자연스러운 한국어 번역: 인공지능 기반 양자 최적화 다중 agent 시스템으로 구성된 자율 양자 최적화 시스템: 단백질 구조 예측

arXiv:2607.22549v1 발표 형식: 새로운 논문 초록: 하이브리드 양자-클래식 프로틴 구조 예측은 해밀토니안 페널티 가중치에 강하게 의존하는데, 현재 일반적으로 사용되는 격자 기반 워크플로우에서는 이러한 계수들을 수동으로 고정하고 시뮬레이션에서 매우 짧은 프래그먼트만 평가한다. 우리는 QFoldAgent, 5-잔기 테트라하드 격자 접힘을 위한 닫힌 루프 다중 에이전트 프레임워크를 소개한다. 이 프레임워크는 디자인 에이전트가 시퀀스 조건에 따른 페널티를 제안하고, VQE 기반 양자-클래식 PIPE라인이 Qiskit Aer 잡음에서 최적화된 해밀토니안을 최적화하고, 피드백 에이전트가 에너지 랜드 스케이프 진단 및 MolProbity 유효성 검사 신호를 사용하여 페널티를 사이클별로 조정한다. 지표는 에이전트에게 노출되지 않고 평가에만 사용된다. 우리는 두 가지 보완적인 데이터 세트를 사용하여 프레임워크를 연구한다: 55 QDockBank-기반 프래그먼트에 대한 알려진 구조와 100 보완 최적화되지 않은 시퀀스. QDockBank 벤치마크에서 QFoldAgent는 중간 RMSD를 3.64 Å에서 3.20 Å로 감소시켰으며 가장 어려운 목표에 대한 가장 큰 이익을 보였다. 보완 최적화되지 않은 시퀀스에서 닫힌 루프는 구조적 유효성을 87.5%에서 98.7%로 높이고 초기 유효하지 않은 경우를 87% 회복시키고 가장 강력한 컨트롤러는 사이클 3 에너지를 87%의 시퀀스에서 개선시키며 96% Ramachandran-favorable 기하학을 유지한다. 이 결과는 반복적 에이전트 제어가 양자 설정에서 최적화 행동을 체계적으로 개선하고 실패 사례를 줄일 수 있음을 보여준다.