中文

用于量子分子生成的秩细化量子行为粒子群优化

量子物理 2026-07-11 v1
作者: Sing-Yun Wu , Sheng Yun Wu , I-Min Chiang , Tai-Yue Li
在 arXiv 上查看 ↗ PDF ↗

摘要

本工作提出了秩细化量子行为粒子群优化(RR-QPSO),用于量子分子生成(QMG)中的高维参数搜索。RR-QPSO针对由昂贵目标评估引起的优化瓶颈,其中每个候选参数向量都需要随机电路采样、比特串解码和分子评估。该方法提供了一种基于群体的贝叶斯优化(BO)替代方案,结合了基于Sobol的初始化、秩细化的平均最优更新以及基于有效性和唯一性的适应度引导细化。实验使用9重原子QMG基准,采用134参数、20量子比特的CUDA-Q电路,粒子评估在8个NVIDIA V100 GPU上并行化。使用M=64个粒子和T=150次迭代,RR-QPSO达到VxU = 0.930;将群体规模增加到M=128进一步将乘积提高到0.942,而在相同协议下BO为0.902。针对HBA=4和HBD=3的多目标扩展进一步表明,RR-QPSO可以在保持比BO更高的有效性-唯一性乘积的同时引导分子性质。这些结果表明,优化器级别的设计可以在不修改受化学启发的电路或分子解码流程的情况下改进QMG。

关键词

粒子群优化 量子分子生成 高维优化 变分量子电路 贝叶斯优化 药物发现

引用

@article{arxiv.2607.10284,
  title  = {Rank-Refined Quantum-Behaved Particle Swarm Optimization for Quantum Molecular Generation},
  author = {Sing-Yun Wu and Sheng Yun Wu and I-Min Chiang and Tai-Yue Li},
  journal= {arXiv preprint arXiv:2607.10284},
  year   = {2026}
}