[论文解读] A perspective on the current state-of-the-art of quantum computing for drug discovery applications

Nick S. Blunt, Joan Bestard Camps+10 more|arXiv (Cornell University)|Jun 1, 2022

Chronic Lymphocytic Leukemia Research被引用 15

一句话总结

本文评估了在短期内利用容错量子计算模拟复杂药物-蛋白相互作用的可行性，重点关注伊布替尼与布鲁顿氏酪氨酸激酶共价结合的体系。研究表明，近期在量子相位估计算法（QPE）中采用稀疏量子化技术，已将模拟50个轨道活性空间的估计运行时间从1,000多年缩短至数天，标志着药物发现领域实现实际量子优势的快速进展。

ABSTRACT

Computational chemistry is an essential tool in the pharmaceutical industry. Quantum computing is a fast evolving technology that promises to completely shift the computational capabilities in many areas of chemical research by bringing into reach currently impossible calculations. This perspective illustrates the near-future applicability of quantum computation to pharmaceutical problems. We briefly summarize and compare the scaling properties of state-of-the-art quantum algorithms, and provide novel estimates of the quantum computational cost of simulating progressively larger embedding regions of a pharmaceutically relevant covalent protein-drug complex involving the drug Ibrutinib. Carrying out these calculations requires an error-corrected quantum architecture, that we describe. Our estimates showcase that recent developments on quantum algorithms have dramatically reduced the quantum resources needed to run fully quantum calculations in active spaces of around 50 orbitals and electrons, from estimated over 1000 years using the Trotterisation approach to just a few days with sparse qubitisation, painting a picture of fast and exciting progress in this nascent field.

研究动机与目标

• 评估当前量子计算在制药应用中的最先进水平，特别是模拟共价药物-蛋白复合物的能力。
• 比较主流量子算法——变分量子本征求解器（VQE）与量子相位估计（QPE）——在电子结构计算中的扩展特性。
• 估算在纠错量子架构下，模拟伊布替尼-布鲁顿氏酪氨酸激酶复合物中逐渐扩大的嵌入区域的量子计算成本。
• 证明近期QPE算法改进，尤其是稀疏量子化技术，可显著降低约50个轨道活性空间的资源需求。
• 为在容错量子硬件上实现药物发现中完全量子模拟提供实施路线图。

提出的方法

• 使用第二量子化和Jordan-Wigner变换，将具有药理学意义的共价复合物（伊布替尼-布鲁顿氏酪氨酸激酶）的电子结构问题映射到量子计算机上。
• 比较VQE与QPE算法的资源扩展特性，得出结论：由于QPE能够以更少的电路重复次数实现高精度本征值估计，因此其扩展特性更优。
• 采用稀疏量子化作为实现QPE中时间演化算符的首选方法，与Trotter化相比，显著降低了门数和电路深度。
• 使用基于表面码的纠错逻辑量子比特模型估算容错资源成本，包含逻辑错误率和魔术态蒸馏失败概率。
• 应用概率界限估算实现所需成功概率（Ps）的重复次数（l）和中位估计样本数（k），以在2−t精度内完成本征值估计。
• 通过sinc函数近似推导出获得与真实值相差ε = 2−t以内的本征值估计概率的解析界限，并通过对δn = 1/2的最小化确保保守估计。

实验结果

研究问题

• RQ1 在不同量子算法下，模拟共价药物-蛋白复合物中50轨道活性空间的资源需求如何扩展？
• RQ2 稀疏量子化与Trotter化对药物体系中QPE总门数和运行时间有何影响？
• RQ3 为使近期内实现药物-靶点复合物的完全量子模拟可行，需要何种级别的纠错和逻辑保真度？
• RQ4 为在所需精度内实现高概率的基态能量估计，需要多少次电路重复和中位样本数？
• RQ5 近期QPE中的算法进展是否可将化学相关体系的量子模拟运行时间从数个世纪缩短至数天？

主要发现

• 使用稀疏量子化和纠错QPE进行50轨道活性空间的完全量子模拟，估计运行时间已缩短至仅数天，而使用旧的Trotter化方法则超过1,000年。
• 稀疏量子化将实现时间演化所需的两量子比特门数降低了数量级，从而更高效地实现量子相位估计。
• 获得与真实值相差2−t以内的本征值估计的概率下限为1 − 4/(π²(2^{m−t+1}−1))，确保了在足够量子比特精度下的高保真度估计。
• 通过选择k = 2⌊ηm/2⌋ + 1可提高中位估计的成功概率，但为避免低估所需重复次数，仍采用保守假设。
• 纠错至关重要：逻辑错误率和魔术态蒸馏失败概率（Pf）必须控制在约10−4以下，以确保多次运行结果的可靠性。
• 研究结论认为，近期的算法与硬件发展正迅速趋同，使容错量子模拟复杂药物分子在十年内成为现实可行的前景。