [51.82628081279621]
  多重モード回帰は非定常過程の予測や分布の複雑な混合において重要である。 構造的放射基底関数ネットワークは回帰問題に対する複数の仮説予測器のアンサンブルとして提示される。 この構造モデルにより, このテッセルレーションを効率よく補間し, 複数の仮説対象分布を近似することが可能であることが証明された。
  論文  参考訳（メタデータ） (2023-09-02T01:27:53Z)
• Neural network enhanced measurement efficiency for molecular groundstates [63.36515347329037]
  いくつかの分子量子ハミルトニアンの複雑な基底状態波動関数を学習するために、一般的なニューラルネットワークモデルを適用する。 ニューラルネットワークモデルを使用することで、単一コピー計測結果だけで観測対象を再構築するよりも堅牢な改善が得られます。
  論文  参考訳（メタデータ） (2022-06-30T17:45:05Z)

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。