机构名称：
¥ 1.0
蛋白质的展开形式是氨基酸的线性序列。蛋白质结构预测试图找到给定蛋白质的天然构象，这在药物和疫苗开发中具有潜在的应用。经典的蛋白质结构预测是一个 NP 完全的、未解的计算问题。然而，量子计算有望提高经典算法的性能。在这里，我们在二维方格上的疏水-亲水模型中开发了一种量子算法，用于解决任何长度为 N 的氨基酸序列的问题，其速度比经典算法快二倍。这种加速是使用 Grover 的量子搜索算法实现的。该算法可用于任意长度的氨基酸序列。它包括三个阶段：（1）准备一个编码所有可能的 2 2 ( N − 1 ) 种构象的叠加态，（2）并行计算每种可能构象的坐标和能量，以及（3）找到具有最小能量的构象。空间上的渐近复杂度为 O ( N 3 ) ，而与经典算法相比，获得的加速比是二次的。我们已使用 Qiskit SDK 在 IBM Quantum 的 qasm 模拟器上成功模拟了该算法。此外，我们还通过计算找到正确构象的理论概率进一步证实了结果的正确性。
疏水-亲水模型中蛋白质结构预测的快速量子算法
主要关键词
相关文件推荐
