論文の概要: Multiscale Quantum-Classical Simulation of Protein Autoproteolysis in a Million-Atom Membrane Environment

• arxiv url: http://arxiv.org/abs/2610.23108v1
• Date: Fri, 16 Oct 2026 08:19:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.826802
• Title: Multiscale Quantum-Classical Simulation of Protein Autoproteolysis in a Million-Atom Membrane Environment
• Title（参考訳）: 数百万原子膜環境におけるタンパク質オートプロテオリシスのマルチスケール量子古典シミュレーション
• Abstract要約: 本稿では,分子動力学,密度汎関数理論,相関波動関数法を組み合わせたハイブリッド量子古典ワークフローを提案する。 本稿では, 接着Gタンパク質結合受容体の成熟反応であるADGRG1オートプロテオリシスに本手法を適用した。 我々のシミュレーションは、100万人以上の原子を含む生物学的に現実的なシステムを扱い、その中には、小胞体-小胞体膜に埋め込まれた完全長の未開の受容体が含まれています。
• 参考スコア（独自算出の注目度）: 27.40983925726927
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Predicting chemical reactions in biomolecules is challenging because reactive centers are embedded within complex environments that strongly influence their energetics and mechanisms. Here, we present a hybrid quantum-classical workflow that combines molecular dynamics, density functional theory, and correlated wavefunction methods, tightly integrating CPUs, GPUs, and quantum processing units (QPUs) to enable simulations across multiple length and accuracy scales. We apply this approach to ADGRG1 autoproteolysis, a maturation reaction in an adhesion G protein-coupled receptor that has not previously been studied using correlated electronic-structure methods. Our simulations treat a biologically realistic system containing more than one million atoms, including the full-length uncleaved receptor embedded in an endoplasmic-reticulum membrane, while incorporating a 54-qubit IQM quantum processor and up to 1,200 NVIDIA H100 GPUs. These results demonstrate how quantum computers can serve as accelerators within scalable scientific workflows, extending correlated electronic-structure methods to biologically relevant systems.
• Abstract（参考訳）: 生体分子における化学反応の予測は、反応中心が複雑な環境に埋め込まれ、そのエネルギーと機構に強く影響を及ぼすため困難である。 本稿では、分子動力学、密度汎関数理論、相関波動関数法を組み合わせて、CPU、GPU、量子処理ユニット(QPU)を密に統合し、複数の長さと精度のスケールでシミュレーションを可能にするハイブリッド量子古典ワークフローを提案する。 本手法をADGRG1オートプロテオリシス (ADGRG1 autoproteolysis) に適用する。 我々のシミュレーションは、54量子ビットのIQM量子プロセッサと1200 NVIDIA H100 GPUを組み込んだ、100万以上の原子を含む生物学的に現実的なシステムを扱う。 これらの結果は、量子コンピュータがスケーラブルな科学ワークフローの中で加速器として機能し、相関電子構造法を生物学的に関連するシステムに拡張することを示す。

関連論文リスト

• Exploring the use of quantum computing for facilitating spatially and temporally resolved models of a biological cell [0.0]
  代表的な生物学的問題に対する古典的アルゴリズムと量子的アルゴリズムを比較した複雑性解析を行う。 我々は、短期的な探索とフォールトトレラントな量子アーキテクチャの両方を活用するために設計されたアルゴリズム開発を強調した。
  論文  参考訳（メタデータ） (2026-07-30T01:24:19Z)
• Precision quantum simulation of magnon spectra and interactions [94.30337065819249]
  最大97量子ビットのアナログデジタル超伝導プロセッサを用いて, 2次元XYスピン-1/2マグネットにおける線形および非線形応答関数の高精度シミュレーションを行った。 以上の結果から,ブリュアン帯におけるマグノンの崩壊速度の変動が明らかとなり,バンホーブ特異点付近の増大とエッジ局在モードの抑制が認められた。
  論文  参考訳（メタデータ） (2026-07-14T22:11:22Z)
• Programming long-range interactions in analog quantum simulators [39.364243535886985]
  長距離相互作用は多くの平衡現象と外平衡量子多体現象の源である。 我々は,このチューニング性を利用して,アナログシミュレータにおける多体状態準備を強化するハイブリッド型古典量子ツールボックスを開発した。 本研究は,次世代アナログ量子シミュレータのための強力なリソースとして,プログラマブルな長距離相互作用を確立した。
  論文  参考訳（メタデータ） (2026-04-24T12:06:38Z)
• Quantum-HPC hybrid computation of biomolecular excited-state energies [0.07219333221285747]
  我々は OnIOM フレームワーク内でのワークフローを開発し,スーパーコンピュータのFugaku とQuantinuum Reimei Caption 量子コンピュータからなるハイブリッドコンピューティングシステム上でそれを実証する。 このハイブリッドプラットフォームは、生体分子化学反応の層状アプローチを拡張して、タンパク質のような活性部位や、大きく、しばしば弱相関の分子環境を正確に処理する。
  論文  参考訳（メタデータ） (2026-01-22T05:57:54Z)
• Quantum-centric machine learning for molecular dynamics [9.147935750042352]
  ab initio法は、あらゆる核配置における電子状態の自己一貫性の最適化を必要とする。 量子中心機械学習(QCML)モデルを導入する。 トランスフォーマーを様々な分子のデータセットで事前訓練することにより、QCMLは分子記述子とPQCパラメータ間の転送可能なマッピングを学習する。
  論文  参考訳（メタデータ） (2025-11-11T02:41:31Z)
• 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)
• How to use quantum computers for biomolecular free energies [2.7113856644674037]
  自由エネルギー計算は物理学に基づく生化学プロセスの分析の中心にある。 本稿では, サブストラクチャで得られた正確な量子力学データを, 機械学習による生体分子複合体全体のポテンシャルエネルギーに連続的に関連付ける方法を示す。
  論文  参考訳（メタデータ） (2025-06-25T16:27:36Z)
• Accurate Machine Learned Quantum-Mechanical Force Fields for Biomolecular Simulations [51.68332623405432]
  分子動力学(MD)シミュレーションは、化学的および生物学的プロセスに関する原子論的な洞察を可能にする。 近年,MDシミュレーションの代替手段として機械学習力場(MLFF)が出現している。 本研究は、大規模分子シミュレーションのための正確なMLFFを構築するための一般的なアプローチを提案する。
  論文  参考訳（メタデータ） (2022-05-17T13:08:28Z)
• NNP/MM: Accelerating molecular dynamics simulations with machine learning potentials and molecular mechanic [38.50309739333058]
  ニューラルネットワーク電位(NNP)と分子力学(MM)を組み合わせたハイブリッド手法(NNP/MM)の最適化実装を提案する。 このアプローチは、小さな分子のようなシステムの一部をNNPを用いてモデル化し、残りのシステムにMMを用いて効率を向上する。 これにより, シミュレーション速度を5倍に向上し, 複合体毎の1マイクロ秒の同時サンプリングを実現し, この種のシミュレーションで報告された最長のシミュレーションとなった。
  論文  参考訳（メタデータ） (2022-01-20T10:57:20Z)
• Quantum-Classical Hybrid Algorithm for the Simulation of All-Electron Correlation [58.720142291102135]
  本稿では、分子の全電子エネルギーと古典的コンピュータ上の特性を計算できる新しいハイブリッド古典的アルゴリズムを提案する。 本稿では,現在利用可能な量子コンピュータ上で,化学的に関連性のある結果と精度を実現する量子古典ハイブリッドアルゴリズムの能力を実証する。
  論文  参考訳（メタデータ） (2021-06-22T18:00:00Z)
• Simulating Energy Transfer in Molecular Systems with Digital Quantum Computers [8.271013526496906]
  量子コンピュータは、古典的なコンピュータの能力を超えた化学システムをシミュレートする可能性がある。 有機半導体分子のエネルギー移動をシミュレーションすることにより、化学の短期量子シミュレーションを時間依存プロセスに拡張する。 提案手法は, 化学, 生物, 物質系の量子力学を量子コンピュータでモデル化する新たな機会を開く。
  論文  参考訳（メタデータ） (2021-01-18T05:08:05Z)

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。