QCS-ADME: Quantum Circuit Search for Drug Property Prediction with Imbalanced Data and Regression Adaptation

Resumo Técnico: QCS-ADME

1. Problema e Contexto

O campo da descoberta de medicamentos depende criticamente da previsão das propriedades ADME (Absorção, Distribuição, Metabolismo e Excreção) para avaliar a eficácia e a segurança de candidatos a fármacos. Embora o Aprendizado de Máquina Quântico (QML) tenha mostrado potencial em hardware de escala intermediária ruidosa (NISQ), a aplicação de Busca de Circuitos Quânticos (QCS) neste domínio enfrenta desafios específicos não abordados pelos métodos atuais:

• Desequilíbrio de Dados: Muitos conjuntos de dados de ADME envolvem classificação com classes altamente desbalanceadas (ex: poucos compostos ativos vs. muitos inativos), onde métodos tradicionais de QCS tendem a favorecer a classe majoritária.
• Tarefas de Regressão: A previsão de propriedades contínuas (como meia-vida ou clearance) exige que o circuito aprenda topologias contínuas, algo que as métricas de busca atuais, focadas em separação discreta de classes, não conseguem avaliar adequadamente.
• Custo Computacional: Métodos existentes que tentam corrigir o desequilíbrio (como Quantum-SMOTE) são computacionalmente proibitivos dentro de um framework de busca que exige a avaliação de milhares de candidatos sem treinamento completo.

Não existia, até então, um mecanismo de pontuação (scoring) training-free (sem treinamento) capaz de lidar simultaneamente com a topologia de regressão e o desequilíbrio de classes em dados farmacológicos.

2. Metodologia (QCS-ADME)

Os autores propõem o framework QCS-ADME, uma adaptação do método de busca Elivagar, focada em duas melhorias metodológicas principais para a avaliação de circuitos sem necessidade de treinamento completo:

• A. Pré-processamento e Mapeamento:

  • Estruturas químicas (SMILES) são convertidas em fingerprints MACCS (166 bits) e reduzidas para vetores binários de 128 bits.
  • Utiliza-se uma camada de embedding por ângulo (Angle Embedding) para mapear os dados clássicos em um espaço de Hilbert de 7 qubits.

• B. Mecanismo de Pontuação Adaptado (Scoring):
  O framework avalia candidatos baseando-se em duas métricas: Resiliência ao Ruído de Clifford (CNR) e Capacidade Representacional (RepCap). As inovações ocorrem no cálculo do RepCap:

  1. Para Classificação Desbalanceada (Matriz de Pesos $R_w$):
     • O RepCap original mede a separação entre classes. Para dados desbalanceados, os autores introduzem uma matriz de pesos $R_w$ baseada na frequência inversa das classes.
     • Isso amplifica a importância dos pares de amostras da classe minoritária na função de custo, forçando o circuito a aprender representações robustas para todas as classes, evitando que a métrica seja enganada pelo desempenho superior na classe majoritária.
  2. Para Tarefas de Regressão (Similaridade Gaussiana):
     • Substitui-se a matriz de referência discreta por uma matriz contínua baseada em uma função de similaridade Gaussiana (Kernel RBF) sobre os valores-alvo.
     • Isso permite que a métrica avalie se o circuito preserva a topologia contínua dos dados: amostras com valores-alvo próximos devem resultar em estados quânticos próximos no espaço de Hilbert.

• C. Estratégia de Busca:

  • Geração de candidatos baseada em amostragem enviesada que considera dados de calibração do hardware real (tempos de coerência, fidelidade de portas, conectividade).
  • Seleção dos top-k circuitos com base na pontuação combinada: $Score = CNR^{\alpha} \times RepCap$.

3. Contribuições Principais

1. Mecanismo de Pontuação Livre de Treinamento para Regressão: Desenvolvimento de uma métrica RepCap generalizada para espaços contínuos, permitindo a busca e avaliação de circuitos para tarefas de regressão sem treinamento prévio.
2. Matriz de Pesos Sensível à Densidade ($R_w$): Introdução de uma formulação matemática para corrigir o viés em dados desbalanceados, penalizando circuitos que colapsam para a classe majoritária.
3. Aplicação em ADME e Análise Sim-to-Real: Primeira aplicação abrangente de QCS a um conjunto diversificado de tarefas de ADME (8 classificações desbalanceadas e 4 regressões) e uma análise detalhada da lacuna de desempenho entre simulação sem ruído e execução em hardware real (IBM Rensselaer).

4. Resultados Experimentais

Os experimentos foram realizados em 8 tarefas de classificação desbalanceada e 4 de regressão, utilizando dados do The Deep Learning for Drug Discovery (TDC).

• Correlação com Desempenho:

  • O método proposto demonstrou uma correlação moderada e significativa entre a pontuação de busca e o desempenho real (erro de teste).
  • Em tarefas de classificação desbalanceada (ex: BBB_Martins, HIA_Hou), a correlação de Spearman melhorou significativamente em comparação ao método Elivagar original (que mostrava correlação negligenciável ou fraca).
  • Em tarefas de regressão, observou-se uma correlação negativa consistente (R entre -0.33 e -0.49), indicando que circuitos com pontuação mais alta tendem a ter menor erro quadrático médio (MSE).

• Comparação com Outros Métodos Quânticos:

  • Os circuitos selecionados pelo QCS-ADME foram competitivos ou superiores aos métodos state-of-the-art (como QuantumNAS e Elivagar original) na maioria das tarefas de classificação, especialmente em métricas como F1-score e PR-AUC.

• Comparação com Modelos Clássicos:

  • Classificação: Os circuitos quânticos foram competitivos em algumas tarefas (ex: BBB_Martins), superando modelos clássicos em F1-score, mas geralmente ficaram atrás em PR-AUC.
  • Regressão: Houve uma lacuna de desempenho significativa. Modelos clássicos (XGBoost, Random Forest, SVM) superaram consistentemente os circuitos quânticos, com erros (MSE) muito menores.

• Desempenho em Hardware Real (Sim-to-Real):

  • Classificação: O impacto do ruído foi misto. Em algumas tarefas, o desempenho degradou-se drasticamente; no entanto, na tarefa Bioavailability_Ma, o hardware real superou a simulação, sugerindo que o ruído pode atuar como um regularizador em certos paisagens de problemas.
  • Regressão: O ruído foi uniformemente prejudicial, aumentando o erro médio em ~25-37% e a variabilidade (instabilidade) em mais de 5 vezes em comparação à simulação.

5. Significado e Conclusão

O trabalho QCS-ADME representa um avanço crucial na adaptação de frameworks de busca de circuitos quânticos para problemas do mundo real na biomedicina.

• Inovação Metodológica: A capacidade de avaliar circuitos para regressão e dados desbalanceados sem treinamento completo resolve um gargalo computacional, permitindo a exploração de espaços de busca maiores.
• Viabilidade Prática: Embora o framework seja eficaz na seleção de circuitos promissores (superando métodos anteriores de QCS), o estudo revela que a lacuna de desempenho em relação aos métodos clássicos, especialmente em regressão, permanece um desafio crítico.
• Implicações Futuras: A análise "sim-to-real" destaca que o ruído do hardware não é apenas um obstáculo, mas pode ter efeitos complexos e dependentes da tarefa (às vezes benéficos). O trabalho sugere que futuras pesquisas devem focar em técnicas de poda de circuitos conscientes da tarefa e na robustez a ruídos de rótulo para fechar a lacuna com algoritmos clássicos.

Em resumo, o QCS-ADME fornece as ferramentas necessárias para buscar circuitos quânticos em cenários farmacológicos complexos, mas também estabelece limites claros sobre o estado atual da tecnologia QML em comparação com o aprendizado de máquina clássico para tarefas de regressão.