[논문 리뷰] Quantum Simulation of Protein Fragment Electronic Structure Using Moment-based Adaptive Variational Quantum Algorithms

Biraja Ghoshal|arXiv (Cornell University)|2026. 01. 02.

Quantum Computing Algorithms and Architecture인용 수 0

한 줄 요약

양자-고전적 VQE 프레임워크는 단백질 조각 구조로부터 페르미霍닉 해밀토니안을 구성하고, Jordan–Wigner를 통해 큐빗으로 매핑하며, 4-orbital 세린 프로테아제 조각에 대해 화학적 정확도(chemical accuracy)를 달성하고 실제 약물 발견 예측을 제공합니다.

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.

연구 동기 및 목표

• 양자 알고리즘과 생물학적 응용을 단백질 조각 전자구조 시뮬레이션으로 연결한다.
• 실험적 단백질 구조에서 양자 시뮬레이션까지의 완전한 워크플로우를 개발한다.
• 생물학적으로 관련된 조각들에 대한 적응형 VQE의 수렴 및 정확성을 분석한다.
• 약물 발견 맥락에서 실험 데이터와 양자 예측을 검증한다.

제안 방법

• Protein Data Bank 구조로부터 STO-3G 기저를 사용하여 페르미霍닉 해밀토니안 구성.
• Jordan–Wigner 변환으로 페르미霍닉 항을 큐빗으로 매핑하여 serine protease fragment에 대해 256개의 Pauli 항을 산출.
• 상태 준비를 위해 하드웨어-효율적이고 대칭성 강제화가 적용된 Ansätze를 사용.
• 매개변수-이동 기울기 추정치와 적응적 학습률을 갖춘 모멘텀 기반의 적응형 VQE를 구현.
• 지수적 감소(α≈0.95), 거듭제곱 법칙 최적화(γ≈1.21), 점근적 접근(δ≈0.15)의 3단계 수렴을 특징으로 하는 수렴을 특징으로 한다.
• 에너지 수렴, 상관 에너지 회복 및 CCSD(T) 및 FCI 참조와의 비교를 평가한다.

실험 결과

연구 질문

• RQ1 근접 하드웨어를 사용하여 소수 큐빗, 작은 활성 공간을 갖는 단백질 조각에 대해 모멘트 기반의 적응형 VQE가 화학적 정확도에 도달할 수 있는가?
• RQ2 생물학적으로 복잡한 전자 구조에서 VQE의 수렴은 어떠하며 수렴의 단계는 무엇인가?
• RQ3 단백질 조각에 대한 양자 예측이 실제 약물 발견 작업(결합 에너지, 대사 부위)으로 얼마나 잘 번역되는가? 비교적 고전적 방법과의 차이는 무엇인가?
• RQ4 더 큰 단백질 조각으로 확장할 때의 규모 확장성과 자원 요구는 어떻게 되는가?

주요 결과

• 4-궤도 세린 프로테아제 조각에 대해 VQE는 화학적 정확도(<1.6 mEh)를 달성하고 상관 에너지의 95.3%를 회복한다.
• Fragment의 Jordan–Wigner 매핑은 256개의 Pauli 항을 산출하며, 대칭성 강제화가 적용된 하드웨어-효율적 Ansatz가 효과적인 최적화를 제공한다.
• VQE는 세 가지 단계의 수렴으로 수렴한다: 지수적 에너지 감소로 α≈0.95, 거듭제곱 법칙 최적화로 γ≈1.21, 점근적 접근으로 δ≈0.15.
• 약물 발견 응용에서 예측 능력이 입증되어 SARS-CoV-2 메인 프로테아제 억제제의 결합 에너지가 MAE≈0.25 kcal/mol, R^2≈0.94로 예측되었고 사이토크롬 P450 대사 부위 정확도는 약 85%이다.
• Natural orbital 분석은 비정수 점유(n0=1.78, n1=1.56, n2=0.42, n3=0.24)로 중요한 전자 상관을 나타낸다.
• 고전적 방법과의 비교에서 이 연구의 VQE는 4-큐빗 시연에 대해 대략 1/3 비용으로 CCSD(T)와 비슷한 정확도를 달성한다 (FCI: 100% 상관; CCSD(T): 99.5%; MP2: 90.2%).