계산 생물학의 문제에 양자 알고리즘을 적용한 사람이 있습니까?

제목에서 알 수 있듯이 나는 계산 생물학의 문제에 적용되는 양자 알고리즘의 공개 된 예를 찾고 있습니다. 실제 사례가 아직 존재하지 않을 가능성이 높다는 점은 분명하다. 내가 관심있는 것은 개념 증명이다 . 이 맥락에서 계산 생물학 문제의 몇 가지 예는 다음과 같습니다.

• 단백질 구조 예측 (2 차, 3 차)
• 약물 리간드 바인딩
• 다중 서열 정렬
• 드 노보 조립
• 머신 러닝 어플리케이션

나는 내가 찾고있는 것을 설명하는 그러한 참조를 하나만 발견했습니다. 이 연구에서 D-Wave는 전사 인자 결합에 사용되었지만 단열 양자 컴퓨팅 영역 외부에 예제가있는 것은 흥미로울 것입니다.

• 단순화 된 계산 생물학 문제에 적용된 양자 어닐링 대 고전적인 기계 학습

양자 시뮬레이션 측면에서 몇 가지가 있습니다. 그것들은 종종 생물학적으로 관련이 있다고 여겨지는 규모의 시뮬레이션은 아니지만,이 연구 라인은 더 큰 생물학적 중요성의 분자를 모델링하는 선구자라고 상상할 수 있습니다.

• 원자핵의 클라우드 양자 컴퓨팅
• 분자 에너지의 확장 가능한 양자 시뮬레이션

전사 인자 결합과 양자 시뮬레이션 이외에도 존재하고 생물학과 관련된 다른 개념 증명이 있습니까?

업데이트 : 지금까지 가장 좋은 답변을 수락했지만 더 많은 예제가 나오는지 확인하려고합니다. 격자 단백질 모델 에서 D-Wave 출판물 에서 저에너지 단백질 구조의 식별을 보여주기 위해 다소 오래된 (2010) 다른 것을 발견 했습니다.

양자 생물학에서 구체적으로 언급을 찾을 수 없었습니다. 그러나 Quantum Assisted biomolecular modeling 이라는 리뷰를 찾았습니다 .

흥미로울 지 모르지만 이것은 2010 년입니다. 그 이후로이 분야는 진화했지만 아이디어는 비슷하게 유지됩니다. 저자는 모든 고전 경로를 동시에 시도 할 수있는 양자 컴퓨터의 능력에 대한 아이디어에 더 집중합니다.

나는 현장과 일반적인 관행에 대해 잘 모른다. 그러나 전산 생물학이 최적화에 더 중점을 둔다면 양자 검색 알고리즘이나 하이브리드 고전 양자 설정을 적용하는 것이 적합해야합니다 (현재로서는 실용적이지 않더라도).

이제 머신 러닝에 대해서는 양자 컴퓨팅에서는 다소 불분명합니다. 특히 Quantum Machine Learning이라는 이름으로. 다른 접근법 / 목표가 취해집니다. 일부 알고리즘은 K-Means, SVM과 같은 클래식 알고리즘 (qRAM이라는 가상 장치 기반)의 속도를 높이기 위해 설계되었습니다. 일부는 예를 들어 양자 데이터 압축과 같은 양자 데이터로 ML을 수행하는 데 중점을 둡니다.

결론 : 아직 명확한 아이디어는 없지만 흥미 롭습니다. 이 과정에서 새로운 알고리즘을 만들거나 기존의 기존 알고리즘을 개선 할 수 있습니다.

편집 : 최근 보도 자료 는 Rigetti Computing과 Entropica Labs 간의 파트너십을 발표하여 생물 정보학 및 유전체학에 대한 양자 컴퓨팅의 실제 응용 프로그램을 개발했습니다.

양자 시뮬레이션은 특정 생물학적 과정을 설명 할 수있는 모델을 테스트하는 데 사용될 수 있습니다. 예를 들어 Potočnik 등 의 2018 논문. 초전도 양자 회로를 사용하여 광 수확 모델을 조사했습니다 (아래 그림 참조).

현재 양자 역학이 생물학적 과정에서 중요한 기능적 역할을하는지 여부는 아직 의문의 여지가있다. 양자 역학이 그러한 역할을 수행 할 수있는 일부 후보 생물학적 과정은 조류의 자기 수용, 후각 및 광 수확을 포함합니다.