論文の概要: QUBO-Based Conformer Selection with Quantum-Classical Hybrid Optimization for Multiconformer Ligand Modeling
- arxiv url: http://arxiv.org/abs/2610.29058v1
- Date: Wed, 21 Oct 2026 01:39:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-23 00:40:06.176494
- Title: QUBO-Based Conformer Selection with Quantum-Classical Hybrid Optimization for Multiconformer Ligand Modeling
- Title（参考訳）: 量子古典ハイブリッド最適化を用いたQUBO型コンバータ選択によるマルチコンバータリガンドモデリング
- Abstract要約: マルチコンフォーマーモデリングは、どのコンフォーメーションを保持するか、どのコンフォーメーションを割り当てるかを決定する必要がある。
確立された自動化アプローチでは、この選択に難易度とコンホメータ数制限を持つ混合整数二次プログラミング(MIQP)を用いる。
そこで, コンバータ選択を, 有限ペナルティと離散占有率を持つ2次非拘束二元最適化問題として再検討した。
- 参考スコア（独自算出の注目度）: 13.349783411053721
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A ligand can adopt multiple conformations within the same binding site, and these conformations can interact differently with the surrounding protein. Multiconformer modeling must therefore determine which candidate conformations to retain and what occupancies to assign to them. An established automated approach uses mixed-integer quadratic programming (MIQP) with hard occupancy and conformer-count limits for this selection. Here, we reformulated conformer selection as a quadratic unconstrained binary optimization (QUBO) problem with finite penalties and discrete occupancies. We solved the QUBO using a quantum-classical hybrid solver. We compared this workflow with the MIQP-based qFit-ligand workflow across 83 paired X-ray ligand entries using the same experimental inputs and the same qFit-ligand processing protocol. For each entry, both final models were evaluated against the same composite-omit map generated from the common input structure before the two workflows diverged. Quantum-qFit produced higher ligand-region real-space correlation coefficients (RSCC) in 62 entries 74.7% and lower occupancy-weighted torsional strain in 66 entries 79.5%. Similar directional trends remained in the 28 entries with matched final conformer counts. The molecular Electron Density for Individual Atoms score (EDIAm) decreased in most entries. This result shows that higher regional map agreement did not necessarily correspond to stronger atom-level density support. Overall, the results show that the conformer-selection formulation can change which ligand states are represented from the same experimental data and provide a QUBO framework for studying multiconformer ligand selection.
- Abstract（参考訳）: リガンドは同じ結合部位内で複数のコンフォメーションを適用でき、これらのコンフォメーションは周囲のタンパク質と異なる相互作用をすることができる。
したがって、マルチコンフォーマー・モデリングはどの候補が保持すべきか、どの職業を割り当てるべきかを決定する必要がある。
確立された自動化アプローチでは、この選択に難易度とコンホメータ数制限を持つ混合整数二次プログラミング(MIQP)を用いる。
そこで我々は,コンバータ選択を,有限ペナルティと離散占有率を有する2次非拘束二元最適化(QUBO)問題として再検討した。
我々は量子古典ハイブリッドソルバを用いてQUBOを解いた。
我々は、このワークフローを、同じ実験入力と同じqFit-ligand処理プロトコルを用いて、83対のX線リガンドエントリにまたがるMIQPベースのqFit-ligandワークフローと比較した。
各項目について, 2つのワークフローが分岐する前に, 共通入力構造から生成された合成ミットマップに対して, 両方の最終モデルを評価した。
量子-qFitは、62エントリ74.7%で高リガンド領域の空間相関係数(RSCC)を、66エントリ79.5%で低占有率のねじれひずみを発生させた。
同様の方向の傾向は、最終コンバータ数と一致した28項目に留まった。
個々の原子の分子電子密度 (EDIAm) は, ほとんどの項目で減少した。
この結果から,高次地域地図の合意は必ずしも強い原子レベルの密度支持に対応していなかったことが示唆された。
その結果,コンストラクタ選択の定式化は,同じ実験データからリガンド状態が表されるように変化し,マルチコンフォーマーのリガンド選択を研究するためのQUBOフレームワークを提供することができた。
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) - Federated Soft Clustering via Generalized Total Variation Minimization [47.26943674490726]
一般化総変分最小化(GTVMin)は、グラフ正規化器を通して局所的な最大可能性問題を結合する。
計算コストを特徴付けるとともに,データの不均一性に対するロバスト性を評価する。
論文 参考訳（メタデータ） (2026-09-16T09:19:25Z) - Formulation-Level Auto-Tuning for QUBO-Based Machine Learning: A Case Study Across Multiple Quantum-Inspired Annealers [0.0]
本稿では,サポートベクトルマシン(SVM)のためのOptunaベースの定式化レベル自動チューニングフレームワークを提案する。
連続双対変数は離散化され、2次非制約バイナリ最適化(QUBO)モデルに変換される。
0-20%のラベルノイズを持つ線形および非線形分類タスクの実験では, それぞれ0.8点と2.1点のグリッド探索よりも平均的なゲインが得られた。
論文 参考訳（メタデータ） (2026-07-21T06:56:43Z) - Hybrid Quantum Neighborhood Selection: NISQ-Compatible Combinatorial Optimization via Stochastic Frontier Decomposition [0.0]
本研究は、Hybrid Quantum Neighborhood Selection (HQNS)を紹介する。
HQNSはステージ毎にFN活性変数のコンパクトフロンティアを選択し、残りを縮小QUBO係数に凍結する。
最大ダイバーシティ・サブセット選択問題(MDSSP)のHQNSを6つの尺度で最大1000まで評価した。
論文 参考訳（メタデータ） (2026-06-28T23:35:46Z) - Scalable Peptide Design via Memory-Efficient Equivariant Transformer [44.385833887269456]
スケーラブルな原子性ペプチドモデリングのためのE(3)不変バックボーンであるMEET(Memory Efficient Equivariant Transformer)を紹介する。
MEETは、メモリ効率のよい注意に関する幾何計算を再構成しながら、不変スカラーと等変ベクトルの特徴ストリームの結合を維持している。
完全な原子ペプチド生成のためのVAEおよび潜伏拡散パイプラインに統合される。
大規模AFDB派生データセットの実験は、提案されたバックボーンが体系的なモデルとデータスケーリングをサポートし、バインド親和性、物理的妥当性、サンプルの多様性が向上することを示している。
論文 参考訳（メタデータ） (2026-06-23T17:25:04Z) - Efficient Adjoint Matching for Fine-tuning Diffusion Models [47.05085426361986]
本研究では,テキストベースドリフトとテキスト端末コストでSOC問題を修正し,トレーニング効率を大幅に向上するEMAを提案する。
EAMはAMよりも最大4倍早く収束し、PickScore、ImageReward、HPSv2.1、CLIPScore、Aestheticsなど様々なメトリクスにマッチするか、超える。
論文 参考訳（メタデータ） (2026-05-12T03:55:12Z) - Fast Model Selection and Stable Optimization for Softmax-Gated Multinomial-Logistic Mixture of Experts Models [40.216463162163976]
我々は,ソフトマックスゲート型マルチミリ波観測用MoEのバッチ最小化最適化アルゴリズムを開発した。
また,条件密度推定とパラメータ回復のための有限サンプル率も証明した。
生物学的タンパク質-タンパク質相互作用予測実験は、完全なパイプラインを検証する。
論文 参考訳（メタデータ） (2026-02-08T14:45:41Z) - 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) - Importance sampling for stochastic quantum simulations [68.8204255655161]
我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。
サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。
格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
論文 参考訳（メタデータ） (2022-12-12T15:06:32Z) - Simulating Many-Body Systems with a Projective Quantum Eigensolver [0.0]
単一結合クラスタ波動関数を最適化するための新しいハイブリッド量子古典アルゴリズムを提案する。
また、任意の順序の粒子ホール演算子から構築された適応アンサッツを用いたPQE(SPQE)の選択版も導入する。
論文 参考訳（メタデータ） (2021-01-31T00:31:12Z)
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。