Förbättring av en kvanthybridalgoritm applicerad på proteinveckningsproblemet

Abstract

I det här projektet implementeras och undersöks en möjlig förbättring av kvanthybridalgoritmen kvantmekanisk approximativ optimeringsalgoritm (QAOA, Quantum Approximate Optimization Algorithm) på proteinveckningsproblemet. Den undersökta förbättringen kallas Conditional Value at Risk (CVaR), och jämförs med konventionell QAOA för att se om den har några fördelar. Testerna av algoritmen utförs genom simuleringar med programbiblioteket PennyLane för Python. För att modellera proteinveckningsproblemet användes HP-modellen. I slutändan visade QAOA med CVaR på att möjligen vara en liten förbättring jämfört med konventionell QAOA, men fler tester bör göras för att säkerställa om denna förbättring ökar eller minskar med djupet på kvantkretsen och längden på aminosyrakedjan