量子科技中心_量科网

从氨基酸序列精确预测蛋白质结构仍然是计算生物学领域的一项基础性挑战，对理解生物功能及实现基于结构的药物研发具有深远意义。该研究团队提出基于粗粒度晶格模型与变分算法相结合的量子计算方法，将其作为利用量子计算机预测蛋白质结构的初步探索。在该工作中，研究人员引入了一种更高效的量子蛋白质结构预测流程，通过采用与问题无关的拟设方案，避免了显式哈密顿量构建的需求。该拟设通过训练最小化基于能量的成本函数（可在经典计算机上高效计算），相比先前基于哈密顿量的方法，不仅消除了辅助量子比特的需求，还减少了电路深度。这种方法为更大蛋白质提供更可扩展的解决方案，并促进了高阶相互作用的引入——这在量子方法中此前难以实现。研究团队通过在多达26个氨基酸的蛋白质数据集上进行基准测试来验证方法有效性，采用四面体、体心立方和面心立方晶格模型，并纳入次近邻相互作用。通过无噪声模拟器和ibm_kingston量子计算机，研究人员使用多维评估指标对预测质量进行系统分析。这些实验将量子蛋白质结构预测的序列长度推进到超越以往研究的范畴。总体而言，结果证明了该方案的可扩展性和适应性，同时指出了未来算法改进与硬件升级的关键方向。