Q2SAR：面向药物发现的量子多核学习方法
量子物理
2025-12-17 v4 机器学习
摘要
定量结构-活性关系 (QSAR) 模型是计算药物发现的基石。该研究展示了将量子多核学习 (QMKL) 框架应用于 QSAR 分类以实现性能提升的成功案例，显著优于经典方法。我们将其应用于识别 DYRK1A 酪氨酸激酶抑制剂的数据集。该工作流程包括将 SMILES 表示转换为数值分子描述符，通过主成分分析 (PCA) 降维，然后使用在多个量子和经典核函数优化组合后训练的支持向量机 (SVM)。通过将 QMKL-SVM 与经典梯度提升模型进行基准测试，我们表明量子增强方法实现了更高的 AUC 分数，凸显其在解决具有挑战性的化学信息分类任务中提供量子优势的潜力。
引用
@article{arxiv.2506.14920,
title = {Q2SAR: A Quantum Multiple Kernel Learning Approach for Drug Discovery},
author = {Alejandro Giraldo and Daniel Ruiz and Mariano Caruso and Javier Mancilla and Guido Bellomo},
journal= {arXiv preprint arXiv:2506.14920},
year = {2025}
}