[論文レビュー] Quantum Simulation of Protein Fragment Electronic Structure Using Moment-based Adaptive Variational Quantum Algorithms

Biraja Ghoshal|arXiv (Cornell University)|Jan 2, 2026

Quantum Computing Algorithms and Architecture被引用数 0

ひとこと要約

量子-古典VQEフレームワークはタンパク質フラグメント構造からフェルミオン哈密算を構築し、ジョルダン–ワイナー転写で量子ビットへ写像、4軌道セリンプロテアーゼフラグメントに対して化学精度を達成し、薬物発見予測に実用的な示唆を提供する。

ABSTRACT

Background: Understanding electronic interactions in protein active sites is fundamental to drug discovery and enzyme engineering, but remains computationally challenging due to exponential scaling of quantum mechanical calculations. Results: We present a quantum-classical hybrid framework for simulating protein fragment electronic structure using variational quantum algorithms. We construct fermionic Hamiltonians from experimentally determined protein structures, map them to qubits via Jordan-Wigner transformation, and optimize ground state energies using the Variational Quantum Eigensolver implemented in pure Python. For a 4-orbital serine protease fragment, we achieve chemical accuracy (< 1.6 mHartree) with 95.3% correlation energy recovery. Systematic analysis reveals three-phase convergence behaviour with exponential decay (α = 0.95), power law optimization (γ = 1.21), and asymptotic approach. Application to SARS-CoV-2 protease inhibition demonstrates predictive accuracy (MAE=0.25 kcal/mol), while cytochrome P450 metabolism predictions achieve 85% site accuracy. Conclusions: This work establishes a pathway for quantum-enhanced biomolecular simulations on near-term quantum hardware, bridging quantum algorithm development with practical biological applications.

研究の動機と目的

• 量子アルゴリズムと生物学的応用を橋渡しし、タンパク質フラグメントの電子構造をシミュレートする。
• 実験的タンパク質構造から量子シミュレーションまでの完全なワークフローを開発する。
• 生物学的に関連するフラグメントに対する適応型VQEの収束性と精度を分析する。
• 薬物発見の文脈で実験データと量子予測を検証する。

提案手法

• Protein Data Bank構造からSTO-3G基底を用いてフェルミオン哈密算を構築する。
• ジョルダン–ワイナー変換によりフェルミオン項を量子ビットへ写像し、セリンプロテアーゼフラグメントのために256個のパウリ項を得る。
• 状態準備のためハードウェア効率的で対称性を強制するアンサツを用いる。
• パラメータシフト勾配推定と適応学習率を用いた運動量ベースの適応型VQEを実装する。
• 三相の収束を特徴づける：指数関数的減衰（α≈0.95）、べき乗法最適化（γ≈1.21）、漸近的接近。
• エネルギー収束、相関エネルギー回収を評価し、CCSD(T)およびFCI参照と比較する。

実験結果

リサーチクエスチョン

• RQ1 近端ハードウェアを用いた少量の量子ビット・小さな活性空間で、モーメントベースの適応型VQEはタンパク質フラグメントに対して化学的精度を達成できるか。
• RQ2 生物学的に複雑な電子構造に対してVQEはどのように収束し、収束の相はどのように変化するか。
• RQ3 タンパク質フラグメントに対する量子予測は、結合エネルギー、代謝部位といった薬物発見の実務的タスクへどれだけ翻訳できるか（古典的方法と比較して）。
• RQ4 より大きなタンパク質フラグメントへ拡張する際のスケーリングとリソースの影響はどうなるか。

主な発見

• 4軌道のセリンプロテアーゼフラグメントでは、VQEは化学的精度（<1.6 mEh）を達成し、相関エネルギーの95.3%を回収する。
• フラグメントのジョルダン–ワイナー写像は256個のパウリ項を生み出し、対称性を強制したハードウェア効率的アンサツは効果的な最適化を提供する。
• VQEは3つの相で収束する：指数関数的エネルギー減衰（α≈0.95）、べき乗法最適化（γ≈1.21）、漸近的接近（δ≈0.15）。
• 薬物発見への適用は予測力を示す：SARS-CoV-2主プロテアーゼ阻害剤の結合エネルギーをMAE≈0.25 kcal/mol、R^2≈0.94で予測；シトクロムP450代謝部位の精度は≈85%。
• 自然軌道解析は整数でない占有数を伴う電子相関の顕著さを示す（n0=1.78, n1=1.56, n2=0.42, n3=0.24）。
• 古典的方法との比較は、本研究のVQEが4量子ビットデモで約3分の1のコストでCCSD(T)と同程度の精度を達成することを示す（FCI: 100%相関; CCSD(T): 99.5%; MP2: 90.2%）。