단백질-리간드 (protein-ligand) 분자 시스템의 결합 에너지 (binding energies) 계산은 전자 구조 (electronic structure)에 대한 정확한 처리를 요구하며, 이는 클래식 하드웨어에서 지수적으로 확장되는 양자 화학 문제이지만, 현재의 양자 하드웨어는 요구되는 회로 깊이(circuit depths)를 감당하기에는 여전히 노이즈가 너무 많습니다. 본 보고서는 QARP를 사용하여 Fujitsu FX700 이상적 상태 벡터 시뮬레이터 (ideal state-vector simulator)에서 수행된 하이브리드 양자-클래식 워크플로우를 제시하며, 이는 양자 샘플링 기반 대각화 (quantum-sampling-based diagonalization) 워크플로우의 두 가지 구조적 비효율성을 해결합니다. 첫째, 우리는 Linear Scaling CNOT UCCSD (LCNot-UCCSD) 안사츠 (ansatz)를 QSCI 프레임워크에 통합하여, 경쟁 관계인 LUCJ 안사츠 접근 방식의 $\mathcal{O}(N^6)$ CCSD 파라미터 초기화를 $\mathcal{O}(N^4)$ MP2-진폭 (MP2-amplitude) 초기화로 대체합니다. 둘째, SQD 프레임워크의 구성 회복 (configuration recovery)을 컴팩트한 생성적 부분 공간 확장 모델 (generative subspace expansion model)로 작동하는 제한된 볼츠만 머신 (Restricted Boltzmann Machine, RBM)으로 대체하는 변형인 QSCI-RBM을 도입합니다. 두 방식 모두 14개의 제어된 인공 에러 레벨에서 STO-3G 기반의 8가지 서로 다른 분자에 대해 각각 100회의 독립적인 실행을 통해 평가되었으며, cc-pVDZ 기반의 N$2$ 분자의 퍼텐셜 에너지 표면 (potential energy surface) 스캔을 통해 검증되었습니다. 또한, FDA 승인을 받은 항바이러스제 Amantadine (C${10}$H${17}$N, 11 DMET 파편) 및 Carmofur(PDB: 7BUY, C${15}$H$_{28}$N$_4$O$_5$S, 10 파편)와 복합체를 이룬 SARS-CoV-2 메인 프로테아제(main protease)의 활성 영역을 처리하기 위해 DMET 내에 임베딩되었습니다. 우리가 알기로는, 이것은 양자 컴퓨팅 시뮬레이터 상에서 QSCI 내에 LCNot-UCCSD를 배포한 첫 사례이며, 산업적으로 유의미한 단백질-리간드 시스템에 DMET-QSCI(LCNot-UCCSD)-RBM을 적용한 첫 사례입니다. Cleveland Clinic, RIKEN, 그리고 IBM Quantum의 현재 최첨단 연구에 필요한 클래식 컴퓨팅 자원의 일부만을 활용함으로써, 이 접근 방식은 산업계를 위한 더욱 효율적이고 경제적인 신약 개발 시뮬레이션을 가능하게 합니다.