QFoldAgent：一种用于蛋白质结构预测的自主量子优化多智能体系统
QFoldAgent是一个闭环多智能体框架，用于5残基四面体晶格折叠。它通过设计智能体提出序列条件惩罚、VQE量子经典管道优化哈密顿量，以及反馈智能体基于能量景观诊断和MolProbity验证信号改进惩罚，显著降低中位RMSD并提高结构有效性。
蛋白质结构预测是计算生物学中的核心挑战之一。混合量子经典方法结合了量子计算和经典优化，有望提供更精确的预测。然而，这类方法高度依赖于哈密顿惩罚权重的选择，而现有的基于晶格的工作流通常手动固定这些系数，并且仅模拟评估非常短的片段，限制了其在实际场景中的应用。
针对这一问题，研究人员提出了QFoldAgent框架，这是一个用于5残基四面体晶格折叠的闭环多智能体系统。该框架包含三个关键组件：设计智能体根据序列信息提出序列条件惩罚；基于VQE的量子经典管道在Qiskit Aer噪声下优化由此产生的哈密顿量；反馈智能体则利用能量景观诊断和MolProbity验证信号在循环中改进惩罚。值得注意的是，真实指标如RMSD从不暴露给智能体，仅用于最终评估。
研究在两个互补的数据集上测试了QFoldAgent的性能。第一个数据集包含55个来自QDockBank的已知结构片段，第二个数据集包含100个覆盖优化的未见序列。在QDockBank基准上，QFoldAgent将中位RMSD从3.64Å降低到3.20Å，在最具挑战性的目标上改进最为显著。对于未见序列，闭环机制将结构有效性从87.5%提高到98.7%，恢复了87%最初无效的案例。此外，最强的控制器在87%的序列上改善了第三周期能量，同时保持了96%的拉马钱德兰优选几何构型。
这些结果表明，通过迭代智能体控制，可以系统地改善优化行为并减少5残基量子设置中的失败案例。QFoldAgent的成功展示了多智能体框架在量子计算和蛋白质折叠交叉领域的潜力，为未来的自主优化研究提供了新的方向。