基于 64 位 trapped-ion 硬件的蛋白质折叠：通过反向 adiabatic 量子优化实现
量子物理
2026-04-30 v1
摘要
我们报告了目前为止最大规模的 trapped-ion 硬件蛋白质折叠优化演示，采用偏置场数字化反向 adiabatic 量子优化 (BF-DCQO) 方法，在完全连通的 64 位铯离子开发系统上实现，该系统类似于即将推出的 IonQ Tempo 系列。将六条肽链序列（每条包含 14-16 个氨基酸残基）编码于粗粒化四面体晶格模型中，构建出包含最高 5 体相互作用的长程互动的高阶自旋糖模型，并映射到 46-61 位量子比特。由于低能配置需同时满足脊柱几何约束并优化密集的残基接触相互作用，这些实例对近期量子硬件构成挑战。BF-DCQO 采用非变分偏置反馈机制，每轮的低能样本用于定义纵向场，从而引导后续量子演化。通过研究的实例显示，BF-DCQO 将原始抽样能量分布向更低能量移动，效果最显著的是在残基接触变量上。为保留此信号，我们引入基于共识的后处理管道，将量子学习到的接触信息与可行的脊柱几何结合。最终的混合工作流程在多个实例中达到经典参考能量，并优于相应的随机种子管道。这些结果表明，BF-DCQO 能够在此前未探索的 trapped-ion 规模上为密集型蛋白质折叠哈密顿量生成结构化样本。
引用
@article{arxiv.2604.26861,
title = {Protein folding on a 64 qubit trapped-ion hardware via counterdiabatic quantum optimization},
author = {Alejandro Gomez Cadavid and Pavle Nikačević and Pranav Chandarana and Sebastián V. Romero and Enrique Solano and Narendra N. Hegade and Miguel Angel Lopez-Ruiz and Claudio Girotto and Hanna Linn and Hakan Doga and Evgeny Epifanovsky and Panagiotis Kl. Barkoutsos and Ananth Kaushik and Martin Roetteler},
journal= {arXiv preprint arXiv:2604.26861},
year = {2026}
}