QFoldAgent:用于蛋白质结构预测的自主量子优化多智能体系统

混合量子-经典蛋白质结构预测在很大程度上依赖哈密顿量罚项权重,而现有基于格点的工作流程通常手工固定这些系数,且在模拟中仅评估非常短的片段。我们提出QFoldAgent,一个面向5残基四面体晶格折叠的闭环多智能体框架:设计智能体提出序列条件化的罚项,基于VQE(变分量子本征求解器)的量子-经典管线在Qiskit Aer噪声下优化所得哈密顿量,反馈智能体利用能量景观诊断与MolProbity验证信号跨周期细化罚项。RMSD等真值指标从不暴露给智能体,仅用于评估。我们在两个互补数据集上研究该框架:55个来自QDockBank、结构已知的片段,以及100条经覆盖率优化选出的未见序列。在QDockBank基准上,QFoldAgent将中位RMSD从3.64 Å降至3.20 Å,且在最难的目标上收益最大。在未见序列上,闭环将结构有效性从87.5%提升至98.7%,挽回87%的初始无效案例,最强控制器在87%的序列上改善了第3轮能量,同时保持96%的Ramachandran有利几何。这些结果表明,迭代式智能体控制能够系统性地改善5残基量子设定下的优化行为并减少失败案例。