量子科技中心_量科网

准确预测mRNA的二级结构对于理解基因表达、翻译效率以及推进基于mRNA的疗法至关重要。然而，特别是在长序列中，可能的折叠组合复杂性对经典算法提出了显著的计算挑战。该工作提出了一种可扩展的、以量子为核心的优化框架，该框架将量子采样与经典后处理相结合，以解决这一问题。基于mRNA折叠任务的二次无约束二进制优化（QUBO）公式，研究团队开发了两种互补的工作流程：一种是通过规范变换和局部搜索增强的条件风险价值（CVaR）变分量子算法，另一种是基于瞬时量子多项式（IQP）电路的方案，其中训练在经典计算机上完成，采样则委托给量子硬件。该团队使用IBM量子处理器展示了这些方法的有效性，解决了多达156个量子比特和包含多达950个非局部门电路的问题实例，对应于多达60个核苷酸的mRNA序列。此外，研究团队在无噪声环境下验证了CVaR算法在张量网络模拟器上的可扩展性，达到了多达354个量子比特。这些结果表明，混合量子-经典方法在解决大规模生物优化问题方面的实际能力正在不断增强。