利用量子退火设计晶体蛋白

量子退火已展现出解决困难优化问题（包括蛋白折叠问题）的潜力。我们最近利用 D-Wave Advantage 量子退火机探索了粗粒化晶格模型（HP 模型）中的折叠问题，在该模型中，氨基酸被分为两大类：疏水性 (H) 和极性 (P)。我们使用包含最高 64 个氨基酸的 22 条 HP 序列，展示了 D-Wave 混合量子-经典求解器能够快速且一致地识别出正确的 HP 模型基态。在此基础上，另一个相关的生物物理学挑战——蛋白设计问题——即预测折叠至特定结构的蛋白序列。我们通过两步方法在 D-Wave 机器上求解该问题。在第一步中，我们通过变更每个序列位置的氨基酸类型，进行纯序列空间搜索，寻求能量最小化目标结构的序列。将该任务映射到 Ising 自旋野玛 representation 后，我们采用混合量子-经典求解器，为具有 30-64 个氨基酸的结构提供能量最优序列，成功率为 100%。在第二步中，我们根据优化序列是否能折叠至预期结构来筛选第一步得到的序列。此外，我们尝试仅使用 QPU 求解序列优化问题，这受限于规模 ≤20，因为成功率呈指数衰减。为阐明纯 QPU 结果，我们通过数值分析薛定谔方程，研究由 QPU 实现预期哈密顿量不完美导致的控制误差的影响。我们发现，在控制噪声存在的情况下，模拟得到的成功率在较大规模的链上半定量地再现了来之不易的纯 QPU 结果。