arXiv quant-ph· Chenyan Jia, Yaping Ma, Yuen Wang, Cong Guo·· 22 天前AI 评分25
受体功能效价预测中的量子线路残差：预测增益与二次结构
Quantum-Circuit Residuals for Receptor Functional Potency Prediction: Predictive Gains and Quadratic Structure
AI 导读
研究人员将经典分子编码器与浅层量子线路残差头联合训练，用于受体功能效价预测。在 GLP-1R 结构分组划分下，该模型将 MLP 与 GNN 编码器的平均绝对误差分别从 0.677 和 0.680 降至 0.639 和 0.641，评估并扩展至 ADRB2 与 MC4R。参数量匹配的实正交对照实验表现相近，表明部分量子残差增益与结构化二次特征交互相关。
来源：arXiv quant-ph · arxiv.org