量子计算机上的肽结合分类
量子物理
2023-11-28 v1 人工智能
机器学习
摘要
我们在使用近期量子计算机解决计算生物学领域的一项任务方面进行了广泛研究。通过构建基于参数化量子线路的量子模型，我们对与治疗性蛋白质设计相关的任务进行序列分类，并发现其与同等规模的经典基线具有竞争性的性能。为了研究噪声的影响，我们在最先进含噪量子处理器的模拟器上运行了一些资源需求有利的最佳性能量子模型。随后我们应用误差缓解方法来改善信号。我们进一步在 Quantinuum H1-1 离子阱量子处理器上执行这些量子模型，并观察到与无噪精确模拟非常接近的一致性。最后，我们执行特征归因方法，发现量子模型确实识别出了合理的关联，至少与经典基线一样好。这项工作构成了近期量子计算在治疗性蛋白质设计关键任务上的首个概念验证应用，按照近期量子技术的硬件发展路线图，为在该领域及相关领域中更大规模的应用开辟了道路。
引用
@article{arxiv.2311.15696,
title = {Peptide Binding Classification on Quantum Computers},
author = {Charles London and Douglas Brown and Wenduan Xu and Sezen Vatansever and Christopher James Langmead and Dimitri Kartsaklis and Stephen Clark and Konstantinos Meichanetzidis},
journal= {arXiv preprint arXiv:2311.15696},
year = {2023}
}