JP2023139732A - 探索プログラム、探索装置及び探索方法 - Google Patents

探索プログラム、探索装置及び探索方法 Download PDF

Info

Publication number
JP2023139732A
JP2023139732A JP2022045418A JP2022045418A JP2023139732A JP 2023139732 A JP2023139732 A JP 2023139732A JP 2022045418 A JP2022045418 A JP 2022045418A JP 2022045418 A JP2022045418 A JP 2022045418A JP 2023139732 A JP2023139732 A JP 2023139732A
Authority
JP
Japan
Prior art keywords
cost value
coarse
particles
potential
grained
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2022045418A
Other languages
English (en)
Inventor
敏夫 眞鍋
Toshio Manabe
博之 佐藤
Hiroyuki Sato
義明 谷田
Yoshiaki Tanida
千絵子 寺島
Chieko Terashima
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to JP2022045418A priority Critical patent/JP2023139732A/ja
Priority to EP22217113.4A priority patent/EP4250303A1/en
Priority to US18/149,405 priority patent/US20230307096A1/en
Priority to CN202310047146.0A priority patent/CN116798543A/zh
Publication of JP2023139732A publication Critical patent/JP2023139732A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/40—Searching chemical structures or physicochemical data
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B15/00—ICT specially adapted for analysing two-dimensional or three-dimensional molecular structures, e.g. structural or functional relations or structure alignment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Biotechnology (AREA)
  • Evolutionary Biology (AREA)
  • Medical Informatics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

Figure 2023139732000001
【課題】粗視化モデルの安定構造を探索する際の探索精度を向上させる。
【解決手段】探索プログラムは、粗視化された粒子間の相互作用に応じた第１ポテンシャルの第１コスト値と、前記粒子間の角度及び二面角に応じた第２ポテンシャルの第２コスト値と、前記粒子間の斥力及び引力に応じた第３ポテンシャルの第３コスト値とを取得し、複数粒子を含む粗視化モデル全体に対して算出される前記第１コスト値、前記第２コスト値及び前記第３コスト値の総和が、所定の条件を満たす前記粗視化モデルの構造を探索するよう、イジング装置に指示する、処理をコンピュータに実行させる。
【選択図】図１

Description

本発明は、探索プログラム、探索装置及び探索方法に関する。
近年、創薬の分野では、副作用の少ない中分子（分子量５００～３０００）による創薬が期待されており、中分子の安定構造を探索するための探索方法の開発が進められている。
一例として、粗視化モデルについて、粗視化粒子間の相互作用ポテンシャルを用いて、安定構造を探索する方法が挙げられる。
特開２０１９－１８５７５３号公報 特開２０２１－１９２１９９号公報
しかしながら、上記のように、粗視化粒子間の相互作用ポテンシャルのみを用いて探索する方法の場合、粗視化モデルについて適切な安定構造が得られないことがあり、探索精度の向上が求められている。
一つの側面では、粗視化モデルの安定構造を探索する際の探索精度を向上させることを目的とする。
一態様によれば、探索プログラムは、
粗視化された粒子間の相互作用に応じた第１ポテンシャルの第１コスト値と、前記粒子間の角度及び二面角に応じた第２ポテンシャルの第２コスト値と、前記粒子間の斥力及び引力に応じた第３ポテンシャルの第３コスト値とを取得し、
複数粒子を含む粗視化モデル全体に対して算出される前記第１コスト値、前記第２コスト値及び前記第３コスト値の総和が、所定の条件を満たす前記粗視化モデルの構造を探索するよう、イジング装置に指示する、処理をコンピュータに実行させる。
粗視化モデルの安定構造を探索する際の探索精度を向上させることができる。
安定構造探索システムのシステム構成、端末装置及びイジング装置の機能構成の一例を示す第１の図である。 端末装置のハードウェア構成の一例を示す図である。 第１ポテンシャル情報取得部の詳細を示す図である。 第２及び第３ポテンシャル情報取得部の詳細を示す図である。 第４及び第５ポテンシャル情報取得部の詳細を示す図である。 コスト演算式生成部の詳細を示す図である。 評価部の詳細及び評価結果の一例を示す図である。 安定構造探索処理の流れを示す第１のフローチャートである。 安定構造探索処理の流れを示す第２のフローチャートである。 調整処理の流れを示すフローチャートである。 安定構造探索システムのシステム構成、端末装置及びイジング装置の機能構成の一例を示す第２の図である。 安定構造探索処理の流れを示す第３のフローチャートである。
以下、各実施形態について添付の図面を参照しながら説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複した説明を省略する。
［第１の実施形態］
＜安定構造探索システムのシステム構成、端末装置及びイジング装置の機能構成＞
はじめに、第１の実施形態に係る安定構造探索システムのシステム構成及び安定構造探索システムを構成する端末装置及びイジング装置の機能構成について説明する。図１は、安定構造探索システムのシステム構成、端末装置及びイジング装置の機能構成の一例を示す第１の図である。
安定構造探索システム１００は、中分子の安定構造を探索するためのシステムであり、特に、複数のアミノ酸残基配列をもつ環状ペプチド分子の安定構造を探索するためのシステムである。具体的には、環状ペプチド分子の安定構造を探索する前段階として、
・ペプチドの主鎖粒子を形成するアミノ酸のα炭素を中心とした骨格部分、及び、
・側鎖粒子、
をそれぞれ１つの粗視化された粒子（粗視化粒子）に置き換え、
・例えば、単純立方格子（ＦＣＣ：face-centered cubic）の空間（格子空間）に配置、
することで、複数粒子を含む粗視化モデルを生成し、生成した粗視化モデルの安定構造を、組み合わせ最適化問題として、イジング装置を用いて探索するシステムである。
図１において、符号１３１は、ペプチドの主鎖粒子を構成するアミノ酸のα炭素を中心とした骨格部分を、１つの粗視化粒子に置き換えた様子を示している。また、符号１３２は、符号１３１に示す粗視化粒子を含む複数の粗視化粒子（図１の例では、５個の粗視化粒子）を、ＦＣＣの空間（格子空間）に配置した様子を模式的に示したものである。なお、図１の例では、図示の簡略化のため、ＦＣＣの空間を２次元平面で表現している。
端末装置１１０は、探索装置の一例であり、イジング装置１２０において粗視化モデルの安定構造を探索する際に用いる探索用情報を生成し、イジング装置１２０に送信するとともに、イジング装置１２０より、探索結果を受信し、評価する。
端末装置１１０には、探索プログラムがインストールされており、当該プログラムが実行されることで、端末装置１１０は、第１ポテンシャル情報取得部１１１～第５ポテンシャル情報取得部１１５として機能する。また、端末装置１１０は、コスト演算式生成部１１６、探索対象情報取得部１１７、実行指示部１１８、評価部１１９として機能する。
このうち、第１ポテンシャル情報取得部１１１は、粗視化モデル全体の相互作用ポテンシャルのコスト値を算出するためのハミルトニアンと、粗視化モデル全体のＬ体、Ｄ体に応じたコスト値を算出するためのハミルトニアンとを取得する。
また、第１ポテンシャル情報取得部１１１は、粗視化粒子間の相互作用ポテンシャルのコスト値を、粗視化粒子間の距離ごとに取得する。また、第１ポテンシャル情報取得部１１１は、粗視化粒子のＬ体、Ｄ体の違いに応じたコスト値を取得する。
更に、第１ポテンシャル情報取得部１１１は、取得したハミルトニアンと、取得したコスト値とを、コスト演算式生成部１１６に通知する。
第２ポテンシャル情報取得部１１２は、粗視化モデル全体の角度に応じたポテンシャルのコスト値を算出するためのハミルトニアンを取得する。また、第２ポテンシャル情報取得部１１２は、粗視化粒子間の角度に応じたポテンシャルのコスト値を、粗視化粒子間の角度ごとに取得する。
更に、第２ポテンシャル情報取得部１１２は、取得したハミルトニアンと、取得したコスト値とを、コスト演算式生成部１１６に通知する。
第３ポテンシャル情報取得部１１３は、粗視化モデル全体の二面角に応じたポテンシャルのコスト値を算出するためのハミルトニアンを取得する。また、第３ポテンシャル情報取得部１１３は、粗視化粒子間の二面角に応じたポテンシャルのコスト値を、粗視化粒子間の二面角ごとに取得する。
更に、第３ポテンシャル情報取得部１１３は、取得したハミルトニアンと、取得したコスト値とを、コスト演算式生成部１１６に通知する。
第４ポテンシャル情報取得部１１４は、粗視化モデル全体の斥力に応じたポテンシャル（斥力ポテンシャル）のコスト値を算出するためのハミルトニアンを取得する。また、第４ポテンシャル情報取得部１１４は、粗視化粒子間の相互作用ポテンシャルを補正するポテンシャルであって、粗視化粒子間の斥力ポテンシャルのコスト値を、粗視化粒子間の距離ごとに取得する。
更に、第４ポテンシャル情報取得部１１４は、取得したハミルトニアンと、取得したコスト値とを、コスト演算式生成部１１６に通知する。
第５ポテンシャル情報取得部１１５は、粗視化モデル全体の引力に応じたポテンシャル（引力ポテンシャル）のコスト値を算出するためのハミルトニアンを取得する。また、第５ポテンシャル情報取得部１１５は、粗視化粒子間の相互作用ポテンシャルを補正するポテンシャルであって、粗視化粒子間の引力ポテンシャルのコスト値を、粗視化粒子間の距離ごとに取得する。
更に、第５ポテンシャル情報取得部１１５は、取得したハミルトニアンと、取得したコスト値とを、コスト演算式生成部１１６に通知する。
コスト演算式生成部１１６は、第１ポテンシャル情報取得部１１１～第５ポテンシャル情報取得部１１５からそれぞれ通知された各ハミルトニアンと各コスト値とを取得する。また、コスト演算式生成部１１６は、取得した各ハミルトニアンを結合することで、粗視化モデル全体の各ポテンシャルのコスト値の総和（総コスト値）を算出するためのコスト演算式を生成する。また、コスト演算式生成部１１６は、生成したコスト演算式と、取得した各コスト値とを実行指示部１１８に通知する。
探索対象情報取得部１１７は、探索対象の粗視化モデルを取得し、実行指示部１１８に通知する。
実行指示部１１８は、
・コスト演算式と、
・各コスト値と、
・探索対象の粗視化モデルと、
を含む「探索用情報」をイジング装置１２０に送信する。また、実行指示部１１８は、各コスト値のもとで、コスト演算式を用いて探索対象の粗視化モデル全体に対して算出される総コスト値（各ポテンシャルのコスト値の総和）が所定の条件を満たす安定構造を探索するよう、イジング装置１２０に指示する。
また、実行指示部１１８は、探索用情報を送信したことにより、イジング装置１２０から送信される探索結果等を受信し、評価部１１９に通知する。イジング装置１２０から送信される探索結果等には、粗視化モデルの安定構造（探索結果）のほか、
・イジング装置１２０に送信した探索用情報、
・粗視化モデルの安定構造が探索された際に算出された、所定の条件を満たす総コスト値、
・粗視化モデルの安定構造が探索された際の、探索開始から探索完了までの時間（求解時間）、
等が含まれる。なお、図１において符号１４０は、イジング装置１２０から送信された探索結果（粗視化モデルの安定構造）の一例を模式的に示したものである。
評価部１１９は、実行指示部１１８から通知された探索結果等を評価して出力する。なお、評価部１１９では、探索結果等を評価する際、未知の探索対象については、安定構造が探索された際に算出された、所定の条件を満たす総コスト値を用いる。また、評価部１１９では、探索結果等を評価する際、既知の探索対象については、探索された安定構造と、実際の構造（実測構造）とに基づいて算出される原子位置の平均二乗誤差（ＲＭＳＤと称す）を用いる。なお、ＲＭＳＤはroot-mean-square deviation of atomic positionsの略称である。
一方、イジング装置１２０には、最適化プログラムがインストールされており、当該プログラムが実行されることで、イジング装置１２０は、組み合わせ最適化部１２１として機能する。
組み合わせ最適化部１２１は、端末装置１１０より探索用情報を受信すると、粗視化モデルの安定構造を、組み合わせ最適化問題として解くことで、探索結果等を出力する。
具体的には、組み合わせ最適化部１２１は、各コスト値のもとで、コスト演算式を用いて探索対象の粗視化モデル全体に対して算出した総コスト値が、所定の条件を満たす安定構造を探索する。
また、組み合わせ最適化部１２１は、探索した安定構造（例えば、符号１４０）を含む探索結果等を、端末装置１１０に送信する。
このように、第１の実施形態に係る安定構造探索システム１００では、粗視化モデルの安定構造を探索する際、相互作用ポテンシャルに加えて、角度、二面角、斥力、引力に応じたポテンシャルを加味した総コスト値を用いる。
これにより、第１の実施形態によれば、粗視化モデルの安定構造を探索する際の探索精度を向上させることができる。
＜端末装置のハードウェア構成＞
次に、端末装置１１０のハードウェア構成について説明する。図２は、端末装置のハードウェア構成の一例を示す図である。
図２に示すように、端末装置１１０は、プロセッサ２０１、メモリ２０２、補助記憶装置２０３、Ｉ／Ｆ（Interface）装置２０４、通信装置２０５、ドライブ装置２０６を有する。なお、端末装置１１０の各ハードウェアは、バス２０７を介して相互に接続されている。
プロセッサ２０１は、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）等の各種演算デバイスを有する。プロセッサ２０１は、各種プログラム（例えば、探索プログラム等）をメモリ２０２上に読み出して実行する。
メモリ２０２は、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）等の主記憶デバイスを有する。プロセッサ２０１とメモリ２０２とは、いわゆるコンピュータを形成し、プロセッサ２０１が、メモリ２０２上に読み出した各種プログラムを実行することで、当該コンピュータは上記各種機能を実現する。
補助記憶装置２０３は、各種プログラムや、各種プログラムがプロセッサ２０１によって実行される際に用いられる各種情報を格納する。
Ｉ／Ｆ装置２０４は、外部装置の一例である操作装置２１０、出力装置２２０と、端末装置１１０とを接続する接続デバイスである。
通信装置２０５は、ネットワークを介してイジング装置１２０と通信するための通信デバイスである。
ドライブ装置２０６は記録媒体２３０をセットするためのデバイスである。ここでいう記録媒体２３０には、ＣＤ－ＲＯＭ、フレキシブルディスク、光磁気ディスク等のように情報を光学的、電気的あるいは磁気的に記録する媒体が含まれる。また、記録媒体２３０には、ＲＯＭ、フラッシュメモリ等のように情報を電気的に記録する半導体メモリ等が含まれていてもよい。
なお、補助記憶装置２０３にインストールされる各種プログラムは、例えば、配布された記録媒体２３０がドライブ装置２０６にセットされ、該記録媒体２３０に記録された各種プログラムがドライブ装置２０６により読み出されることでインストールされる。あるいは、補助記憶装置２０３にインストールされる各種プログラムは、通信装置２０５を介してネットワークからダウンロードされることで、インストールされてもよい。
なお、ここでは、端末装置１１０のハードウェア構成についてのみ説明し、イジング装置１２０のハードウェア構成について説明しなかったが、イジング装置１２０のハードウェア構成は、例えば、端末装置１１０と同様であってもよい。あるいは、イジング装置１２０のハードウェア構成は、いわゆる量子コンピュータのハードウェア構成と同様であってもよい。
＜端末装置の機能構成＞
次に、端末装置１１０において実現される各部（ここでは、第１ポテンシャル情報取得部１１１～第５ポテンシャル情報取得部１１５、コスト演算式生成部１１６、評価部１１９）の詳細について説明する。
（１）第１ポテンシャル情報取得部の詳細
はじめに、第１ポテンシャル情報取得部１１１の詳細について説明する。図３は、第１ポテンシャル情報取得部の詳細を示す図である。粗視化モデルの安定構造を組み合わせ最適化問題としてアニーリング法により解くための定式化において、第１ポテンシャル情報取得部１１１は、下式（１）で表されるハミルトニアンを取得する。
Figure 2023139732000002
 このうち、Ｈｐａｉｒは、粗視化モデル全体の相互作用ポテンシャルのコスト値を算出するためのハミルトニアンを表している。また、ＨＬＤは、粗視化モデル全体のアミノ酸残基のＬ体とＤ体との違いに応じたコスト値を算出するためのハミルトニアンを表している。
また、粗視化モデル全体の相互作用ポテンシャルのコスト値を算出するためのハミルトニアンは、更に、下式（２）のように表すことができる。
Figure 2023139732000003
 なお、上式（２）において、
・Ｎは、アミノ酸残基の総数、
・Ｑｉは、ｉ番目のアミノ酸残基の主鎖を表現するビット番号、
・Ｑｉ ＳＣは、ｉ番目のアミノ酸残基の側鎖粒子を表現するビット番号、
・η（ａ）は、ビット番号ａが表現する格子点からポテンシャルデータが存在する距離内の側鎖粒子の格子点を表現するビット番号の集合、
・ω（ａ）は、ビット番号ａが表現するアミノ酸残基、
・ω（ｂ）は、ビット番号ｂが表現するアミノ酸残基、
・Ｐω（ａ）ω（ｂ）は、アミノ酸残基ω（ａ）とアミノ酸残基ω（ｂ）との間の相互作用ポテンシャルのコスト値、
・ｑｒは、ビット番号ｘの変数、
をそれぞれ表している。
このうち、Ｐω（ａ）ω（ｂ）は、アミノ酸の種類ごとに、予め計算されライブラリ化されている。このため、第１ポテンシャル情報取得部１１１では、これを参照することで、アミノ酸残基ω（ａ）とアミノ酸残基ω（ｂ）との間の距離ごとの相互作用ポテンシャルのコスト値を取得する。
第１ポテンシャル情報取得部１１１は、粗視化モデル全体の相互作用ポテンシャルのコスト値を算出するためのハミルトニアンとして、符号３０１に示すハミルトニアンをコスト演算式生成部１１６に通知する。また、第１ポテンシャル情報取得部１１１は、取得した粗視化粒子間の距離ごとの相互作用ポテンシャルのコスト値として、距離ごとのＰω（ａ）ω（ｂ）をコスト演算式生成部１１６に通知する。
また、第１ポテンシャル情報取得部１１１は、粗視化モデル全体のＬ体、Ｄ体の違いに応じたコスト値を算出するためのハミルトニアンとして、符号３０３に示すハミルトニアンをコスト演算式生成部１１６に通知する。また、第１ポテンシャル情報取得部１１１は、アミノ酸残基のＬ体とＤ体の違いに応じたコスト値を、コスト演算式生成部１１６に通知する。
（２）第２及び第３ポテンシャル情報取得部の詳細
次に、第２ポテンシャル情報取得部１１２と第３ポテンシャル情報取得部１１３の詳細について説明する。図４は、第２及び第３ポテンシャル情報取得部の詳細を示す図である。粗視化モデルの安定構造を組み合わせ最適化問題としてアニーリング法により解くための定式化において、第２ポテンシャル情報取得部１１２は、粗視化モデル全体の角度に応じたポテンシャルのコスト値を算出するためのハミルトニアンを取得する。
Figure 2023139732000004
なお、上式（３）において、Ｐω（ａ）ω（ｂ）は、粗視化粒子間の角度ごとのコスト値を表している。また、上式（３）において、ｊ＝ｉ＋２となる。
ここで、粗視化粒子が配される格子空間がＦＣＣの空間であった場合、粗視化粒子間で取り得る角度は、６０°、９０°、１２０°、１８０°のいずれかとなる（図４の符号４１１）。そこで、第２ポテンシャル情報取得部１１２では、
・粗視化粒子の数や形状（開環形状であるのか、閉環形状であるのか）等の特徴が比較的類似している既知の分子構造（例えば、ペプチドの分子構造）の構造データを収集し、
・収集した構造データについて角度ごとの出現頻度を集計する、
ことで、粗視化粒子間の角度ごとのコスト値を導出し、これを取得する。
図４において符号４１２は、横軸に角度をとり、縦軸に出現頻度をとった場合において、収集した構造データの出現頻度を集計した結果を示している。符号４１２によれば、粗視化粒子間の角度が６０°及び１８０°と比較して、粗視化粒子間の角度が９０°、１２０°の場合は、出現頻度が高い。
なお、"出現頻度が高い"とは、構造的に安定していることを示し、"出現頻度が低い"とは、構造的に安定していないことを示す。そこで、第２ポテンシャル情報取得部１１２では、"出現頻度が高い"角度については、低いコスト値を取得し、"出現頻度が低い"角度については、高いコスト値を取得する。図４の符号４１０は、第２ポテンシャル情報取得部１１２が取得した粗視化粒子間の角度ごとのコスト値の一例を示している。
同様に、粗視化モデルの安定構造を組み合わせ最適化問題としてアニーリング法により解くための定式化において、第３ポテンシャル情報取得部１１３は、粗視化モデル全体の二面角に応じたポテンシャルのコスト値を算出するためのハミルトニアンを取得する。
Figure 2023139732000005
なお、上式（４）において、Ｓ（ａ，ｂ，ｃ，ｄ）は、粗視化粒子間の二面角ごとのコスト値を表している。
ここで、粗視化粒子の二面角については、結合した４つの主鎖粒子（ｉ、ｉ＋１、ｉ＋２、ｉ＋３）の格子空間内での位置に基づいて算出するが、アニーリング法で扱うことができる２次の式に置き換える必要がある。
このため、本実施形態では、二面角を構成する面を表す補助ｂｉｔを追加し、当該補助ｂｉｔの組み合わせにより二面角を表現する。具体的には、符号４２１に示すように、同一面（面Ａ）を形成するｉ番目～ｉ＋２番目の主鎖粒子について、
・ｉ番目の主鎖粒子からｉ＋１番目の主鎖粒子に向かうベクトルと、
・ｉ＋１番目の主鎖粒子からｉ＋２番目の主鎖粒子に向かうベクトルと、
の外積から、面Ａの法線ベクトルＡを算出し、同一面（面Ｂ）を形成するｉ＋１番目～ｉ＋３番目の主鎖粒子について、
・ｉ＋１番目の主鎖粒子からｉ＋２番目の主鎖粒子に向かうベクトルと、
・ｉ＋２番目の主鎖粒子からｉ＋３番目の主鎖粒子に向かうベクトルと、
の外積から、面Ｂの法線ベクトルＢを算出し、これら２つの法線ベクトル（法線ベクトルＡ、法線ベクトルＢ）の内積から、二面角を算出する。
そして、第３ポテンシャル情報取得部１１３では、算出した二面角に対して、
・粗視化粒子の数や形状等の特徴が比較的類似している既知の分子構造（例えば、ペプチドの分子構造）の構造データを収集し、
・収集した構造データについて、二面角ごとの出現頻度を集計する、
ことで、粗視化粒子間の二面角ごとのコスト値を導出し、これを取得する。
図４において符号４２２は、横軸に二面角をとり、縦軸に出現頻度をとった場合において、収集した構造データの出現頻度を集計した結果を示している。符号４２２によれば、粗視化粒子間の二面角によって出現頻度が大きく変わる。
そこで、第３ポテンシャル情報取得部１１３では、出現頻度のＬｏｇの負値を、コスト値として取得する。図４の符号４２０は、第３ポテンシャル情報取得部１１３が取得した粗視化粒子間の二面角ごとのコスト値の一例を示している。
（３）第４及び第５ポテンシャル情報取得部の詳細
次に、第４ポテンシャル情報取得部１１４と第５ポテンシャル情報取得部１１５の詳細について説明する。図５は、第４及び第５ポテンシャル情報取得部の詳細を示す図である。
粗視化モデルの安定構造を組み合わせ最適化問題としてアニーリング法により解くための定式化において、第４ポテンシャル情報取得部１１４は、粗視化モデル全体の斥力ポテンシャルのコスト値を算出するためのハミルトニアンを取得する。
Figure 2023139732000006
なお、上式（５）において、Ｐω（ａ）ω（ｂ）は、粗視化粒子間の斥力ポテンシャルの距離ごとのコスト値を表している。
ここで、粗視化粒子間の斥力ポテンシャルの距離ごとのコスト値を説明するにあたり、粗視化粒子の数と形状との関係について簡単に説明する。既知のペプチドの構造を分析した場合、アミノ酸残基数が多い（例えば、アミノ酸残基数が１６）の環状ペプチドは、直線状の形状になり、アミノ酸残基間の距離は長くなる傾向にある。一例として、アミノ酸残基数が１６の環状ペプチドについて、ｉ番目のアミノ酸残基と、ｉ＋３番目のアミノ酸残基との間の距離を分析すると、１０［Å］の出現頻度が高くなる。
一方、アミノ酸残基数が少ない（例えば、アミノ酸残基数が８）の環状ペプチドは、円状の形状になり、アミノ酸残基間の距離は短くなる傾向にある。一例として、アミノ酸残基数が８の環状ペプチドについて、ｉ番目のアミノ酸残基と、ｉ＋３番目のアミノ酸残基との間の距離を分析すると、８．５［Å］の出現頻度が高くなる。
つまり、アミノ酸残基数が多い場合、アミノ酸残基数が少ない場合と比較して、ｉ＋３番目のアミノ酸残基は、ｉ番目のアミノ酸残基からより遠い位置に配置される状態が（斥力が大きい状態が）安定構造になっているといえる。
そこで、第４ポテンシャル情報取得部１１４では、ｉ番目とｉ＋３番目の粗視化粒子間の斥力ポテンシャルの距離ごとのコスト値として、粗視化粒子の数が所定の閾値以上である場合と所定の閾値未満である場合とで、異なるコスト値を取得する。
図５の符号５１１は、第４ポテンシャル情報取得部１１４が取得した、
・ｉ番目の粗視化粒子とｉ＋３番目の粗視化粒子との間の斥力ポテンシャルの距離ごとのコスト値であって、
・粗視化粒子の数が１０以上である場合のコスト値と、１０未満である場合のコスト値、
の一例を示している（上式（５）においてｊ＝ｉ＋３の場合に適用される）。
同様に、既知のペプチドの構造を分析した場合、ｉ番目のアミノ酸残基と、ｉ＋４番目のアミノ酸残基との間の距離は、アミノ酸残基数によらず、ｉ番目のアミノ酸残基とｉ＋３番目のアミノ酸残基との間の距離よりも短い距離の出現頻度が高くなる。これは、ｉ＋４番目のアミノ酸残基の場合、環形状の対向する位置のアミノ酸残基であるケースが増えてくるからである。
そこで、第４ポテンシャル情報取得部１１４では、ｉ番目とｉ＋４番目の粗視化粒子間の斥力ポテンシャルの距離ごとのコスト値として、ｉ番目とｉ＋３番目の粗視化粒子間の斥力ポテンシャルの距離ごとのコスト値とは異なるコスト値を取得する。
具体的には、第４ポテンシャル情報取得部１１４では、ｉ番目の粗視化粒子とｉ＋４番目の粗視化粒子との間の距離が、
・所定距離未満については、距離が短いほど斥力ポテンシャルのコスト値として高い値を、
・所定距離以上については、斥力ポテンシャルのコスト値としてゼロを、
それぞれ取得する。
図５の符号５１２は、第４ポテンシャル情報取得部１１４が取得した、ｉ番目の粗視化粒子とｉ＋４番目の粗視化粒子との間の斥力ポテンシャルの距離ごとのコスト値の一例を示している（上式（５）において、ｊ＞ｉ＋３の場合に適用される）。
同様に、粗視化モデルの安定構造を組み合わせ最適化問題としてアニーリング法により解くための定式化において、第５ポテンシャル情報取得部１１５は、粗視化モデル全体の引力ポテンシャルのコスト値を算出するためのハミルトニアンを取得する。
Figure 2023139732000007
なお、上式（６）において、Ｐω（ａ）ω（ｂ）は、粗視化粒子間の引力ポテンシャルの距離ごとのコスト値を表している。
具体的には、第５ポテンシャル情報取得部１１５は、水素結合のような相互作用が粗視化粒子間の分子間で働いていると推定される場合に適用される、引力ポテンシャルのコスト値を取得する。また、第５ポテンシャル情報取得部１１５は、ＳＳ結合のような明確な結合が粗視化粒子間に存在する場合に設定される、粗視化粒子間の結合を保証する制約を取得する。
図５の符号５２０は、第５ポテンシャル情報取得部１１５が取得したコスト値であって、粗視化粒子間の分子間で相互作用が働いている場合に適用される、引力ポテンシャルの距離ごとのコスト値の一例である。なお、符号５２０に示すように、第５ポテンシャル情報取得部１１５が取得するコスト値であって、粗視化粒子間の分子間に相互作用が働いていない場合の引力ポテンシャルのコスト値は、ゼロとなる。いずれのコスト値も、上式（６）において、ｊ＞ｉ＋３（ただし、ｉ、ｊは指定）の場合に適用される。
（６）コスト演算式生成部の詳細
次に、コスト演算式生成部１１６の詳細について説明する。図６は、コスト演算式生成部の詳細を示す図である。図６に示すように、本実施形態では、
・粗視化粒子間の相互作用ポテンシャルの距離ごとのコスト値、及び、Ｌ体とＤ体との違いに応じたコスト値、
・粗視化粒子間の角度に応じたポテンシャルの角度ごとのコスト値、
・粗視化粒子間の二面角に応じたポテンシャルの二面角ごとのコスト値、
・粗視化粒子間の斥力ポテンシャルの距離ごとのコスト値、
・粗視化粒子間の引力ポテンシャルの距離ごとのコスト値、
を、粗視化粒子の格子空間内の座標を表すｂｉｔ間に与えて、総コスト値の算出を実現するコスト演算式として、コスト演算式生成部１１６では、各ハミルトニアンを結合し、
Figure 2023139732000008
 を生成する。
また、コスト演算式生成部１１６では、
・生成したコスト演算式、
・粗視化粒子間の相互作用ポテンシャルの距離ごとのコスト値、及び、Ｌ体とＤ体との違いに応じたコスト値、
・粗視化粒子間の角度に応じたポテンシャルの角度ごとのコスト値（符号４１０）、
・粗視化粒子間の二面角に応じたポテンシャルの二面角ごとのコスト値（符号４２０）、
・粗視化粒子間の斥力ポテンシャルの距離ごとのコスト値（符号５１１、５１２）、
・粗視化粒子間の引力ポテンシャルの距離ごとのコスト値（符号５２０）、
を、探索用情報として実行指示部１１８に通知する。
これにより、実行指示部１１８では、コスト演算式生成部１１６により通知された探索用情報に、探索対象情報取得部１１７より通知された粗視化モデルを加えて、イジング装置１２０に送信し、安定構造の探索を指示する。
（７）評価部の詳細及び評価結果
次に、評価部１１９の詳細及び評価結果について説明する。図７は、評価部の詳細及び評価結果の一例を示す図である。図７に示すように、評価部１１９は、探索用情報取得部７１１、求解時間取得部７１２、最小コスト取得部７１３、探索結果取得部７１４、ＲＭＳＤ算出部７１５、出力部７１６を有する。
探索用情報取得部７１１は、実行指示部１１８がイジング装置１２０に対して、粗視化モデルの安定構造を探索するよう指示した際にイジング装置１２０に送信した、探索用情報を取得する。
求解時間取得部７１２は、実行指示部１１８がイジング装置１２０に対して、粗視化モデルの安定構造を探索するよう指示してから、探索結果を取得するまでの求解時間を取得する。
最小コスト取得部７１３は、イジング装置１２０が安定構造を探索した際に算出した、所定の条件を満たす総コスト値を取得する。
探索結果取得部７１４は、イジング装置１２０が出力した探索結果を取得する。図７の符号７２１及び符号７２２は、取得した探索結果の一例である。
ＲＭＳＤ算出部７１５は、探索対象が既知の粗視化モデルであった場合に、
・探索結果取得部７１４が取得した探索結果と、
・当該探索結果に対応する実測情報（実測情報格納部７１７に予め格納されている実測構造（例えば、符号７２３））と、
に基づいてＲＭＳＤを算出する。
出力部７１６は、評価部１１９が有する各部において取得または算出された情報を、評価結果として出力する。図７において、評価結果７３０は、出力部７１６により出力された評価結果の一例である。
図７に示すように、出力部７１６が出力する評価結果７３０には、情報の項目として、"粗視化モデルの種類"、"粗視化粒子の数"、"ビット数"、"求解時間"、"比較例"、"今回"が含まれる。
"粗視化モデルの種類"には、粗視化モデルの種類を示す情報が格納される。図７の例は、評価部１１９が、４種類の粗視化モデルについて評価したことを示している。
"粗視化粒子の数"には、対応する粗視化モデルが有する粗視化粒子の数が格納される。図７の例は、種類＝"Ａ"、"Ｂ"の粗視化モデルは、粗視化粒子の数が８個の粗視化モデルであり、種類＝"Ｃ"、"Ｄ"の粗視化モデルは、粗視化粒子の数が１６個の粗視化モデルであることを示している。
"ビット数"には、対応する粗視化モデルについて安定構造を探索した際の計算量が格納される。"求解時間"には、対応する粗視化モデルについて安定構造を探索した際の求解時間が格納される。
"比較例"には、対応する粗視化モデルについて、コスト演算式として、上式（１）を用いて安定構造を探索した場合の、最小の総コスト値とその解におけるＲＭＳＤとが格納される。
"今回"には、対応する粗視化モデルについて、コスト演算式として、上式（７）を用いて安定構造を探索した場合の、最小の総コスト値とその解におけるＲＭＳＤとが格納される。
評価結果７３０に示すように、いずれの粗視化モデルにおいても、比較例よりも今回の方が、最小の総コスト値の解におけるＲＭＳＤが小さい値となっている。つまり、第１の実施形態に係る安定構造探索システム１００によれば、粗視化モデルの安定構造を探索する際の探索精度を向上させることができる。
なお、図７の例では、評価結果の情報の項目として、"粗視化モデルの種類"、"粗視化粒子の数"、"ビット数"、"求解時間"、"比較例"、"今回"を出力したが、評価結果として出力する情報の項目はこれらに限定されない。例えば、探索結果（符号７２１、７２２）や実測構造（符号７２３）等を評価結果として出力してもよい。
＜安定構造探索処理の流れ＞
次に、端末装置１１０による安定構造探索処理の流れについて説明する。図８及び図９は、安定構造探索処理の流れを示す第１及び第２のフローチャートである。
ステップＳ８０１において、端末装置１１０は、粗視化モデル全体の相互作用ポテンシャルのコスト値を算出するためのハミルトニアンを取得する。
ステップＳ８０２において、端末装置１１０は、粗視化粒子間の距離ごとの相互作用ポテンシャルのコスト値を取得する。
ステップＳ８０３において、端末装置１１０は、粗視化モデル全体のＬ体、Ｄ体に応じたコスト値を算出するためのハミルトニアンを取得する。
ステップＳ８０４において、端末装置１１０は、粗視化粒子のＬ体、Ｄ体に応じたコスト値を取得する。
ステップＳ８０５において、端末装置１１０は、粗視化モデル全体の角度に応じたポテンシャルのコスト値を算出するためのハミルトニアンを取得する。
ステップＳ８０６において、端末装置１１０は、探索対象の粗視化モデルに含まれる粗視化粒子の数や形状等の特徴が比較的類似している既知のペプチドの構造データを収集する。
ステップＳ８０７において、端末装置１１０は、収集した構造データについて、角度ごとの出現頻度を集計することで、粗視化粒子間の角度ごとのコスト値を取得する。
ステップＳ８０８において、端末装置１１０は、収集した構造データについて、二面角ごとの出現頻度を集計することで、粗視化粒子間の二面角ごとのコスト値を取得する。
続いて、図９のステップＳ９０１において、端末装置１１０は、粗視化モデル全体の斥力ポテンシャルのコスト値を算出するためのハミルトニアンを取得する。
ステップＳ９０２において、端末装置１１０は、粗視化粒子の数が１０以上の場合に適用される、ｉ番目の粗視化粒子とｉ＋３番目の粗視化粒子との間の距離ごとの斥力ポテンシャルのコスト値を取得する。
ステップＳ９０３において、端末装置１１０は、粗視化粒子の数が１０未満の場合に適用される、ｉ番目の粗視化粒子とｉ＋３番目の粗視化粒子との間の距離ごとの斥力ポテンシャルのコスト値を取得する。
ステップＳ９０４において、端末装置１１０は、粗視化粒子の数に関わらず適用される、ｉ番目の粗視化粒子とｉ＋４番目の粗視化粒子との間の距離ごとの斥力ポテンシャルのコスト値を取得する。
ステップＳ９０５において、端末装置１１０は、粗視化モデル全体の引力ポテンシャルのコスト値を算出するためのハミルトニアンを取得する。
ステップＳ９０６において、端末装置１１０は、取得した各ハミルトニアンを結合することで、粗視化モデル全体の総コスト値を算出するためのコスト演算式を生成する。
ステップＳ９０７において、端末装置１１０は、既知の粗視化モデルを用いて粗視化粒子間のコスト値を調整する調整処理を行う。なお、調整処理の詳細は、図１０を用いて後述する。
ステップＳ９０８において、端末装置１１０は、探索対象の粗視化モデルについて安定構造の探索を指示する。端末装置１１０では、探索を指示するにあたり、コスト演算式、各コスト値、探索対象の粗視化モデルを含む探索用情報を、イジング装置１２０に送信する。
ステップＳ９０９において、端末装置１１０は、イジング装置１２０から、探索対象の粗視化モデルについて、探索結果等を取得する。
ステップＳ９１０において、端末装置１１０は、取得した探索結果等を用いて、探索対象の粗視化モデルの安定構造について評価し、評価結果を出力する。
＜調整処理の詳細＞
次に、図９の調整処理（ステップＳ９０７）の詳細について説明する。図１０は、調整処理の流れを示すフローチャートである。
ステップＳ１００１において、端末装置１１０は、既知の粗視化モデルについて、安定構造の探索を指示する。
ステップＳ１００２において、端末装置１１０は、イジング装置１２０から、既知の粗視化モデルについて、探索結果等を取得する。
ステップＳ１００３において、端末装置１１０は、取得した探索結果等を評価し、総コスト値と、ＲＭＳＤとの間に相関があるか否かを判定する。
ステップＳ１００３において、相関がないと判定された場合には（ステップＳ１００３においてＮＯの場合には）、ステップＳ１００４に進む。
ステップＳ１００４において、端末装置１１０は、粗視化粒子間のコスト値を調整した後、ステップＳ１００１に戻る。
一方、ステップＳ１００３において、相関があると判定された場合には（ステップＳ１００３においてＹＥＳの場合には）、調整処理を終了し、図９のステップＳ９０８に戻る。
以上の説明から明らかなように、第１の実施形態に係る端末装置１１０は、
・粗視化粒子間の相互作用ポテンシャルのコスト値と、
・粗視化粒子間の角度及び二面角に応じたポテンシャルのコスト値と、
・粗視化粒子間の斥力及び引力に応じたポテンシャルのコスト値と、
を取得する。また、第１の実施形態に係る端末装置１１０は、取得した各コスト値のもとで、粗視化モデル全体に対して算出される各ポテンシャルのコスト値の総和（総コスト値）が、所定の条件を満たす粗視化モデルの構造を探索するよう、イジング装置に指示する。
このように、第１の実施形態に係る端末装置１１０では、粗視化モデルの安定構造を探索する際、相互作用ポテンシャルに加えて、角度、二面角、斥力、引力に応じたポテンシャルを加味した総コスト値を用いて安定構造を探索するよう指示する。
これにより、第１の実施形態によれば、粗視化モデルの安定構造を探索する際の探索精度を向上させることができる。
［第２の実施形態］
上記第１の実施形態では、探索結果等を評価するまでの処理について説明した。これに対して、第２の実施形態では、探索結果等を用いて、分子動力学計算を実行するまでの処理について説明する。なお、説明は、上記第１の実施形態との相違点を中心に行う。
＜安定構造探索システムのシステム構成、端末装置及びイジング装置の機能構成＞
はじめに、第２の実施形態に係る安定構造探索システムのシステム構成及び安定構造探索システムを構成する端末装置及びイジング装置の機能構成について説明する。図１１は、安定構造探索システムのシステム構成、端末装置及びイジング装置の機能構成の一例を示す第２の図である。上記第１の実施形態との相違点は、端末装置１１０が、評価部１１９に代えて、全原子化部１１０１及び分子動力学計算部１１０２を有する点である。
全原子化部１１０１は、実行指示部１１８が受信した探索結果（安定構造を有する粗視化モデル）を取得し、主鎖粒子を全原子化する。また、全原子化部１１０１は、主鎖粒子を全原子化した探索結果を、分子動力学計算処理を行う際の初期構造として、分子動力学計算部１１０２に入力する。
分子動力学計算部１１０２は、全原子化部１１０１により入力された初期構造を用いて分子動力学計算処理を行う。
＜安定構造探索処理の流れ＞
次に、端末装置１１０による安定構造探索処理の流れについて説明する。なお、第２の実施形態における安定構造探索処理においても、図８に示した処理については、上記第１の実施形態と同様に実行されるものとする。一方、図９に示した処理については、上記第１の実施形態とは異なる処理実行されるものとする。
図１２は、安定構造探索処理の流れを示す第３のフローチャートであり、上記第１の実施形態において説明した第２のフローチャート（図９）に対応している。図９との相違点は、図１２の場合、ステップＳ９１０に代えて、ステップＳ１２０１とステップＳ１２０２とが追加されている点である。
ステップＳ１２０１において、端末装置１１０は、探索結果（安定構造を有する粗視化モデル）の主鎖粒子を全原子化する。
ステップＳ１２０２において、端末装置１１０は、主鎖粒子が全原子化された探索結果を初期構造として分子動力学計算処理を行う。
以上の説明から明らかなように、第２の実施形態に係る端末装置１１０は、上記第１の実施形態に係る端末装置１１０の機能に加えて、探索結果の主鎖粒子を全原子化し、分子動力学計算処理の初期構造として入力する機能を有する。
これにより、第２の実施形態によれば、上記第１の実施形態と同様の効果を享受することができるとともに、適切な分子動力学計算処理を実行することが可能になる。
［その他の実施形態］
上記各実施形態では、安定構造探索システム１００が端末装置１１０とイジング装置１２０とにより形成されるものとして説明した。しかしながら、安定構造探索システム１００は、端末装置１１０とイジング装置１２０以外の装置（つまり、３台以上の装置）により形成されてもよい。あるいは、安定構造探索システム１００は、端末装置１１０とイジング装置１２０とが一体化された装置（つまり、１台の装置）により形成されてもよい。
また、上記第１の実施形態では、端末装置１１０が、第１ポテンシャル情報取得部１１１～評価部１１９を有し、イジング装置１２０が、組み合わせ最適化部１２１を有するものとして説明した。しかしながら、端末装置１１０の一部の機能は、イジング装置１２０において実現されてもよい。あるいは、イジング装置１２０の一部の機能は、端末装置１１０において実現されてもよい。
なお、開示の技術では、以下に記載する付記のような形態が考えられる。
（付記１）
粗視化された粒子間の相互作用に応じた第１ポテンシャルの第１コスト値と、前記粒子間の角度及び二面角に応じた第２ポテンシャルの第２コスト値と、前記粒子間の斥力及び引力に応じた第３ポテンシャルの第３コスト値とを取得し、
複数粒子を含む粗視化モデル全体に対して算出される前記第１コスト値、前記第２コスト値及び前記第３コスト値の総和が、所定の条件を満たす前記粗視化モデルの構造を探索するよう、イジング装置に指示する、
処理をコンピュータに実行させるための探索プログラム。
（付記２）
前記第２ポテンシャルの前記第２コスト値には、
既知の分子構造の構造データから、主鎖粒子がなす各角度の出現頻度に基づいて導出された、前記粒子間の角度ごとの第４コスト値と、
既知の分子構造の構造データから、主鎖粒子がなす各二面角の出現頻度に基づいて導出された、前記粒子間の二面角ごとの第５コスト値と
が含まれる、付記１に記載の探索プログラム。
（付記３)
前記第３ポテンシャルの前記第３コスト値には、
ｉ番目の粒子と、ｉ＋３番目の粒子との間の斥力に応じたポテンシャルの距離ごとの第６コスト値が含まれる、付記１に記載の探索プログラム。
（付記４）
前記第６コスト値は、前記複数粒子の数により異なる、付記３に記載の探索プログラム。
（付記５）
前記第３ポテンシャルの前記第３コスト値には、
ｉ番目の粒子と、ｉ＋４番目の粒子との間の斥力に応じたポテンシャルの距離ごとの第７コスト値が含まれる、付記１に記載の探索プログラム。
（付記６）
前記ｉ番目の粒子と、ｉ＋４番目の粒子との間の斥力に応じたポテンシャルの距離ごとの前記第７コスト値は、所定の距離以上がゼロである、付記５に記載の探索プログラム。
（付記７）
前記第３ポテンシャルの前記第３コスト値には、
前記粒子間に相互作用があると判定された場合に適用される、前記粒子間の引力に応じたポテンシャルの距離ごとの第８コスト値が含まれる、付記１に記載の探索プログラム。
（付記８）
前記粗視化モデル全体に対する前記第１コスト値を算出するための第１ハミルトニアン、前記粗視化モデル全体に対する前記第２コスト値を算出するための第２ハミルトニアン、前記粗視化モデル全体に対する前記第３コスト値を算出するための第３ハミルトニアン、を取得し、
前記第１ハミルトニアン、前記第２ハミルトニアン及び前記第３ハミルトニアンを用いて、前記総和を算出するよう、前記イジング装置に指示する、
処理をコンピュータに実行させる、付記１に記載の探索プログラム。
（付記９）
前記イジング装置に指示したことに応じて、前記総和が所定の条件を満たす前記粗視化モデルの構造を探索結果として取得する、処理をコンピュータに実行させるための付記１に記載の探索プログラム。
（付記１０）
安定構造が既知の粗視化モデルについて取得した探索結果と、前記安定構造が既知の粗視化モデルについて実測した構造とに基づいて、ＲＭＳＤを算出し、評価結果として出力する、処理をコンピュータに実行させるための付記９に記載の探索プログラム。
（付記１１）
前記総和が最小となる前記粗視化モデルの構造を探索結果として取得し、主鎖粒子を全原子化することで、分子動力学計算処理の初期構造として出力する、処理をコンピュータに実行させるための付記９に記載の探索プログラム。
（付記１２）
粗視化された粒子間の相互作用に応じた第１ポテンシャルの第１コスト値と、前記粒子間の角度及び二面角に応じた第２ポテンシャルの第２コスト値と、前記粒子間の斥力及び引力に応じた第３ポテンシャルの第３コスト値とを取得する取得部と、
複数粒子を含む粗視化モデル全体に対して算出される前記第１コスト値、前記第２コスト値及び前記第３コスト値の総和が、所定の条件を満たす前記粗視化モデルの構造を探索するよう、イジング装置に指示する指示部と
を有する探索装置。
（付記１３）
粗視化された粒子間の相互作用に応じた第１ポテンシャルの第１コスト値と、前記粒子間の角度及び二面角に応じた第２ポテンシャルの第２コスト値と、前記粒子間の斥力及び引力に応じた第３ポテンシャルの第３コスト値とを取得し、
複数粒子を含む粗視化モデル全体に対して算出される前記第１コスト値、前記第２コスト値及び前記第３コスト値の総和が、所定の条件を満たす前記粗視化モデルの構造を探索するよう、イジング装置に指示する、
処理をコンピュータが実行する探索方法。
なお、上記実施形態に挙げた構成等に、その他の要素との組み合わせ等、ここで示した構成に本発明が限定されるものではない。これらの点に関しては、本発明の趣旨を逸脱しない範囲で変更することが可能であり、その応用形態に応じて適切に定めることができる。
１００ ：安定構造探索システム
１１０ ：端末装置
１１１ ：第１ポテンシャル情報取得部
１１２ ：第２ポテンシャル情報取得部
１１３ ：第３ポテンシャル情報取得部
１１４ ：第４ポテンシャル情報取得部
１１５ ：第５ポテンシャル情報取得部
１１６ ：コスト演算式生成部
１１７ ：探索対象情報取得部
１１８ ：実行指示部
１１９ ：評価部
１２０ ：イジング装置
１２１ ：組み合わせ最適化部
７１１ ：探索用情報取得部
７１２ ：求解時間取得部
７１３ ：最小コスト取得部
７１４ ：探索結果取得部
７１５ ：ＲＭＳＤ算出部
７１６ ：出力部
１００１ ：全原子化部
１００２ ：分子動力学計算部

Claims (11)

  1. 粗視化された粒子間の相互作用に応じた第１ポテンシャルの第１コスト値と、前記粒子間の角度及び二面角に応じた第２ポテンシャルの第２コスト値と、前記粒子間の斥力及び引力に応じた第３ポテンシャルの第３コスト値とを取得し、
    複数粒子を含む粗視化モデル全体に対して算出される前記第１コスト値、前記第２コスト値及び前記第３コスト値の総和が、所定の条件を満たす前記粗視化モデルの構造を探索するよう、イジング装置に指示する、
    処理をコンピュータに実行させるための探索プログラム。
  2. 前記第２ポテンシャルの前記第２コスト値には、
    既知の分子構造の構造データから、主鎖粒子がなす各角度の出現頻度に基づいて導出された、前記粒子間の角度ごとの第４コスト値と、
    既知の分子構造の構造データから、主鎖粒子がなす各二面角の出現頻度に基づいて導出された、前記粒子間の二面角ごとの第５コスト値と
    が含まれる、請求項１に記載の探索プログラム。
  3. 前記第３ポテンシャルの前記第３コスト値には、
    ｉ番目の粒子と、ｉ＋３番目の粒子との間の斥力に応じたポテンシャルの距離ごとの第６コスト値が含まれる、請求項１に記載の探索プログラム。
  4. 前記第６コスト値は、前記複数粒子の数により異なる、請求項３に記載の探索プログラム。
  5. 前記第３ポテンシャルの前記第３コスト値には、
    ｉ番目の粒子と、ｉ＋４番目の粒子との間の斥力に応じたポテンシャルの距離ごとの第７コスト値が含まれる、請求項１に記載の探索プログラム。
  6. 前記第３ポテンシャルの前記第３コスト値には、
    前記粒子間に相互作用があると判定された場合に適用される、前記粒子間の引力に応じたポテンシャルの距離ごとの第８コスト値が含まれる、請求項１に記載の探索プログラム。
  7. 前記粗視化モデル全体に対する前記第１コスト値を算出するための第１ハミルトニアン、前記粗視化モデル全体に対する前記第２コスト値を算出するための第２ハミルトニアン、前記粗視化モデル全体に対する前記第３コスト値を算出するための第３ハミルトニアン、を取得し、
    前記第１ハミルトニアン、前記第２ハミルトニアン及び前記第３ハミルトニアンを用いて、前記総和を算出するよう、前記イジング装置に指示する、
    処理をコンピュータに実行させる、請求項１に記載の探索プログラム。
  8. 前記イジング装置に指示したことに応じて、前記総和が所定の条件を満たす前記粗視化モデルの構造を探索結果として取得する、処理をコンピュータに実行させるための請求項１に記載の探索プログラム。
  9. 前記総和が最小となる前記粗視化モデルの構造を探索結果として取得し、主鎖粒子を全原子化することで、分子動力学計算処理の初期構造として出力する、処理をコンピュータに実行させるための請求項８に記載の探索プログラム。
  10. 粗視化された粒子間の相互作用に応じた第１ポテンシャルの第１コスト値と、前記粒子間の角度及び二面角に応じた第２ポテンシャルの第２コスト値と、前記粒子間の斥力及び引力に応じた第３ポテンシャルの第３コスト値とを取得する取得部と、
    複数粒子を含む粗視化モデル全体に対して算出される前記第１コスト値、前記第２コスト値及び前記第３コスト値の総和が、所定の条件を満たす前記粗視化モデルの構造を探索するよう、イジング装置に指示する指示部と
    を有する探索装置。
  11. 粗視化された粒子間の相互作用に応じた第１ポテンシャルの第１コスト値と、前記粒子間の角度及び二面角に応じた第２ポテンシャルの第２コスト値と、前記粒子間の斥力及び引力に応じた第３ポテンシャルの第３コスト値とを取得し、
    複数粒子を含む粗視化モデル全体に対して算出される前記第１コスト値、前記第２コスト値及び前記第３コスト値の総和が、所定の条件を満たす前記粗視化モデルの構造を探索するよう、イジング装置に指示する、
    処理を実行する探索方法。
JP2022045418A 2022-03-22 2022-03-22 探索プログラム、探索装置及び探索方法 Pending JP2023139732A (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2022045418A JP2023139732A (ja) 2022-03-22 2022-03-22 探索プログラム、探索装置及び探索方法
EP22217113.4A EP4250303A1 (en) 2022-03-22 2022-12-29 Search program, search apparatus, and method of searching for deteming a stable structure of coarse-grained model of a peptide
US18/149,405 US20230307096A1 (en) 2022-03-22 2023-01-03 Computer-readable recording medium storing search program, search apparatus, and method of searching
CN202310047146.0A CN116798543A (zh) 2022-03-22 2023-01-16 存储搜索程序的计算机可读记录介质及搜索设备与方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2022045418A JP2023139732A (ja) 2022-03-22 2022-03-22 探索プログラム、探索装置及び探索方法

Publications (1)

Publication Number Publication Date
JP2023139732A true JP2023139732A (ja) 2023-10-04

Family

ID=84689237

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022045418A Pending JP2023139732A (ja) 2022-03-22 2022-03-22 探索プログラム、探索装置及び探索方法

Country Status (4)

Country Link
US (1) US20230307096A1 (ja)
EP (1) EP4250303A1 (ja)
JP (1) JP2023139732A (ja)
CN (1) CN116798543A (ja)

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7275653B2 (ja) 2018-03-30 2023-05-18 住友ゴム工業株式会社 粗視化分子モデルの作成方法
JP2021192199A (ja) 2020-06-05 2021-12-16 富士通株式会社 構造探索方法、構造探索装置、構造探索用プログラム、及び相互作用ポテンシャル特定方法

Also Published As

Publication number Publication date
CN116798543A (zh) 2023-09-22
EP4250303A1 (en) 2023-09-27
US20230307096A1 (en) 2023-09-28

Similar Documents

Publication Publication Date Title
Cervera-Lierta et al. Meta-variational quantum eigensolver: Learning energy profiles of parameterized hamiltonians for quantum simulation
Miessen et al. Quantum algorithms for quantum dynamics
CN114175060A (zh) 用于量子计算设备的测量序列确定
US20200327955A1 (en) Binding structure search apparatus, binding structure search method, and computer-readable recording medium
CN102930169A (zh) 基于灰色理论和分子指纹的药物-靶标结合预测方法
Toma et al. Pathbench: A benchmarking platform for classical and learned path planning algorithms
Summers et al. Lyceum: An efficient and scalable ecosystem for robot learning
CN115527607A (zh) 一种药物分子和蛋白靶点结合姿势预测处理方法
Javadi-Abhari et al. Quantum computing with Qiskit
Filippov et al. Scalable tensor-network error mitigation for near-term quantum computing
Li et al. TenCirChem: An efficient quantum computational chemistry package for the NISQ era
Spector et al. Trivial geography in genetic programming
JP2023139732A (ja) 探索プログラム、探索装置及び探索方法
Christen et al. Diffh2o: Diffusion-based synthesis of hand-object interactions from textual descriptions
Blewitt et al. Applicability of gpgpu computing to real-time ai solutions in games
US20210383897A1 (en) Structure search method, structure search apparatus, and non-transitory computer-readable storage medium for storing structure search program
Melnyk et al. Alphafold distillation for improved inverse protein folding
WO2009145071A1 (ja) 運動データベース構造、および当該運動データベース構造のための運動データ正規化方法、並びに当該運動データベース構造を用いた検索装置及び方法
Chen et al. Efficient preparation of the AKLT State with Measurement-based Imaginary Time Evolution
Santi et al. retQSS: A novel methodology for efficient modeling and simulation of particle systems in reticulated geometries
Tucs et al. Probing conformational dynamics of antibodies with geometric simulations
Erhart et al. Constructing Local Bases for a Deep Variational Quantum Eigensolver for Molecular Systems
WO2024082306A1 (en) Message passing graph neural network with vector-scalar message passing and run-time geometric computation
Fitzek Applying quantum approximate optimization to the heterogeneous vehicle routing problem
WO2024130589A1 (en) Fragment-based quantum mechanical calculation of protein properties