シンガポールのAgency for Science, Technology and Research (A*STAR)とNational University of Singapore (NUS)の研究者らは、構造ベースの創薬に必要な量子ビット数を圧縮するハイブリッド量子・古典フレームワークを発表した。arXiv（arXiv:2608.19868）で公開されたこの研究は、IBMの156量子ビットHeron r2プロセッサ（ibm_kingston）を用いたデジタルNISQハードウェア上で、リガンドと標的タンパク質間の最適な結合構成を特定する、資源効率の高い生体分子ドッキングを実証している。
| [ Warm-Start Full-Basis Encoding (W-S FBE) Framework ] | ||
|---|---|---|
| 最適化マッピング | 量子ビットエンコーディング | ハードウェア＆検証 |
| • Maximum Vertex-Weighted Clique (MVWCP) | • Full-Basis Encoding（3変数／量子ビット） | • IBM Heron r2 Processor (ibm_kingston) |
| • Binding Interaction Graph (BIG) の構築 | • ⌈N/3⌉ 個の物理量子ビットを要求 | • 1stp（Biotin、N=18を6量子ビットで解決） |
| • QUBO / Ising コストハミルトニアンの縮約 | • qDRIFTに着想を得たMPSウォームスタート | • 9aw2（Benzamidine、N=14を5量子ビットで解決） |
分子ドッキングでは、相互に適合するファーマコフォア相互作用の組み合わせを見つけるために、膨大な組み合わせ空間を探索する必要がある。古典的なアプローチでは、ドッキングを適合性グラフ上のMaximum Vertex-Weighted Clique Problem（MVWCP）として再定式化するが、従来の量子マッピングでは1つの物理量子ビットに1つの二値変数を割り当てるため、近い将来のハードウェアの限界をすぐに超えてしまう：
- Full-Basis Encoding（FBE）：FBEは、各量子ビットにつき1つの観測量（⟨σz⟩）を読み出す代わりに、3つの直交するBloch球面期待値（⟨σx⟩、⟨σy⟩、⟨σz⟩）すべてに古典変数を割り当てる。これにより、1つの物理量子ビットに最大3つの決定変数を持たせることができ、N変数の最適化問題をわずか⌈N/3⌉個の物理量子ビットに縮約できる。
- 純粋積状態基底状態の数学的証明：著者らは、連続FBE目的関数の少なくとも1つの大域最小化点が常に純粋積状態として表現できることを厳密に証明している。これは、最適な離散解を表現するために複雑な多量子ビットのもつれが不要であることを示すものであり、浅い変分ユニタリ回路の使用を正当化するものである。
- 確率的虚時間発展によるウォームスタート：バレンプラトー（勾配消失）を回避し、学習の収束を加速するため、この最適化は、Matrix Product States（MPS）を用いて古典的に計算される、トロッター化された確率的ドリフト（qDRIFT）虚時間発展ステップによって初期化される。
研究チームは、Protein Data Bank（PDB）に由来する、生物学的に意義のある2つのタンパク質・リガンド複合体でこのフレームワークを検証した：
- Streptavidin–Biotin複合体（1stp）：N=18の結合相互作用グラフにマッピングされ、6個の物理量子ビットを用いてIBM Heronプロセッサ上で実行された。
- Trypsin–Benzamidine複合体（9aw2）：N=14の結合相互作用グラフにマッピングされ、5個の物理量子ビットを用いてハードウェア上で実行された。
両方の複合体構造について、実際のゲート不完全性および読み出し誤差の下で、ハードウェア測定は古典的グラフソルバーによって計算された正確な正解クリーク割り当てを再現し、同一の回路深さおよび学習コストの条件下で、標準的な2基底（ZX）エンコーディングを上回る性能を示した。
本研究は、National Research Foundation, SingaporeおよびA*STAR’s Quantum Innovation Centre (Q.InC)の支援を受けたものである。
arXiv:2608.19868の完全なオープンアクセス論文はこちらからご覧いただける。
2026年8月27日
