Q-Drug：一种利用深度学习将药物设计引入量子空间的框架
量子物理
2023-08-28 v1 分子网络
定量方法
摘要
优化分子（材料或药物）的性质以获得更强韧性、更低毒性或更好生物利用度，一直是一项长期挑战。在此背景下，我们提出了一种称为 Q-Drug（Quantum-inspired optimization algorithm for Drugs，受量子启发的药物优化算法）的分子优化框架，该框架利用受量子启发的算法在离散二元域变量上优化分子。框架首先使用离散 VAE 将分子编码为二元嵌入。随后利用这些二元嵌入构造类伊辛能量目标函数，并采用最先进的受量子启发的优化算法寻找最优解。对应于最优解的二元嵌入被解码以获得优化后的分子。我们已测试该框架在优化药物分子性质方面的表现，发现其优于其他分子优化方法，在先前所需时间的 1/20 到 1/10 内找到性质更优的分子。该框架也可直接部署于各类量子计算设备，如激光脉冲 CIM、FPGA 伊辛机以及基于量子退火的量子计算机等。我们的工作展示了一种利用量子计算与 AI 优势解决实用问题的新范式。
引用
@article{arxiv.2308.13171,
title = {Q-Drug: a Framework to bring Drug Design into Quantum Space using Deep Learning},
author = {Zhaoping Xiong and Xiaopeng Cui and Xinyuan Lin and Feixiao Ren and Bowen Liu and Yunting Li and Manhong Yung and Nan Qiao},
journal= {arXiv preprint arXiv:2308.13171},
year = {2023}
}