hqQUBO：在离子阱量子计算机上用 16 量子比特验证用于生命科学应用的混合查询量子优化模型
量子物理
2025-06-03 v1
摘要
AlphaFold 在蛋白质结构预测方面取得了突破性进展，对生物学、医学和药物发现产生了深远影响。然而，由于构建 MSA 的 NP-hard 特性，其对多序列比对（MSA）的依赖本质上非常耗时。与经典计算机相比，量子计算成为一种极具前景的替代方案，在此类复杂优化挑战上提供了指数级加速和提高准确性的潜力。这项工作高效且成功地弥合了量子计算与 MSA 任务之间的差距，我们比较了随着量子比特数量增加的经典和量子计算缩放，并评估了量子纠缠在模型性能中的作用。此外，我们提出了一种创新的混合查询编码方法 hyQUBO 以避免冗余，从而使量子资源显著减少至 的缩放。此外，利用 VQE 与 quenched CVaR 方案的耦合来增强鲁棒性和收敛性。多种策略的整合促进了量子算法从理想化模拟器（在 CPU 和 GPU 上）到真实世界含噪量子设备（HYQ-A37）的稳健部署。据我们所知，我们的工作代表了在离子阱量子计算机上使用多达 16 个量子比特进行生命科学问题的最大规模数字模拟实现，在模拟和实验结果中均取得了 SOTA 性能。我们的工作为在真实量子处理器上进行生命科学任务的大规模模拟铺平了道路。
引用
@article{arxiv.2506.01559,
title = {hqQUBO: A Hybrid-querying Quantum Optimization Model Validated with 16-qubits on an Ion Trap Quantum Computer for Life Science Applications},
author = {Rong Chen and Quan-Xin Mei and Wen-Ding Zhao and Lin Yao and Hao-Xiang Yang and Shun-Yao Zhang and Jiao Chen and Hong-Lin Li},
journal= {arXiv preprint arXiv:2506.01559},
year = {2025}
}