笔记本实验
本笔记本基于Amazon Braket实现了 QFold：quantum walk and deep learning to solve protein folding。这主要是由 Roberto Campos 基于他的 implementation 贡献的。
使用量子游走的蛋白质折叠
蛋白质折叠是蛋白质分子呈现其三维形状的过程， 这对其正常功能至关重要。 蛋白质由氨基酸的线性链组成， 它们的最终结构由氨基酸的序列和它们之间的相互作用决定。
在蛋白质折叠过程中，线性氨基酸链折叠成独特的三维结构，通过各种类型的相互作用（例如氢键、静电力和范德华力）来稳定该结构。蛋白质折叠的过程非常复杂，涉及多个阶段，包括二级结构的形成，例如 alpha 螺旋和 beta 折叠，以及将这些结构包装成最终的三维形状。
图8: 折叠前后的蛋白质8
在这项工作中，量子行走被应用 到 Metropolis 算法，以预测蛋白质如何在 3D 中折叠。 量子行走是经典随机行走的量子模拟。与经典的随机游走不同，游走者占据确定的状态，随机性是由于状态之间的随机转换而产生的，在量子游走中，随机性是通过以下方式产生的：(1) 状态的量子叠加，(2) 非随机、可逆的单一演化(3) 状态测量引起的波函数坍缩。这在原始论文中被命名为 Qfold。
图9: QFold算法方案9
部署完成后，您可以在堆栈页面选择解决方案的根堆栈，选择输出（Outputs），打开笔记本的链接。请到healthcare-and-life-sciences/c-1-protein-folding-quantum-random-walk/protein-folding-qrw.ipynb查看细节。