用于生成化学与药物设计的量子-经典混合机器学习
量子物理
2023-08-15 v3 机器学习
生物大分子
定量方法
摘要
深度生成化学模型作为加速药物发现的强大工具而兴起。然而，所有可能的类药分子结构空间的巨大规模与复杂性构成了重大障碍，这可以通过结合量子计算机与深度经典网络的混合架构来克服。作为实现该目标的第一步，我们构建了一个紧凑的离散变分自编码器（DVAE），并在其潜变量层中采用了一个缩减规模的受限玻尔兹曼机（RBM）。所提出模型的规模足够小，能够适配于最先进的 D-Wave 量子退火机，并允许在生物活性化合物 ChEMBL 数据集的子集上进行训练。最终，我们生成了 2331 种新型化学结构，其药物化学性质与合成可及性均处于 ChEMBL 分子的典型范围之内。所展示的结果证明了使用现有或即将可用的量子计算设备作为未来药物发现应用测试平台的可行性。
引用
@article{arxiv.2108.11644,
title = {Hybrid quantum-classical machine learning for generative chemistry and drug design},
author = {A. I. Gircha and A. S. Boev and K. Avchaciov and P. O. Fedichev and A. K. Fedorov},
journal= {arXiv preprint arXiv:2108.11644},
year = {2023}
}
备注
8 pages. 3 figures, 1 table