Совместная исследовательская группа разработала новую схему квантово-классических вычислений, нацеленную на проектирование фотохромных материалов. Эта работа, опубликованная 20 декабря 2024 года в журнале "Intelligent Computing" под названием «Квантово-классический метод, применяемый к проектированию материалов: оптимизация фотохромных материалов для приложений фотофармакологии», основывается на предыдущих исследованиях группы, опубликованных в том же журнале. Цель нового подхода – значительно ускорить процесс открытия новых материалов, что особенно актуально для развивающейся области фотофармакологии.
В основе методологии лежит вариационный метод квантовой дефляции в базисе вычислительных состояний, используемый в рамках квантово-классической вычислительной структуры. Эффективность подхода была подтверждена на примере поиска перспективных соединений для фотофармакологии, а именно – производных диарилэтена.
Фотохромные материалы, способные изменять цвет под воздействием света определенных длин волн, играют ключевую роль в фотофармакологии. Эта область медицины использует свет для активации или деактивации специализированных молекул, обеспечивая тем самым таргетированную доставку лекарств. Производные диарилэтена особенно ценны благодаря своей способности изменять цвет под воздействием света и сохранять стабильность при различных температурах.
В рамках исследования был проведен скрининг 4096 производных диарилэтена. В результате были выявлены пять наиболее перспективных кандидатов, обладающих двумя важнейшими свойствами: большими значениями максимальной длины волны поглощения и высокими силами осцилляторов. Эти свойства имеют решающее значение для применения в фотофармакологии, в частности, для создания систем контролируемой светом доставки лекарств.
Процесс поиска оптимальных молекул включал несколько этапов. Сначала были сгенерированы и проанализированы 384 производных диарилэтена с использованием методов квантовой химии для предсказания их свойств. Полученные результаты послужили обучающими данными для модели машинного обучения, которая затем была применена для прогнозирования свойств более широкого набора из 4096 производных.
Далее в работу вступил квантовый компьютер. Он использовался для оптимизации прогнозов, полученных с помощью модели машинного обучения. Целью оптимизации был поиск молекул с наибольшими значениями максимальной длины волны поглощения. Для моделирования системы и проведения оптимизации применялся математический инструмент – гамильтониан Изинга.
Для окончательной проверки отобранных кандидатов были проведены квантово-химические расчеты на классических компьютерах. Это позволило убедиться, что выбранные молекулы действительно соответствуют желаемым критериям (большая длина волны максимального поглощения и высокая сила осциллятора).
В квантовой оптимизации использовались 12-кубитные квантовые вычисления. Это позволило эффективно смоделировать основное состояние (состояние с наименьшей энергией) и четыре возбужденных состояния модели Изинга. Результатом стало выявление производных с наибольшими и следующими за ними по величине длинами волн поглощения. Последующие квантово-химические расчеты позволили проанализировать вклад молекулярных орбиталей в поглощение и, таким образом, разработать новые производные диарилэтена, сочетающие в себе как большие длины волн поглощения, так и высокие силы осцилляторов.
Тестирование на квантовом симуляторе показало хорошее соответствие с результатами, полученными с помощью точного эйгенсольвера (инструмента для вычисления уровней энергии гамильтониана). Производительность на реальных квантовых устройствах была сопоставима с результатами симулятора благодаря использованию передовых методов подавления и смягчения ошибок.
В последнее время интеграция квантово-химических расчетов с машинным обучением демонстрирует значительный потенциал для ускорения открытия новых материалов. Однако существуют фундаментальные проблемы, такие как ограниченный размер и качество обучающих наборов данных, а также трудности поиска в больших химических пространствах с использованием методов дискретной оптимизации.
Новый квантово-классический метод продемонстрировал способность решать эти проблемы. Ожидается, что он будет особенно полезен для открытия других типов перспективных материалов, что в конечном итоге приведет к более быстрому и ресурсоэффективному процессу их разработки. Этот подход имеет потенциал произвести революцию в фотофармакологии и смежных областях.
Изображение носит иллюстративный характер
В основе методологии лежит вариационный метод квантовой дефляции в базисе вычислительных состояний, используемый в рамках квантово-классической вычислительной структуры. Эффективность подхода была подтверждена на примере поиска перспективных соединений для фотофармакологии, а именно – производных диарилэтена.
Фотохромные материалы, способные изменять цвет под воздействием света определенных длин волн, играют ключевую роль в фотофармакологии. Эта область медицины использует свет для активации или деактивации специализированных молекул, обеспечивая тем самым таргетированную доставку лекарств. Производные диарилэтена особенно ценны благодаря своей способности изменять цвет под воздействием света и сохранять стабильность при различных температурах.
В рамках исследования был проведен скрининг 4096 производных диарилэтена. В результате были выявлены пять наиболее перспективных кандидатов, обладающих двумя важнейшими свойствами: большими значениями максимальной длины волны поглощения и высокими силами осцилляторов. Эти свойства имеют решающее значение для применения в фотофармакологии, в частности, для создания систем контролируемой светом доставки лекарств.
Процесс поиска оптимальных молекул включал несколько этапов. Сначала были сгенерированы и проанализированы 384 производных диарилэтена с использованием методов квантовой химии для предсказания их свойств. Полученные результаты послужили обучающими данными для модели машинного обучения, которая затем была применена для прогнозирования свойств более широкого набора из 4096 производных.
Далее в работу вступил квантовый компьютер. Он использовался для оптимизации прогнозов, полученных с помощью модели машинного обучения. Целью оптимизации был поиск молекул с наибольшими значениями максимальной длины волны поглощения. Для моделирования системы и проведения оптимизации применялся математический инструмент – гамильтониан Изинга.
Для окончательной проверки отобранных кандидатов были проведены квантово-химические расчеты на классических компьютерах. Это позволило убедиться, что выбранные молекулы действительно соответствуют желаемым критериям (большая длина волны максимального поглощения и высокая сила осциллятора).
В квантовой оптимизации использовались 12-кубитные квантовые вычисления. Это позволило эффективно смоделировать основное состояние (состояние с наименьшей энергией) и четыре возбужденных состояния модели Изинга. Результатом стало выявление производных с наибольшими и следующими за ними по величине длинами волн поглощения. Последующие квантово-химические расчеты позволили проанализировать вклад молекулярных орбиталей в поглощение и, таким образом, разработать новые производные диарилэтена, сочетающие в себе как большие длины волн поглощения, так и высокие силы осцилляторов.
Тестирование на квантовом симуляторе показало хорошее соответствие с результатами, полученными с помощью точного эйгенсольвера (инструмента для вычисления уровней энергии гамильтониана). Производительность на реальных квантовых устройствах была сопоставима с результатами симулятора благодаря использованию передовых методов подавления и смягчения ошибок.
В последнее время интеграция квантово-химических расчетов с машинным обучением демонстрирует значительный потенциал для ускорения открытия новых материалов. Однако существуют фундаментальные проблемы, такие как ограниченный размер и качество обучающих наборов данных, а также трудности поиска в больших химических пространствах с использованием методов дискретной оптимизации.
Новый квантово-классический метод продемонстрировал способность решать эти проблемы. Ожидается, что он будет особенно полезен для открытия других типов перспективных материалов, что в конечном итоге приведет к более быстрому и ресурсоэффективному процессу их разработки. Этот подход имеет потенциал произвести революцию в фотофармакологии и смежных областях.
