クリーブランドクリニックとIBMは、量子中心型スーパーコンピューティング（QCSC）ワークフローを用いたタンパク質の電子構造の初のシミュレーションを報告した。研究チームは、IBM Quantum Heron r2プロセッサを古典的高性能コンピューティング（HPC）リソースと統合し、303原子からなるミニプロテインTrp-cageをモデル化した。この実装は、古典システムでは組み合わせ的にスケールする電子構造計算の計算上のボトルネックに対処するものである。この研究は、ハイブリッドワークフローが複雑な生体分子問題を効果的に分割できることを実証し、産業的に関連性の高い製薬および材料科学への量子有用性の実現に近づいている。
技術的フレームワークは、波動関数ベース埋め込み（EWF）に依拠し、Trp-cage分子を「クラスター」と呼ばれる計算可能なセグメントに分解する。このEWFスキームでは、タンパク質は局所領域に断片化され、各原子とそのもつれた環境が分析される。最小限のもつれを持つ単純なクラスターは古典的手法で処理される一方、分子間相互作用の密度が高い最も複雑なクラスターは量子プロセッサに割り当てられる。この負荷分散アプローチにより、古典的配置間相互作用（CI）法のみでは実用的でない特定の分子コアに対して、高精度の量子力学的処理が可能となる。
これらのクラスター内の電子構造を解くために、チームはサンプルベース量子対角化（SQD）アルゴリズムを利用した。SQDは量子選択配置間相互作用法であり、量子ハードウェアが可能な電子配置の広大な空間をサンプリングして最も重要な状態を特定する。その後、古典スーパーコンピュータがこのサンプリングされたデータを使用して最終解を計算する。ワークフローには、アンサッツ状態の対称性を維持するための配置回復などの誤差軽減手順が含まれており、各クラスターで評価された6から33の分子軌道（MO）全体にわたって結果が物理的に一貫していることを保証する。
Trp-cageミニプロテインは、そのコンパクトなサイズにもかかわらず、疎水性コアや複雑な水素結合など、より大きなタンパク質に共通する特徴を持つため、ベンチマークとして選択された。研究者たちは、タンパク質の折り畳み型と非折り畳み型の両コンフォマーのモデル化に成功し、MP2やCCSDなどの高レベル古典ベンチマークと競合する精度でそれらの相対エネルギーを予測した。数個のアミノ酸から300原子系へのこの成功したスケーリングは、生物学的に関連する文脈において多様な化学環境と変化する立体効果を処理するEWF-SQDワークフローの能力を検証している。
今後について、研究者たちはEWF-SQDフレームワークが理論的には数千の原子を含む分子にスケール可能であることを示している。長期的な目標は、これらのQCSCワークフローを利用してシミュレートされた分子挙動の広範なデータベースを生成することである。これらのデータセットは最終的に、創薬やエネルギー応用のための新規分子を予測・設計する機械学習アルゴリズムの訓練に使用される可能性がある。このプロジェクトはミシガン州立大学とクリーブランドクリニックのHPCリソースを利用しており、大規模電子CI シミュレーションを実現するための量子ハードウェアと古典インフラストラクチャの深い統合の必要性を強調している。
EWF-SQDワークフローとTrp-cageシミュレーション結果の技術的詳細については、IBM Research公式ブログおよびarXivの完全な研究論文を参照されたい。
EWF-SQDワークフローとTrp-cageシミュレーション結果の技術的詳細については、IBM Research公式ブログ、arXivの完全な研究論文、およびクリーブランドクリニックの超分子シミュレーションに関する過去の記事を参照されたい。
2026年3月26日
