研究人员开发了一种新颖的量子-经典混合工作流程，旨在改进药物发现的分子模拟。该方法将新的 ansatz，LCNot-UCCSD，与受限玻尔兹曼机（RBM）集成，创建了一个更有效的生成子空间扩展模型，QSCI-RBM。该方法在包括阿曼他定和 SARS-CoV-2 蛋白酶抑制剂在内的各种分子上进行了测试，证明与现有的最先进方法相比，它在更经济高效的模拟方面具有潜力。 AI
影响 这种量子-机器学习混合方法可以显著降低药物发现模拟的计算成本。
排序理由 该集群包含一篇详细介绍新科学方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.30551v1 Announce Type: cross Abstract: Calculation of binding energies for protein-ligand molecular systems requires accurate treatment of the electronic structure, a quantum chemistry problem that scales exponentially on classical hardware, while current quantum hardw…
Calculation of binding energies for protein-ligand molecular systems requires accurate treatment of the electronic structure, a quantum chemistry problem that scales exponentially on classical hardware, while current quantum hardware remains too noisy for the required circuit dep…