약물 결합 시뮬레이션의 계산 장벽
소분자 약물이 표적 단백질에 어떻게 결합하는지 정밀하게 예측하려면 수천 개 용매화 원자를 아우르는 다전자 슈뢰딩거 방정식을 풀어야 한다. 밀도 범함수 이론(DFT)은 계산 비용이 낮은 대신 결합 친화도 순위를 잘못 매기는 경우가 발생하고, 완전한 파동함수 기반 방법은 고전 메모리 한계를 초과한다. 이전 양자 임베딩 벤치마크의 최대 기록은 303원자 Trp-케이지 시스템에 머물러 있었다.
이번 연구팀은 트립신-벤자미딘(1만 2,635원자)과 T4 라이소자임-n-부틸벤젠(1만 1,608원자)이라는 두 용매화 단백질-리간드 복합체를 다뤘다. 최대 3만 1,795개 분자 오비탈을 포함하는 이 시스템은 종전 대비 40배 이상 큰 규모다.
핵심 방법론: O(1) 스케일링 EWF와 TrimSQD
연구팀이 도입한 국소화된 임베디드 파동함수(EWF) 형식론은 거대 거시분자를 공간적으로 한정된 원자 근방으로 분할한다. 단편 구성 계산비용을 기존 O(M³)에서 단편당 O(1) 수준으로 낮춘 것이 핵심 기술 혁신이다. 단편 크기는 중원자 기준 13~45개 분자 오비탈 범위에 걸쳐 있다.
샘플 기반 양자 대각화(SQD)를 확장한 TrimSQD 알고리즘도 새로 개발됐다. 분산 GPU 서브그룹에 걸쳐 전자 배치를 반복적으로 필터링·병합한 뒤 최종 부분공간 대각화를 수행하는 방식이다. 트립신의 가장 큰 45-오비탈 단편에서 DMRG 대비 에너지 편차가 0.10 mHa에 그쳐, 기존 ExtSQD 대비 210배의 정확도 향상을 달성했다.
하드웨어: 156큐비트 헤론 r2 2기와 슈퍼컴퓨터 3종
양자 프로세서로는 156큐비트 IBM 헤론 r2 두 기(ibm_cleveland, ibm_kobe)가 투입됐고, 실제 활성 큐비트는 최대 94개를 사용했다. 고전 계산은 15만 2,064노드 규모의 후가쿠(Fugaku), 1,104개 GH200 노드의 미야비-G(Miyabi-G), 126개 GB200 노드의 ROQUO 등 3개 선도급 슈퍼컴퓨터가 나눠 담당했다. GPU 가속 선택 기저 대각화(SBD-G)는 72.5%의 강-스케일링 병렬 효율을 기록했다.
전체 파이프라인은 Prefect 기반 자동화 워크플로우 컨트롤러가 IBM Quantum Runtime과 ROQUO 사이의 비동기 작업 큐를 조율했다. 덕분에 2만 1,006개 회로에서 30억 회 측정 샷을 수집하고, 6억 800만 샘플을 62.4시간의 벽시계 시간 안에 사람의 개입 없이 처리했다.
주요 성과와 한계
T4 라이소자임-n-부틸벤젠 계에 혼합 기저(3-21G/STO-3G) 워크플로우를 적용해 결합 친화도 −21.07 kcal/mol을 산출했다. HQC 방식으로 단백질-리간드 결합 에너지를 도출한 첫 사례다.
다만 arXiv 프리프린트 단계로 아직 동료 심사를 거치지 않았다. 혼합 기저 함수 사용은 계산 비용을 줄이는 대신 절대 에너지 정확도를 일부 제한한다. QPU 가동 시간도 239시간을 초과해 현재 하드웨어 접근성 측면에서 대규모 반복 적용에는 한계가 있다. 연구는 미국 NSF·NIH, 일본 NEDO·MEXT 후가쿠 프로그램의 지원을 받았다.
전문은 원문에서 읽으세요
이 글은 원문의 사실을 재구성한 편집 요약입니다. 원제: Cleveland Clinic, RIKEN, and IBM Cross 12,000-Atom Barrier in Heterogeneous Quantum-Classical Drug Binding Simulations
