mateltechИзвестия высших учебных заведений. Материалы электронной техникиIzvestiya Vysshikh Uchebnykh Zavedenii. Materialy Elektronnoi Tekhniki = Materials of Electronics Engineering1609-35772413-6387MISIS10.17073/1609-3577-2022-4-305-311PKKJRFmateltech-507Research ArticleМатематическое моделирование в материаловедении электронных компонентовMATHEMATICAL MODELING IN MATERIALS SCIENCE OF ELECTRONIC COMPONENTSСжатие квантового контура для моделирования пространственной структуры белкаProtein folding quantum circuit quantum circuit for bio material modelling compressionhttps://orcid.org/0000-0002-2701-6083ЛисниченкоМ. О.LisnchenkoM. O.

ул. Университетская, д. 1, Иннополис, Республика Татарстан, 420500

Лисниченко Марина Олеговна — ассистент, аспирант, лаборатория машинного обучения и представления данных

1 Universitetskaya Str. ,Innopolis, 420500

Marina O. Lisnichenko — Assistant, Postgraduate Student, Machine Learning and Knowledge Representation Lab

m.lisnichenko@innopolis.universityhttps://orcid.org/0000-0001-5404-2773ПротасовС. И.ProtasovS. I.

ул. Университетская, д. 1, Иннополис, Республика Татарстан, 420500

Протасов Станислав Игоревич — кандидат физ.-мат. наук, доцент, лаборатория машинного обучения и представления данных

1 Universitetskaya Str. ,Innopolis, 420500

Stanislav I. Protasov — Cand. Sci. (Phys.-Math.), Associate Professor, Machine Learning and Knowledge Representation Lab

s.protasov@innopolis.ruУниверситет ИннополисРоссияInnopolis UniversityRussian Federation202210012023254305311Copyright © Лисниченко М.О., Протасов С.И., 20232023Лисниченко М.О., Протасов С.И.Lisnchenko M.O., Protasov S.I.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://met.misis.ru/jour/article/view/507

Вычислительное материаловедение направлено на моделирование веществ для изучения их физических свойств. Биоэлектроника — это междисциплинарная область, изучающая биологические материалы с точки зрения проводимости. Пространственная структура (или свертка) белка напрямую влияет на его физические и химические свойства, в том числе на проводимость. Моделирование пространственной структуры белка является вычислительно трудной задачей: число возможных степеней свободы делает моделирование экспоненциально сложным для классических вычислений из-за ограниченности ресурсов, а именно памяти и процессорного времени. Квантовые вычисления направлены на обработку многомерных данных, при которых потребность в вычислительных ресурсах (кубитах) растет логарифмически по отношению к размеру данных. Квантовые операторы, вентили, составляют квантовые программы, называемые контурами (или схемами).  В реальных квантовых компьютерах вентили являются неточными и дорогими в исполнении. Одним из способов повышения точности результата и снижения стоимости вычислений служит уменьшение количества квантовых вентилей. Данная работа описывает подход к уменьшению количества вентилей, состоящий из двух комбинируемых техник. Первая техника оптимизации основана на свойствах обратных и коммутирующих матриц. В данном случае оптимизированный контур при моделировании предсказывает такую же структуру белка, как и при моделировании исходным контуром, поскольку они математически эквивалентны. Вторая техника основана на исключении из квантового контура операторов с малоамплитудными параметрами. В этом случае оптимизированный контур рассчитывает приближенную структуру белка с погрешностью, зависящей от величины амплитуды параметров матриц. В ходе работы при моделировании части молекулы азурина удалось сократить глубину квантового контура с 631 до 629 вентилей первой техникой. Сокращение числа операторов первого метода совместно со вторым зависит от порогового значения, заданным вручную: для порогового значения 0.4 радиан глубина квантового контура составляет 314 вентиля.

Computational material science aims to simulate substances to understand their physical properties. Bioelectronics is an interdisciplinary field that studies biological material from the conductivity point of view. In case of proteins, the folding is an important feature that directly influences physical and chemical properties. The folding modelling is a hard task. The enormous number of degrees of freedom makes modelling impossible for classical computation due to resource limits. Quantum computations aim to process multidimensional data with logarithmic growth of quantum bits. Quantum operators (gates) form quantum programs, known as circuits that process the input data. In real quantum computers, the gates are noisy and expensive to execute. Thus, it is essential to reduce the number of quantum gates both for the quality of the result and the cost of computations. This work describes an approach to decrease the number of quantum gates based on their mathematical property. The matrix properties form the first optimization technique. In this case, the optimized quantum circuit predicts precisely the same protein folding as the not optimized circuit predicts. This happens because both of the circuits are mathematically equivalent. The removal of weakly-parametrized gates forms the second optimization technique. In such case the optimized quantum circuit calculates the approximate protein folding. The error depends on parameter’s amplitude of the gates. The first technique allows to decrease the circuit depth from 631 to 629 gates while modelling the part of Azurin peptide. The second technique allows to decrease the depth to 314 gates with the threshold parameter value 0.4 radians.

квантовые технологииоптимизациямоделированиебиоэлектроникаquantum technologyoptimizationmodellingbioelectronicsReferencesZhang L., Lu J.R., Waigh T.A. Electronics of peptide-and protein-based biomaterials. Advances in Colloid and Interface Science. 2021; 287: 102319–102320. https://doi.org/10.1016/j.cis.2020.102319Zhang L., Lu J.R., Waigh T.A. Electronics of peptide-and protein-based biomaterials. Advances in Colloid and Interface Science. 2021; 287: 102319–102320. https://doi.org/10.1016/j.cis.2020.102319Nicolini C. From neural chip and engineered biomolecules to bioelectronic devices: An overview. Biosensors and Bioelectronics. 1995; 10(1-2): 105–127. https://doi.org/10.1016/0956-5663(95)96799-5Nicolini C. From neural chip and engineered biomolecules to bioelectronic devices: An overview. Biosensors and Bioelectronics. 1995; 10(1-2): 105–127. https://doi.org/10.1016/0956-5663(95)96799-5Tokita Y., Yamada S., Luo W., Goto Y., Bouley-Ford N., Nakajima H., Watanabe Y. Protein photoconductors and photodiodes. Angewandte Chemie International Edition. 2011; 50(49): 11663– 11666. https://doi.org/10.1002/anie.201103341Tokita Y., Yamada S., Luo W., Goto Y., Bouley-Ford N., Nakajima H., Watanabe Y. Protein photoconductors and photodiodes. Angewandte Chemie International Edition. 2011; 50(49): 11663– 11666. https://doi.org/10.1002/anie.201103341Fereiro J.A., Porat G., Bendikov T., Pecht I., Sheves M., Cahen D. Protein electronics: chemical modulation of contacts control energy level alignment in gold-azurin-gold junctions. Journal of the American Chemical Society. 2018; 140(41): 13317–13326. https://doi.org/10.1021/jacs.8b07742Fereiro J.A., Porat G., Bendikov T., Pecht I., Sheves M., Cahen D. Protein electronics: chemical modulation of contacts control energy level alignment in gold-azurin-gold junctions. Journal of the American Chemical Society. 2018; 140(41): 13317–13326. https://doi.org/10.1021/jacs.8b07742Cordes M. How do amino acids transport electrons through peptides? Germany: Cuvillier Verlag; 2008. 8 p.Cordes M. How do amino acids transport electrons through peptides? Germany: Cuvillier Verlag; 2008. 8 p.Cordes M., Giese B. Electron transfer in peptides and proteins. Chemical Society Reviews. 2009; 38(4): 892–901. https://doi.org/10.1039/b805743pCordes M., Giese B. Electron transfer in peptides and proteins. Chemical Society Reviews. 2009; 38(4): 892–901. https://doi.org/10.1039/b805743pHa M., Kim V.N. Regulation of microRNA biogenesis. Nature Reviews Molecular Cell Biology. 2014; 15(8): 509–524. https://doi.org/10.1038/nrm3838Ha M., Kim V.N. Regulation of microRNA biogenesis. Nature Reviews Molecular Cell Biology. 2014; 15(8): 509–524. https://doi.org/10.1038/nrm3838Levinthal C. Are there pathways for protein folding? Journal de Chimie Physique. 1968; 65: 44–45. https://doi.org/10.1051/jcp/1968650044Levinthal C. Are there pathways for protein folding? Journal de Chimie Physique. 1968; 65: 44–45. https://doi.org/10.1051/jcp/1968650044Bryan P.N., Orban J. Proteins that switch folds. Current Opinion in Structural Biology. 2010; 20(4): 482–488. https://doi.org/10.1016/j.sbi.2010.06.002Bryan P.N., Orban J. Proteins that switch folds. Current Opinion in Structural Biology. 2010; 20(4): 482–488. https://doi.org/10.1016/j.sbi.2010.06.002Dunker A.K., Lawson J.D., Brown C.J., Williams R.M., Romero P., Oh J.S., Oldfield C.J., Campen A.M., Ratliff C.M., Hipps K.W., Ausió J., Nissen M., Reeves R., Kang C., Kissinger C., Bailey R., Griswold M., Chiu, E. Garner W., Obradovic Z. Intrinsically disordered protein. Journal of Molecular Graphics and Modelling. 2001; 19(1): 26–59. https://doi.org/10.1016/s1093-3263(00)00138-8Dunker A.K., Lawson J.D., Brown C.J., Williams R.M., Romero P., Oh J.S., Oldfield C.J., Campen A.M., Ratliff C.M., Hipps K.W., Ausió J., Nissen M., Reeves R., Kang C., Kissinger C., Bailey R., Griswold M., Chiu, E. Garner W., Obradovic Z. Intrinsically disordered protein. Journal of Molecular Graphics and Modelling. 2001; 19(1): 26–59. https://doi.org/10.1016/s1093-3263(00)00138-8Hart W.E., Istrail S. Robust proofs of NP-hardness for protein folding: general lattices and energy potentials. Journal of Computational Biology: a Journal of Computational Molecular Cell Biology. 1997; 4(1): 1–22. https://doi.org/10.1089/cmb.1997.4.1Hart W.E., Istrail S. Robust proofs of NP-hardness for protein folding: general lattices and energy potentials. Journal of Computational Biology: a Journal of Computational Molecular Cell Biology. 1997; 4(1): 1–22. https://doi.org/10.1089/cmb.1997.4.1Tunyasuvunakool K., Adler J., Wu Z., Green T., Zielinski M., Zidek A., Bridgland A., Cowie A., Meyer C., Laydon A. et al. Highly accurate protein structure prediction for the human proteome. Nature. 2021; 596(7873): 590–596. https://doi.org/10.1038/s41586-021-03828-1Tunyasuvunakool K., Adler J., Wu Z., Green T., Zielinski M., Zidek A., Bridgland A., Cowie A., Meyer C., Laydon A. et al. Highly accurate protein structure prediction for the human proteome. Nature. 2021; 596(7873): 590–596. https://doi.org/10.1038/s41586-021-03828-1Outeiral C., Strahm M., Shi J., Morris G.M., Benjamin S.C., Deane Ch.M. The prospects of quantum computing in computational molecular biology. Wiley Interdisciplinary Reviews: Computational Molecular Science. 2021; 11(1): e1481–е1504. https://doi.org/10.1002/wcms.1481Outeiral C., Strahm M., Shi J., Morris G.M., Benjamin S.C., Deane Ch.M. The prospects of quantum computing in computational molecular biology. Wiley Interdisciplinary Reviews: Computational Molecular Science. 2021; 11(1): e1481–е1504. https://doi.org/10.1002/wcms.1481Robert A., Barkoutsos P.K., Woerner S., Tavernelli I. Resource-efficient quantum algorithm for protein folding. npj Quantum Information. 2021; 7(1): 1–5. https://doi.org/10.1038/s41534-021-00368-4Robert A., Barkoutsos P.K., Woerner S., Tavernelli I. Resource-efficient quantum algorithm for protein folding. npj Quantum Information. 2021; 7(1): 1–5. https://doi.org/10.1038/s41534-021-00368-4Fingerhuth M., Babej T., Ing Ch. A quantum alternating operator ansatz with hard and soft constraints for lattice protein folding. arXiv:1810.13411; 2018. 12 p. https://arxiv.org/pdf/1810.13411.pdfFingerhuth M., Babej T., Ing Ch. A quantum alternating operator ansatz with hard and soft constraints for lattice protein folding. arXiv:1810.13411; 2018. 12 p. https://arxiv.org/pdf/1810.13411.pdfPreskill J. Quantum computing in the NISQ era and beyond. Quantum. 2018; 2: 79–101. https://doi.org/10.22331/q-2018-08-06-79Preskill J. Quantum computing in the NISQ era and beyond. Quantum. 2018; 2: 79–101. https://doi.org/10.22331/q-2018-08-06-79Matsumoto R., Hagiwara M. A survey of quantum error correction. IEICE Transactions on Fundamentals of Electronics, Communications and Computer Sciences. 2021; E104.A(12): 1654–1665. https://doi.org/10.1587/transfun.2021EAI0001Matsumoto R., Hagiwara M. A survey of quantum error correction. IEICE Transactions on Fundamentals of Electronics, Communications and Computer Sciences. 2021; E104.A(12): 1654–1665. https://doi.org/10.1587/transfun.2021EAI0001Huang F., Shu Q., Qin Zh., Tian J., Su Zh., Huang Y., Gao M. Anticancer actions of Azurin and its derived peptide p28. The Protein Journal. 2020; 39(2): 182–189. https://doi.org/10.1007/s10930-020-09891-3Huang F., Shu Q., Qin Zh., Tian J., Su Zh., Huang Y., Gao M. Anticancer actions of Azurin and its derived peptide p28. The Protein Journal. 2020; 39(2): 182–189. https://doi.org/10.1007/s10930-020-09891-3Thekkadath G.S., Giner L., Chalich Y., Horton M.J., Banker J., Lundeen J.S. Direct measurement of the density matrix of a quantum system. Physical Review Letters. 2016; 117(12): 120401–120407. https://doi.org/10.1103/PhysRevLett.117.120401Thekkadath G.S., Giner L., Chalich Y., Horton M.J., Banker J., Lundeen J.S. Direct measurement of the density matrix of a quantum system. Physical Review Letters. 2016; 117(12): 120401–120407. https://doi.org/10.1103/PhysRevLett.117.120401The Jupyter Book Community. Representing qubit states. https://qiskit.org/textbook/ch-states/representing-qubit-states.htmlThe Jupyter Book Community. Representing qubit states. https://qiskit.org/textbook/ch-states/representing-qubit-states.htmlBoyer M., Liss R., Mor T. Geometry of entanglement in the bloch sphere. Physical Review A. 2017; 95(3): 032308–032315. https://doi.org/10.1103/PhysRevA.95.032308Boyer M., Liss R., Mor T. Geometry of entanglement in the bloch sphere. Physical Review A. 2017; 95(3): 032308–032315. https://doi.org/10.1103/PhysRevA.95.032308Open-source quantum development. https://qiskit.org/ (дата обращения: 17.12.2022).Open-source quantum development. https://qiskit.org/ (дата обращения: 17.12.2022).

The authors declare that there are no conflicts of interest present.