論文の概要、ライセンス

# (参考訳) QFold:タンパク質折り畳みを解くための量子ウォークとディープラーニング [全文訳有]

QFold: Quantum Walks and Deep Learning to Solve Protein Folding ( http://arxiv.org/abs/2101.10279v1 )

ライセンス: CC BY 4.0
P A M Casares, Roberto Campos, M A Martin-Delgado(参考訳) 現在の生化学研究の最も重要な課題の1つである3Dにおけるタンパク質の折り畳み方を予測するための量子計算ツールを開発しています。 本研究では,最近の深層学習の進歩を,メトロポリスアルゴリズムに適用した量子ウォークの手法と組み合わせる方法について述べる。 その結果、qfoldは完全なスケーラブルなハイブリッド量子アルゴリズムであり、従来の量子アプローチとは対照的に、格子モデルの単純化を必要とせず、アミノ酸のねじれ角の観点からパラメータ化のより現実的な仮定に依存している。 我々は、異なるアニーリングスケジュールの古典的アナログと比較し、多項式量子優位性を求め、IBMQ Casablanca量子プロセッサにおける量子メトロポリスの概念実証を検証した。

We develop quantum computational tools to predict how proteins fold in 3D, one of the most important problems in current biochemical research. We explain how to combine recent deep learning advances with the well known technique of quantum walks applied to a Metropolis algorithm. The result, QFold, is a fully scalable hybrid quantum algorithm that in contrast to previous quantum approaches does not require a lattice model simplification and instead relies on the much more realistic assumption of parameterization in terms of torsion angles of the amino acids. We compare it with its classical analog for different annealing schedules and find a polynomial quantum advantage, and validate a proof-of-concept realization of the quantum Metropolis in IBMQ Casablanca quantum processor.
公開日: Mon, 25 Jan 2021 18:00:03 GMT

※ 翻訳結果を表に示しています。PDFがオリジナルの論文です。翻訳結果のライセンスはCC BY-SA 4.0です。詳細はトップページをご参照ください。

翻訳結果

    Page: /      
英語(論文から抽出)日本語訳スコア
1 2 0 2 n a J 5 2 ] h pt n a u q [ 1 v 9 7 2 0 1 . 1 2 0 2 n a j 5 2 ] h pt n a u q [1 v 9 7 2 0 1] である。 0.82
1 0 1 2 : v i X r a 1 0 1 2 : v i X r a 0.85
3CCS-Center Learning 3CCSセンター 学習 0.64
and Deep QFold: P. 深い。 QFold P。 0.59
Quantum Walks Casares,1, ∗ A. M. 1Departamento de 量子ウォーキングcasares,1, ∗ a.m. 1departamento de 0.65
Universidad Resources, Roberto F´ısica 2Quasar Computational 大学リソース。 Roberto F ́ısica 2Quasar Computational 0.66
Campos,1, 2, † Te´orica, Science Simulation, January to Campos, 1, 2, ~ Te ́orica, Science Simulation, January to 0.89
to Solve Protein A. Martin-Delgado1, 3, ‡ Complutense SL. タンパク質A. Martin-Delgado1, 3, ^ Complutense SL。 0.85
Universidad 26, (Dated: tools predict 3D, most research. ユニバーシダド26(ツール:ほとんどの研究で3dを予測する。 0.71
We in current biochemical recent deep learning of technique quantum walks applied to a Metropolis The to contrast in quantum algorithm that hybrid previous quantum instead the on relies lattice model and more much the amino acids. 量子ウォーク(quantum walk)をメトロポリスに応用した量子アルゴリズムのトートコントラスト(to contrast)は、従来のハイブリッド量子アルゴリズムに代えて、onは格子モデルと多くのアミノ酸に依存する。 0.74
We compare it polynomial quantum advantage, in IBMQ Casablanca quantum ibmq casablanca quantumで 多項式量子の利点を比較すると 0.81
2021) how in explain how to combine 2021)どのように組み合わせるかを説明するか 0.81
torsion angles of schedules a the quantum Metropolis 量子メトロポリスにおけるスケジュールのねじれ角 0.71
annealing realization of annealing (複数形 annealings) 0.33
We important problems advances with result, QFold, approaches realistic assumption of parameterization in terms of with and validate a proof-of-concept processor. QFoldは,概念証明プロセッサを用いて,パラメータ化の現実的な仮定にアプローチし,その検証を行う。 0.71
the well a is fully does not aが完全にそうでないのは 0.71
known scalable a 既知のスケーラブルな 0.65
computational simplification 計算 simplification~ 0.71
de Madrid. Polit´ecnica マドリード出身。 政治 0.53
algorithm. quantum アルゴリズム。 量子 0.74
and M. different classical proteins とM。 違う 古典 タンパク質 0.70
Madrid. develop require マドリード。 開発 必要 0.70
analog and find アナログ そして 探せ 0.70
fold one of fold 一つ ですから 0.68
the its for はあ? その ですから 0.53
for Folding ですから 折りたたみ 0.60
de I. INTRODUCTION of up made biomolecules, are Proteins complex with a and amino acids, one several or chains of acids Amino in organisms. デ 私。 導入 合成された生体分子のうち、aとアミノ酸と複合体したタンパク質で、1つまたは1つが有機体中のアミノ酸の鎖である。 0.58
variety large of functions (−N H2) carand amine of are compounds made 20 (−COOH) difthat chain a side groups, with boxyl the of function prothe However, them. いろいろな機能(−N H2)のcarandのアミンは機能protheのboxylとのサイド グループを、20 (−COOH) difthat鎖にされた混合物です。 0.70
ferences amino determined chain, the acid by only not tein is experimenfigure simple to out which is relatively much is which folding, spatial its but tally, from laboa obtain expensive in to and challenging more the complicated that gap beit In ratory. 推論アミノ決定鎖は、テインだけによる酸は、比較的多くは、どの折り畳み式、空間的であるが、背が高く、ラボアから高価に取得し、そのギャップベイトを複雑にチャレンジする。
訳抜け防止モード: 推論アミノ決定鎖は、テインだけによる酸は、比較的多くは、どの折り畳みであるアウトに簡単な経験です。 空間的には高いですが ラボアから そして、そのギャップが複雑になるほど挑戦的です。
0.59
fact is so sequence is known and those tween proteins whose additionstructure been has folding the which for of magnitude: three analyzed ally orders there are is the UniProt 200 million over sequences available database [1], but just over 172 thousand whose strucBank Protein given is ture Data the as known, cannot techniques experimental Furthermore, [2]. 3つの分析された同盟の順序は、UniProt 2百万のシーケンスが利用可能なデータベース [1] ですが、strucBank protein が ture Data として与えられたわずか 172千 以上が ture Data として知られており、実験的な技術はありません。
訳抜け防止モード: 事実です 配列は知られています タンパクの付加構造は 桁違いに折りたたみ : 分析された3つのアライアンドは,2億オーバシークエンスデータベース[1]のuniprotである。 たった1万7200個以上のstrucbankタンパク質が与えられているのは、tureのデータです。 さらに, [2] では実験できない。
0.75
of configuration tridimensional the always analyse dark called what giving the rise is proteins, proteome that a significant of [3] are including the 5]. 構成の三次元の上昇を与えるものと呼ばれる常に分析の暗さは蛋白質、重要な[3]が5を含むプロテオームです。 0.83
organisms [4, foldings proteins even with and others that have no called Intrinsically Disordered biomolecules, are Since such the probfolding so complicated, and retrieving their as regarded lem of one of is widely folding compuin the problems most and hard important research motivated tational and biochemistry, has and efficient an Having for decades. 生物[4, 折り畳みタンパク質は、内在的に不規則な生体分子と呼ばれていない他のものと一緒にも、そのような突出は非常に複雑であり、その1つのlemとして検索は広く折り畳みのcompuin問題で最も困難な重要な研究の動機付けの触覚と生化学、持っていると数十年間効率的であるので、です。 0.59
computational their procedure to guess structure would 構造を推測する手順を計算すれば 0.71
the fraction There [6], The fraction There [6], 0.73
humans stable folding 人間の安定な折りたたみ 0.63
to represents [7]. proteins 代表する [7]. タンパク質 0.70
several stable cornerstone reliable 安定して 角石 信頼できる 0.65
protein at in ∗ pabloamo@ucm.es † robecamp@ucm.es ‡ mardel@ucm.es タンパク質 に で ∗ pabloamo@ucm.es ~ robecamp@ucm.es ~ mardel@ucm.es 0.74
therefore search. Until fold ですから 捜索です 折るまで 0.59
represent a large 代表 あ... 大きい 0.52
boost for biochemical ブースト ですから 生化学 0.56
re- of as re- ですから として 0.61
[13], angles, torsion [13], 角度 ねじれ 0.55
competition library computing problem with 競争 図書館のコンピューティング問題 0.76
the complete reason, the In of Techniques 完全な理由 技術の導入 0.53
one of the most popular approaches recently, algorithm apply to a Metropolis proteins was to terms the of is in parameterised package in example for done popular the project distributed the Rosetta [8] and this The main 10]. 最近、metropolisタンパク質に適用されるアルゴリズムの最も一般的なアプローチの1つは、is in parameterized package(例えば、dod popular)という用語で、プロジェクトはrosetta [8] を配布し、これがメイン10である。 0.69
[9, Rosetta@Home that is approach, though, combinaproblem is for torial in nature, and NP simple even approaches For models this 12]. 9, rosetta@home アプローチですが,combinaproblem は自然界の torial 用で,np simple はこの12のモデルに対してさえアプローチしています。 0.73
[11, other 2018 are also worth exploring. 11] 他の2018年も 探検する価値がある 0.71
edition the for Protein StrucCritical Assessment (CASP) ture Prediction examfor model was winner the ple, DeepMind’s AlphaFold techable that was [14], to show that Deep Learning Deepobtain allow niques to results. protein StrucCritical Assessment (CASP) ture Prediction examfor modelは、DeepMindのAlphaFoldtechableである[14]を受賞し、Deep Learning Deepobtainがニケを結果に与えることを示した。
訳抜け防止モード: The edition the for Protein StrucCritical Assessment (CASP ) ture Prediction exam for model was winner the ple。 DeepMindのAlphaFold技術は[14]だった Deep Learning Deepobtainは、ニクが結果を得られることを示す。
0.79
much better Mind approach consisted netneural on a training dependent potential, field a mean to work produce the and amino between distance the on acids torsion angles, that can be later minimized by gradient descent. はるかに優れたマインドアプローチは、トレーニング依存電位、作業するフィールド平均に基づいて、後に勾配降下によって最小化することができる酸ねじれ角度の距離とアミノを生成する。 0.72
In this Quantum Computing could in the this art of problem comquantum error-corrected puters the using propose prediction starting point for a quantum Metropolis-Hastings algorithm. この量子コンピューティングでは、量子メトロポリス・ハスティングスアルゴリズムの予測開始点の提案を用いて、この問題の量子誤差補正プリンダーに応用することができる。 0.84
The Metropolis a Markov-chain Monte Carlo algorithm is algorithm, a an algorithm that is, that performs random walk W over The Metropolis graph. マルコフ連鎖モンテカルロアルゴリズム(Metropolis a Markov-chain Monte Carlo algorithm)は、メトロポリスグラフ上でランダムウォークWを実行するアルゴリズムである。 0.78
given a algorithm is the quickly to designed specially reach equilibrium that Wπβ πβ πβ. アルゴリズムが与えられると、wπβ πβ πβ という特別な平衡に達するように設計される。 0.57
such state state, the = Slowly temperature parameter β the modifying inverse such that energy the states with smaller increasingly favoured by the random walk, we should end in system with high probability. そのような状態状態、 = 遅い温度パラメータβは、ランダムウォークによってますます好まれるより小さい状態のエネルギーが、我々は高い確率でシステムで終わるように変更逆である。 0.74
the the of ground state the Metropolis-Hastings of modifications Several algorithm to it to a quantum algorithm have 地上の状態 メトロポリス・ヘイスティングスの修正 量子アルゴリズムにいくつかのアルゴリズムがある 0.74
article help when become of AlphaFold AlphaFold の時に役立つ記事 0.68
we improve large available. 私たちは大きく改善します。 0.58
We study the how state 私たち 勉強して 州は 0.60
become adapt as a なる 適応 として あ... 0.46
英語(論文から抽出)日本語訳スコア
2 1. of Example 2 1. ですから 例 0.74
FIG. the each that glycylglycine. FIG。 それぞれがグリシルグリシンです 0.75
the We can dipeptide: (Nitrogen-Cα-Carboxy). We can dipeptide: (Nitrogen-Cα-Carboxy)。 0.77
attached chain acids would a different amino have case Hydrogen φ angle ψ. or depict each In the Glycyne. 付加された鎖酸は、異なるアミノ酸が水素φ角を持つか、それぞれのグリシンを描写する。 0.69
we figure torsion two backbone the three one first in defined the by the amino that in the Nitrogen except atoms same second Cα,1, C1), substituting three out plane the the For (Cα,1, C1, N2). 我々は、原子と同じ第2のCα,1,C1)を除いて、窒素中のアミノによって定義された3つの背骨をねじり、2つの背骨を図示し、For(Cα,1,C1,N2)の3つの平面を置換する。 0.54
the φ angle is made of the first (N2, Cα,2, C2) whereas second plane is defined the Carboxy substituting atom in the [15] using acid: from the φ角は第1(N2, Cα, 2, C2) で、一方第2平面は[15]のカルボキシ置換原子を酸を用いて定義する。 0.84
smallest Different for planes: by the 平面の最小の相違点: 0.68
as angle and subsequent see side either atoms 角度とその後 どちらの原子も 0.67
it the is between the one: それは1つの間のものです 0.55
chain the has acid amino of instead Cα the to as defined is ψ the Angle (N1, amino the of acid of the Nitrogen by acid the atoms in amino acid acid by the Carboxy Inkscape. 鎖はcαではなく酸アミノ酸を持ち、toはcarboxy inkscapeによるアミノ酸中の原子の酸による窒素の酸の角(n1,アミノ酸)である。 0.82
the amino amino (複数形 aminos) 0.42
graphics were amino and グラフィックは アミノと 0.72
(C1, N2, Cα,2). (C1, N2, Cα, 2)。 0.69
generated preceding These of 生成 前 これら ですから 0.67
work based on work 仕事 ベース オン 仕事 0.66
takes mostly from the is usually done 取る 主に から 通常は 0.56
contrary, a out-of-equilibrium conditions 反対に A 平衡外条件 0.63
our quantum Metropolis [16–21], substitutrandom walk by a Szegedy quantum advanthe alsimilar classically, and has been done simulate aim to Specifically, we smallthe peptides, several small and acids; only a comfew amino running with the classical time startwhether check also and algorithm by proposed state an may speed up the simulated 量子メトロポリスは 16-21, substitutrandom walk by a Szegedy quantum advanthe alsimilar, and been donesimulated aims specifically, we small the peptides, several small and acids; only a comfew amino running with the classic time startw whether check and algorithm by proposed state an may speed up thesimulated。 0.68
been proposed classical the ing On [22]. 22] の ing を古典的に提案しています 0.68
walk tage of the application gorithm under to what on Ising models[21]. アプリケーションのgorithmの walk tage を Ising モデル [21] について説明します。 0.80
this procedure for proteins with est pare the expected annealing, simulated initial ing AlphaFold similar to annealing process. 予想されるアニーリングをエストパリールのタンパク質に対して、この手順は、アニーリングプロセスに似た初期ing AlphaFoldをシミュレートした。 0.65
lines of Our quantum research. 私達の量子研究のライン。 0.78
inobtain polynomial quantum advantages, to walks by mainly spired theby indicated quantum oretical In above. inobtain多項式量子の利点は、上図で示された量子正則で主に尖った理論によって歩く。 0.64
in fowork the implementation cuses only on the of the Metropolis studies hapwhat and with difsystem (peptides) pens with a different testing of instead schedules annealing ferent a only β. temperature single linear inverse the for IBM concept using Lastly, we Casablanca realizing the quantum quantum hardware. in fowork では、実装カスはメトロポリス研究のハプタッハにのみ適用され、代わりにスケジュールアニールの異なる試験を伴うジフシステム(ペプチド)ペンは、唯一のβをアニールする。温度単一の線形逆転IBMのコンセプトを使用して、最後に、我々は量子量子ハードウェアを実現するカサブランカ。
訳抜け防止モード: ファウワークにおいて 実装は メトロポリスの 研究にのみ焦点をあてる ジフシステム(ペプチド)ペンで異なる試験を行い、代わりにフェレントをβだけアニールする。 The temperature Single linear inverse the for IBM concept using Lastly, 私たちは量子量子ハードウェアを実現するカサブランカです。
0.80
The schedule also validate a proof of processor, Metropolis あらすじ スケジュールはまた プロセッサの証明を検証します メトロポリス 0.54
Szegedy Metropolis contrast unitary algorithm, Szegedy Metropolis contrast unitary algorithm 0.70
and algorithms our アルゴリズムを使って 0.57
with [21], heuristic but 21]では ヒューリスティックですが 0.49
experimentally algorithm benefits The first 実験的アルゴリズム 利益 第一に 0.73
different use of two makes 異なる用途で two‐making 0.71
from one our work 一つから 我々の仕事は 0.65
research related second line 研究 関連 第二 ライン 0.71
of in actual ですから で 実際の 0.64
work [22], to 仕事 [22], へ 0.68
is to folding. quantum computing は 折りたたみ。 量子コンピューティング 0.63
speedup The models モデルをスピードアップする 0.81
or imtechniques quantum the use of reason of process protein the prove of probecause even this for is simplified optimization are NP hard folding tein combinatorial principle in polynomial problems, so speedups could inbe expected from the use of literature The counterparts. あるいは、量子力学においてプロセスタンパク質の理由の使用が証明されるのは、単純化された最適化のためのものでさえ、多項式問題におけるnpハードフォールディングテインコンビネート原理であるからである。 0.72
of stead classical their fo[30, 31] and problem [23–29] this on ones related still are that lattice models simplified such cuses on computation. 古典的なそれらの fo[30, 31] と問題 [23–29] は、まだ関連する問題に対して、格子モデルが計算上のそのような尖点を単純化したのである。 0.64
In very hard, and mostly on adiabatic fully realistic our work presents much more contrast, torsion of the terms scalable model, in parametrized torsion are dihedral, The called angles. 非常に困難で、主に断熱的な完全に現実的な我々の作品は、パラメトリズドなねじれは二面体、いわゆるアングルである、スケーラブルなモデルという用語のねじれをより対照的に示します。 0.54
also angles, the structure between backbone angles atoms in the that An exprotein, of the its folding. また、背骨の角度の間の構造は、その折りたたみのAnタンパク質の構造である。 0.70
determine of the dipeptides, smallest the ample glywith the angles These in be can cylglycine, found 1. figure ω, φ, acid, per three usually are amino ψ and but always the latter is almost value at fixed π and for that in the account commonly taken into reason, not [14]. ディペプチドの決定、角度の十分なグリシンの最小これらはシルグリシンであり、見つけることができます1.図ω、φ、酸は、通常3つごとにアミノである、しかし、常に後者は固定πでほぼ値であり、そのために、一般的に推論されたアカウントでは[14]。 0.69
models considerations, These version distilled our work makes protein quantum been have proaches The digital. モデル考察、私たちの作品を蒸留これらのバージョンは、タンパク質量子は、proachesデジタルを持っています。 0.55
rithm is that approach the is simulate are to able nevertheless able to rithmは、isシミュレートのアプローチは、それでも可能でありながら、 0.68
that a use fact the and initialization, [14] AlphaFold as of in approach from the usual different apadiabatic commonly folding: our whereas far, used algoso this more of downside precise that we acids of number amino we but is more restricted, are perform experiments in actual 使用事実と初期化、[14]AlphaFoldは、通常異なるアパダイアバティックの一般的な折り畳みのアプローチによるアプローチである:一方、我々のこれまでは、アミノ酸の数が多いがより制限されているという欠点を、より正確にアルゴソを用いて、実際に実験を行っている。
訳抜け防止モード: 使用事実と初期化 [14 ] AlphaFold 通常の異なるアパダイバティックな一般的な折り畳みからのアプローチの時点で。 アルゴソを使いました より正確に言うと 我々はアミノ酸の数が多いが、より制限されている。 実際に実験を行い
0.70
we 私たち 0.64
英語(論文から抽出)日本語訳スコア
3 2. of protein, 3 2. たんぱく質や 0.77
the QFold and Scheme the by Minifold angles of energy and the torsion outputs the links the between QFold と エネルギーの最小の角度でスキームし、ねじれは間のリンクを出力する 0.68
FIG. conforming guessed the κ = 1), with finally that that recovers obtained a gives to Psi4 quantum Metropolis the the figure FIG。 コンフォメーションは κ = 1) を推測し、最終的に得られた a が psi4 量子メトロポリスにその図を与える。 0.73
as all angles. atoms from PubChem using Psi4. あらゆる角度から。 Psi4を用いたPubChemの原子。 0.69
torsion first calculate of all algorithm, トーションはまず全てのアルゴリズムを計算します 0.70
Starting algorithm. アルゴリズムの開始。 0.81
a Minifold module, in point a positions possible scheme In the the of protein, The initializer, before angles, rotation possible which outputs ミニフォールドモジュール, 点 a 位置可能なスキーム プロテイン, 初期化器, 角度の前に, 可能な回転, 出力します。 0.75
estimate the of the energy 見積もって エネルギーを消費し 0.65
starting 3. acid amino 始めよう 3. 酸 アミノ 0.76
atoms sequence, use we from the uses of AlphaFold, as initializer. 原子配列、アルファフォールドからweを初期化剤として使う。 0.71
substitution distributions starting of the means as the (or rather, algorithm quantum Metropolis perform a to by Psi4, calculated a builder backbone the algorithm, subroutine represents of atom positions using chain, the particular backbone the and our case by Minifold, is subroutine that a second instantiated in uses calculator energy The quantum Metropolis. 方法から始まる置換分布(あるいはアルゴリズム量子メトロポリス)は、Psi4による to を計算し、ビルダーのバックボーンをアルゴリズムで計算し、サブルーチンは鎖を用いて原子の位置を表し、特定のバックボーンはMinifoldによる私たちのケースはサブルーチンであり、第2のインスタンス化は電卓エネルギーを使用する。 0.80
the to passing it in used energies and we angles that want these expected the folding. 使用済みエネルギーでそれを渡すことと、これらが折り畳みを期待したい角度。 0.72
detailed flowchart, refer to 詳細フローチャートを参照。 0.68
to Psi4 the extract algorithm then The von Mises 抽出アルゴリズムを Psi4 にすると、von Mises 0.80
explore, a more to For 探検して もっと のために 0.70
the in are we hardware. イン 僕らは ハードウェア。 0.60
2020 CASP their AlphaFold v2 results proves 2020 CASPのAlphaFold v2結果が証明 0.86
the is worth mentioning DeepMind’s はあ? DeepMindに言及する価値がある 0.62
in the tested algorithm which significantly imfrom their テストされたアルゴリズムでは 0.53
that team previous version. あのチーム 前 バージョン。 0.72
Finally, competition, it 最後に、競争。 それ 0.74
of our realistic, ですから 私達 現実的 0.59
contributions provided and and could computer quantum the of state current art different use the of 貢献 状態の現在のアートがofと異なることをコンピュータ量子化できる 0.66
In summary, threefold: are that scalable is a fault-tolerant competitive with Secondly, schedules perform compare cal Metropolis tum speedup. 要約すると、スケーラブルはフォールトトレラント競争であり、第二に、スケジュールはメトロポリスタムのスピードアップを比較します。 0.51
the make to classical its than teins even after to error a proof-of-concept rithm work. 概念実証の作業に誤りを犯した後でも、定規よりも古典的になる。 0.65
the main work firstly, we design a quantum algorithm with become techniques. まず第一に, 量子アルゴリズムの設計法について述べる。 0.68
cooling we analyse and out-of-equilibrium quantum walks, in and QFold ideal quantum classiequivalent its towards quana enough advantage is convenient more produe implement algoour 解析と平衡外量子ウォークを冷却し、QFoldの理想量子はクオーナに相応しく、十分に有利であり、より便利な実装法である。
訳抜け防止モード: 冷却 : 平衡量子ウォークの解析とアウト in および qfold ideal quantum classi equivalent its towards quana enough advantage is useful than produe implement algoour
0.78
algorithm, This quantum Metropolis in account Thirdly, we アルゴリズム、この量子メトロポリス、第三に私たちは 0.78
counterpart taking into correction protocols. 修正プロトコルを取り入れています 0.72
quantum Metropolis hardware, validating 量子メトロポリスのハードウェア 検証 0.68
simulations the pointing ポインティングのシミュレーション 0.66
average-length slowdowns the of quantum 平均長スローダウン quantum (複数形 quantums) 0.61
performance with quantum パフォーマンス 量子 0.63
actual in of 実際の で ですから 0.64
II. QFOLD ALGORITHM II。 QFOLD ALGORITHM 0.80
called we will scheme good 良い計画を立てる」と 0.48
we algorithm The components main three has figure (see 2 this in section to routine initialization an angles that of the dihedral to quantum Metropolis a folding, tein guess, initial from the state energy lower against compare to metropolis sical the speedups. 我々 のアルゴリズムコンポーネントメイン 3 は図を持っています (2 のセクションを参照してください) 日常的な初期化の二面体から量子メトロポリスへの角度 折り畳み式、ティーン推測、メトロポリス sical のスピードアップと比較して低い状態エネルギーからの初期化。 0.68
Metropolis to assess possible the introduce is section of to ground we have used for our results. metropolisは、この導入の可能性を評価するために、私たちがその結果に使用した部分です。 0.56
QFold and introduce is introduce that of QFold): a for guess initial find a the procharacterise even an find and a clasquantum The aim backtheoretical QFold と紹介する QFold のそれを紹介する: a for guess initial find a procharacterise even a find and a clasquantum the aim backtheoretical 0.82
this A. Initializer quantum walks これ A。 初期化 量子ウォーク 0.68
a resource use QFold makes of configuraexploration the accelerate to nature pro(see figures 2 and 3). リソースの使用 QFold は configuraExploration を自然プロへの加速にします(図 2 と 3 を参照)。 0.78
However, tions large exponentially not do whole the explore teins In in configurations possible space order of aim to not similar a fashion, QFold does all しかし、大きく指数関数的にシークエンス・テイン全体を行うことはできない コンフィグレーションにおいて、ファッションと類似しない目的の空間順序が可能である場合、QFoldは全てを行う。
訳抜け防止モード: しかし、大規模に指数関数的に探索タインの全体を行うわけではない 構成において、ファッションと類似しない目的の空間順序が可能である。 QFoldがすべて
0.66
as protein in to fold. タンパク質として 折りたたむんだ 0.61
explore of 探索 ですから 0.57
英語(論文から抽出)日本語訳スコア
4 of the QFold 4 ですから QFold (複数形 QFolds) 0.58
Flow chart FIG. フローチャート FIG。 0.63
functionalities an the to output are algorithm. 出力する機能です。 アルゴリズム。 0.62
that integrated experiment module. 統合された実験モジュールです 0.78
by initialization module, where Minifold calculate The either represented 初期化モジュールで、Minifoldが計算します。 0.66
the of energies Probabilities by エネルギーによる確率 0.62
altogether, We denote すべて、私たちは示します。 0.45
be figure This to in summarized could be the diamonds each decisions of can be used get a guess of to the bottom half represents use and makes TTS on them can be found 図に示すようにこれは、各決定が使用できるダイヤモンドであり、その下の半分が使用を表し、それらの上のTTSを見つけることができます。 0.72
of initialization module, to make. 初期化モジュールの、作るため。 0.76
folding, or Different III B. 折り畳み、または異なるIII B。 0.78
one has the correct experiment of Qiskit. ひとつはQiskitの正しい実験です。 0.81
viewed with an rotations. or Quantum/Classical information で見る 回転 量子・古典情報 0.52
diamonds, and more ダイヤモンドだ さらに 0.53
section help has セクション 助けて あり 0.61
the in 3. 2. はあ? で 3. 2. 0.69
has QFold figure a simulation module, The and あり QFold シミュレーションモジュールを図にします。 0.68
several and constitutes PubChem that algorithm pubchemのアルゴリズムを構成するいくつかの 0.57
part uses algorithms, of アルゴリズムが使われています 0.59
top Psi4 simulation options トップPsi4シミュレーションオプション 0.89
the a uses はあ? あ... 利用 0.41
inibut configurations, rather good possible techguess based state on Deep Learning tialization point such initial is as AlphaFold. 最初はAlphaFold.inibut構成で、Deep Learning tialization pointをベースとした、かなり良い技術である。 0.74
Since niques such solution in the real closer the to actual in principle the helpful the larger be most expect to it space, we fact, In being modelled. そのような解を、原則として実際の解に近いものにすることで、大きなものがit空間に期待できるほど役に立ちます。
訳抜け防止モード: 実際のソリューションが現実に近いので、原則的には、より大きな人がスペースに最も期待する役立つでしょう。 我々 は事実、モデル化されます。
0.66
one of the motivaprotein the for our work was that adding a Rosetta fact tions the AlphaFold algorithm was the relaxation at end of improve slightly able the the AlphaFold relaxation that Notice algorithm [14]. 私たちの研究の動機タンパク質の1つは、AlphaFoldアルゴリズムにRosettaの事実を付加することは、AlphaFoldリラクゼーションアルゴリズムをわずかに改善した時のリラクゼーションであった[14]。
訳抜け防止モード: 私たちの研究の目的の一つは Rosettaのファクトオプションを追加するとAlphaFoldアルゴリズムが有効になる Noticeアルゴリズム[14 ]のAlphaFoldリラクゼーションを少し改善した終了時の緩和でした。
0.80
is the Rosetta calls its algo- ロゼッタはアルゴと呼んでいます 0.45
results a classical Metropolis 古典的なメトロポリスを 0.64
of Rosetta way to Therefore, we in an ロゼッタの 道 へ ですから、私たちは 0.62
that improved expect rithm. 期待値を改善しました 0.65
quantum walks, case our using of Rosetta, the solution better to of be to even help find provided one problem than tein folding the by using AlphaFold. 量子ウォークは、ローゼッタの使用の場合、ソリューションはAlphaFoldを使用してティーン折り畳むよりも1つの問題を見つけるのに役立ちます。 0.64
AlphaFold The acid sequence (S), cedures: First (MSA) protein AlphaFold The acid sequence (S), cedures: First (MSA) protein 0.80
perform a Multiple procedure already 既に複数の手順を実行する 0.76
from starts the following the performs 次の実行から開始します。 0.67
initializer and to observed 初期化と to observed 0.79
extract in extract (複数形 extracts) 0.34
Sequence Alignment of the proteins タンパク質の配列配列アライメント 0.87
features other versions could proonly その他の特徴 バージョンはプロ限定で 0.57
amino pro- 1. ProteinSimulation/ experiment?Experimen tSimulationEnergy files?NoEnergy filesYesInitializati onMinifoldOriginalMi nifoldRandomRandomis ationInitializationQ uantum metropolisClassical metropolisQuantum TTSClassical TTSAnnealing scheduleNumber of stepsRotation bitsProbabilitiesIni tialization moduleSimulation moduleExperiment module アミノプロ 1. NoEnergy fileYesInitializatio nMinifoldOriginalMin ifoldRandomisationIn itializationQuantum MetropolisClassical MetropolisQuantum TTSClassical TTSAnnealing scheduleNumber of steps Rotation bitsProbabilitiesIni tialization ModuleSimulation ModuleExperiment Module 0.61
英語(論文から抽出)日本語訳スコア
is a 3. 2. は あ... 3. 2. 0.65
train or the residual 列車 あるいは 残余 0.66
residues. torsion angles 残り物だ ねじれ角度 0.56
they also known. the 彼らも 知ってる はあ? 0.57
folding parametrizing them, separate distribution the 折り畳みパラメータ それぞれ分けて配布します 0.64
whose in proteins of terms Then, (see figure (φ, ψ) their backbone 1), neural convolutional network to predict distances between amino acids, or as call that model gives Train a for the torsion a probability protein sequence angle conditional on MSA features, analysed and previously its P (φ, ψ|S, M SA(S)). このときの用語のタンパク質において、アミノ酸間の距離を予測する神経畳み込みネットワーク(図 (φ, ψ) を参照)、またはそのモデルを呼び出すと、トレインaは、msaの特徴に基づく確率的タンパク質配列角を条件付け、解析し、それ以前のp(φ, ψ|s, m sa(s)) を与える。 0.78
done a using 1is This takes the prethat layer dimensional pooling acids and outdistances dicted between amino the such as different secondary puts structure prethe To make the α-helix [32]. 使用 1is これは、α-ヘリックス [32] を作るために、異なる二次的な構造をプレテートする、アミノ酸間で決定されるその層次元のプーリング酸と外距離を取る。 0.70
β-sheet of bins of size algorithm makes use diction, 10º, prediction. β-sheet of bins of size algorithmは辞書、10o、予測を使用する。 0.72
its discretising effectively facadditional some plus this All to used is Rosetta, train extracted tors give to smaller that aims effective an configurations that the model energies to nature. その識別は効果的にfacadditionalいくつかのプラスこのすべてを使用するにはロゼッタ、モデルが自然にエネルギーを与える構成を効果的に目指してより小型に抽出されたトラーを与える列車です。 0.53
to likely in happen to believes rough from a starts at Finally, one time inference gradiperforms using guess the MSA sequence, and the potential. 最終的に、推測のMSA配列とポテンシャルを使用して、一度の推論のgradiperformsは、開始から荒削りだと信じることが起こりやすい。 0.64
ent descent on One can also reand restarts attempts with perform several noisy neuenough, Interestingly option. entの降下は、ノイズの多いneuenoughを実行しようとする試みを再開することもできます。 0.52
best the turn the of an also ral estimation is network able return its uncertainty. 最善のターン ral 推定はネットワークがその不確実性を返すことができる。 0.69
Such uncertainty is measured by the parameter κ in the von Mises distribution, and plays inverse of The von Mises the the role of the variance. そのような不確実性はフォン・ミセス分布のパラメータ κ によって測定され、その分散の役割はフォン・ミセスの逆である。 0.70
disof the distribution is the and tribution, its because are variables periodic disof the distribution is the and tribution, which because is variable periodic 0.82
information, from potential the be more 情報 可能性からすれば 0.50
circular use is [33]. 円形の使用は[33]です 0.79
analog justified normal angles アナログ正当化 normal angles 0.79
effective to 4. B. 有効 へ 4. B。 0.74
Classical Metropolis the As algorithm that 古典都市 as アルゴリズムは 0.58
the Metropolis the Metropolis―the Metropolis 0.54
the in to perform in (複数形 ins) 0.27
over space torsion such, a 空間ねじれという,宇宙のねじれ 0.58
introduction, protein algorithm. 導入、蛋白質のアルゴリズム。 0.71
a relhave mentioned we As foldapproach popular atively The to ing has been use performs an Metropolis algorithm is The configuration the a random walk possible of space abstract is configuration the can protein given a that values angles list a for of values take. a relhave mentioned We As Foldapproach popularly The to ing has used perform a Metropolis algorithm is 構成 空間抽象のランダムウォーク可能な構成は、値の角度が取り込まれる値のリストをリストしたカンタンパクである。 0.68
given state i is computational for In particular, such torsion angles. 与えられた状態 i は特にねじれ角として計算される。 0.69
from can take values that angles set purposes, we will but continuous be not it will set, a given that is, a a define such discrete distribution. そこから、角度が設定された値を取ることができるので、連続ではなく、そのような離散分布を定義することができる。 0.74
Over space we can since distributions. 空間上は分布が可能である。 0.75
probability Furthermore, those dictate will angles the in atoms the the i will also imply an energy level Ei, state the protein, due to the interaction the Rosetta 確率さらに、これらのディクテーションは、ロゼッタの相互作用のために、エネルギーレベルEi、状態タンパク質を暗示するiもイン原子を傾けます。 0.74
space Ω. position atoms. 空間 ω 。 位置 原子だ 0.68
the In of はあ? 内 ですから 0.50
of 5 , β ですから 5 , β 0.77
overall approxima- algorithm the of one Tij call to this change 総合 近似 この変更に対する1つのTij呼び出しのアルゴリズム 0.58
the library, function that calculates an tion such to called energy is scoring function. エネルギーと呼ばれるような割当を計算するライブラリ、関数はスコアリング機能である。 0.85
Starting from a state i, the Metropolis proposes a change uniformly at random to configurations, j, connected to i. 状態 i から始まるメトロポリスは、i に接続された構成 j に対してランダムに変更を提案する。 0.67
We will the probability of such proposal. 私たちはそのような提案の確率を予想する。 0.61
Then 1, e−β(Ej−Ei)(cid:17) (cid:16) probability accepted with is (1) Aij = min i → j in resulting change of probability an step Wij = TijAij. すると、1, e−β(ej−ei)(cid:17) (cid:16) の確率は、(1) aij = min i → j で受け入れられ、その結果確率の変化は、ステップ wij = tijaij となる。 0.72
a given at probability decreases varying Slowly the one the state are increase that the that steps energy of sufficiently is and as a consequence when β accepted, annealthis a end state large, is If the local minima. 確率で与えられたことが減少する ゆっくりと 状態が増加すると、エネルギーを十分に踏むことが増加し、結果として β が受け入れられると、アニールこの終端状態は大きいが、局所ミニマの場合である。 0.72
is done ing procedure sufficiently slowly, one can also found is the global minima. ing 手順が十分に遅いので、グローバルミニマ (global minima) も見受けられる。 0.65
ensure that the minima anperform this not one practice in However, does instead resorting required, as as nealing slowly to selecting and classical walk, the of restarts heuristic the best result found by the different trajectories. しかし、ミニマは1つの慣行ではなく、選択と古典的な歩行にゆっくりと依存するように、必要に頼り、再起動は異なる軌跡から見いだされる最良の結果にヒューリスティックな結果をもたらす。 0.57
we implementation emulate In our of energies the to access cle different subroutine oracle Such in practice is a Psi4 package [34] the to torsion configurations sible detail to want explore. 私たちの実装では、cleの異なるサブルーチンオラクルにアクセスするためのエネルギーをエミュレートしています。 0.30
We ular implementation III B. 我々 は ular 実装 III B。 0.69
oraconfigurations. oraconfiguration (複数形 oraconfigurations) 0.34
that calls the of energies all posthat angles we of our partic- 我々のパルチックの全てのポストハット角を エネルギーと呼びます 0.65
calculate for the give more in section セクションでより多くを与えるために計算する 0.68
several having 複数 having ~ 0.70
C. Quantum Metropolis C。 量子メトロポリス 0.71
of previous generalisation ですから 前 一般化 0.62
the Metropolis is the walks. メトロポリスは散歩です。 0.49
purpose algoA natural use rithm the explained in section The of walks instead quantum random of is most quantum popular this for walk simiSzegedy’s that [22], of two rotations consists algorithm lar the to rotations performed in Grover’s bion quantum Szegedy’s [35]. 目的 algoa natural use rithm the explained in section the of walks instead quantum random of is most quantum popular this for walk simiszegedy’s [22], which two rotations are algorithm lar the to rotations performed in grover’s bion quantum szegedy’s [35]. 量子力学における2つの回転のうち、アルゴリズムは2つの回転からなる。 0.77
walk defined is probabilities graph. ウォークの定義は確率グラフです 0.68
partite Given the acceptance Wij the transition (1), = TijAij, defined Aij for in := |j(cid:105)(cid:88) (cid:112)Wji unitary from state i to state j, one defines the U |j(cid:105)|0(cid:105) |i(cid:105) = |j(cid:105)|pj(cid:105) . partite 受理 Wij のトランジション (1), = TijAij, in := |j(cid:105)(cid:88) (cid:112)Wji unitary from state i to state j, one は U |j(cid:105)|0(cid:105) |i(cid:105) = |j(cid:105)|pj(cid:105) である。 0.81
i∈Ω := 1 − 2Π0 = 1 − 2(1 ⊗ |0(cid:105)(cid:104)0 |) R0 |0(cid:105) second the reflection over the in S the swaps both swap that define as step the quantum walk W := U†SU R0U†SU R0. i・2-0 = 1 − 2(1 ) |0(cid:105)(cid:104)0 |) R0 |0(cid:105) 次に、in S 上のリフレクションは、量子ウォーク W := U SU R0U SU R0 をステップとして定義するスワップである。 0.69
the space, and spaces, we state gate 空間と空間は ステートゲート 0.57
subsub- Taking サブサブサブ テイキング 0.50
(4) (2) (3) (4) (2) (3) 0.85
a あ... 0.16
英語(論文から抽出)日本語訳スコア
9 if is the 9 もし は はあ? 0.66
use Fig. of that 利用 フィギュア。 その中 0.62
modification and for a quantum walks modified~ 量子ウォークでは 0.58
quantum Metropolis [21] 量子メトロポリス[21] 0.73
detailed A We refer to Appendix sima in these the on account of completeness, For rotations. 詳しくは、回転に関する完全性を考慮して、これらの項で、appendix simaを参照してください。
訳抜け防止モード: 詳細 完全性を考慮して、これらの項で、appendix simaを参照。 回転です
0.68
ilar way to the Grover theoretthe detail review in more in Appendix A we us leads that quantum walks Szegedy ical to basis in possible is quantum advantage believe a our problem. ilar way to the grover theoret the details review in more in appendix a we us leads that quantum walk szegedy ical to basis in possible is quantum advantage believe a our problem. (英語) 0.79
is that the δ It known is well eigenvalue gap of and ∆ the classical walk, phase the gap the of quanthe tum walk, then complexity of the classical walk is O(δ−1), quantum algorithm of complexity the the O(∆−1), and the and relation between the phase by ∆ = Ω(δ1/2) [36], eigenvalue given gap is offering a potential quantum advantage. δ が古典的ウォークの固有値ギャップであり、かつ、古典的ウォークのギャップを位相とし、古典的ウォークの複雑さを O(δ−1) とすると、O(δ−1) の複雑性の量子アルゴリズムであり、位相間の関係を π = Ω(δ1/2) [36] で表すと、固有値のギャップは潜在的な量子優位性をもたらす。 0.74
algorithm aims Our to gain efficiency corresponding in アルゴリズムは効率性を高めます。 0.56
explore what practice. 何の練習か探ってみろ 0.48
algorithm that The we ema small the of ploy uses Szegedy substituting the bipartite graph quantum walk, by a |·(cid:105)S quantum registers: 3 have is, we will coin. We ema small the ploy というアルゴリズムでは、二部グラフの量子ウォークを a·(cid:105)S の量子レジスターで置換する Szegedy を用いる。
訳抜け防止モード: ploy の we ema small アルゴリズムは、二成分グラフの量子ウォークを構成するセゲディな置換を用いる。 a |·(cid:105) によって、量子レジスタ : 3 は である。
0.84
That |·(cid:105)M system, of the indicating state the current that |·(cid:105)C take, one may the indexes possible moves and ancilla registers the coin register. That |·(cid:105)M system, of the present state that |·(cid:105)C take, one may the indexes possible move and ancilla registers the coin register. 0.90
We may also have |·(cid:105)A. then is step quantum walk The ˜W = RV †B†F BV. また |·(cid:105)a とすると、ステップ量子ウォーク (step quantum walk) である。 0.54
V Here prepares possible all superposition a over |·(cid:105)M , steps one may take rotates the B in |·(cid:105)C |1(cid:105)C coin qubit correspondto have amplitude of ing the to acceptance (1), probability indicated by |·(cid:105)S to F changes the new configuration the register = |1(cid:105)C), |·(cid:105)C |·(cid:105)M and of value on (conditioned the |0(cid:105)M CA. ここで v は、 |·(cid:105)m 上のすべての重ね合わせ a を |·(cid:105)c |1(cid:105)c coin qubit で回転させうるステップ a は、入力の振幅(1) を持ち、 |·(cid:105)s から f で示される確率は、新しい構成を変更する レジスタ = |1(cid:105)c), |·(cid:105)c |·(cid:105)m および |0(cid:105)m ca 上の値(条件付き)を持つ。 0.74
state over reflection and R is the a options clever other Although available [21], are heuristic here we implement the simplest algorithm, implementing L steps of which quanthe of consists tum walk |ψ(L)(cid:105) |π0(cid:105) , ˜WL... ˜W1 annealing an defines also ..., L = 1, step. state over reflect and R is the a option clever other [21], are heuristic here we implement the simpleest algorithm, which quanthe of tum walk |*(L)(cid:105) |π0(cid:105) , sWL... sW1 annealing andefined also ..., L = 1, step.} である。 0.80
of values chosen β(t) at each explanation of algorithm [21] can be アルゴリズムの各説明で β(t) を選択した値の [21] です。 0.84
schedMore found schedMore発見 0.75
register (5) (6) 登録 (5) (6) 0.81
:= where t ule, for detailed in := t uleについて詳しくは 0.70
appendix B. III. SIMULATIONS, 付録B。 III。 シミュレーション。 0.59
EXPERIMENTS AND RESULTS 実験および実験 結果 0.47
A. Figures of merit A。 図 メリットは 0.62
When looking given solutions of between balance a want we hand, one bility finds the correct 手持ちのバランスの間の解を求めるとき、一方のビリティーが正しいことを見つける 0.76
for the to protein folding we have aspects: two important high with that a model On solution. タンパク質に折り畳むために、私たちは側面を持っています:そのモデルで2つの重要な高いソリューション。 0.67
the other goodness to strike on the probahand, もう一方は プロバハンドを打つのは 良いことだ 0.51
a metric metric (複数形metrics) 0.36
assess to procedure all albeit 評価 へ すべて手続きするが 0.66
be configuration extremely to like such we would through going ple accurate be quite directly impossible. 構成が極端に へ こうやって 極度に正確になるのは まったく不可能だ。 0.67
A natural metric Total average find to in case 自然のメートル法の総平均値が見つかる場合 0.84
Time to expected the solution of failure: 失敗の解決策を期待する時間: 0.83
use to Solution it time if we 解決に時間を使用します。 0.64
in this context (TTS) [21] would take can repeat log(1 − δ) log(1 − p(t)) この文脈では (TTS) [21] は log(1 − δ) log(1 − p(t)) を繰り返すことができる。 0.89
. 6 fast. For solutions expensive . 6 速く 高価なソリューションには 0.71
examwould if not then as 試験がなければ それでは 0.70
is defined the the the the procedure procedure 定義されています procedure (複数形 procedures) 0.68
T T S(t) := t T T S(t) :=t 0.82
(7) of see (7) ですから 見て 0.68
that usual the attempt p(t) those あれ いつもの try p (複数形 tryps) 0.69
of them state. definition increase in the way we to 国家です 定義 私達のやり方を 増やします 0.58
represents and the of t ∈ N is the number of quantum/random steps where an quantum/classical the of performed in hitting probability the algorithm, Metropolis in each attempt, and state the steps right after the algorithm taking success probability of δ a target restarts, set into that we to value account the constant, a is it case, any 0.9. of value since In straightforward is of value with T T S(t) of other δ to not should Although to expect recover. 表現し 表現し t ∈ N は、アルゴリズムが確率を打つ際に実行される量子/古典的なステップの数であり、各試みにおけるメトロポリスは、アルゴリズムが δ の成功確率を取る直後のステップを目標が再スタートし、定数、a の場合、値の 0.9. を考慮に入れるように設定される。
訳抜け防止モード: 表現し 表現し t ∈ N は量子/ランダムステップの数であり、各試行において確率に当たったときの量子/古典的定理、メトロポリス(Metropolis)である。 そして、ターゲットが再起動するδの成功確率を取るアルゴリズムの直後にステップを記述します。 定数を考慮に入れます Aはそうか? In straightforward is of value with T T S(t ) of other δ 回復を期待してはならない。
0.61
one be calculate protein able to p(t) in the average because the challengvery already is finding state ground possible is smaller for ing, instances it to calculate algorithm many executing for T T S the example the that the calculating times percentage and correctly identifies the lowest energy Using quantum is corresponding the resources, from appendix B. 1つは平均でp(t)を計算できるタンパクで、それは、既に可能な状態基底がingよりも小さいためである。例えば、T T Sで実行されている多くのアルゴリズムを計算できる。例えば、計算時間の割合を計算し、量子を用いて最低エネルギーを正しく特定することは、付録Bから、リソースに対応する。 0.76
(B7) comWe this metric can corresponding promise between longer walks Using success. (B7) comこのメトリクスは、長い歩行間の約束に対応できます。 0.66
expected compare and this figure the minimum values quantum walks Similar metrics have achieved also [37]. 期待比較とこの図は、最小値量子ウォーク類似のメトリックも達成されている[37]。 0.83
literature the been On the other hand we would also like mention that small algothere a could only rithm that last output the instate with minimum energy found so far, stead of the the Rosetta@Home in example for choice a common having for project. 文献 他方では、小さなalgothere a は、プロジェクトの共通の目的を選ぶために、rosetta@home の代わりに、最小エネルギーで最後のインステートを出力できるのは rithm のみである、ということにも言及したいと思います。 0.67
not reason The this included because is modification the length of classical the of portion sizable represents steps, to 2 path, a 50 avail4096 to 64 ranges total the space that from for case be not that will positions, whereas able the proteins. これは、部分のsizableの古典的な長さが2パス、50 avail4096から64の範囲にステップを表す修正であるため、これは、多くの場合、位置ではなく、タンパク質が可能であるスペースを合計します。 0.77
We large that had we run the clasthat modification, sical experiments we would results, in bias have the a introduced smallest the classical the favouring random walks in the of instances therefore problem, likely overquantum advantage. 我々は、修正のクラッシャを走らせると、その結果、バイアスの中では、古典的な最小のランダムウォーク(ランダムウォーク)をインスタンスに導入するので、問題があり、おそらく過量子優位である。 0.51
the estimating IBM Quantum systems in run experiment For the III C 4, found can results and be whose instead the metric we use of the proba- 実行実験におけるIBM Quantumシステムの推定 III C 4では、結果が発見され、その代わりにprobaを使用するメトリクスになります。 0.81
probability have to compare the mint T T S(t). 確率は mint T T S(t) を比較する必要がある。 0.84
in previously the of classical because we its TTS, the random walk 前もって 古典的であるのは 我々がそのTSS をランダムに歩くからです 0.68
modification improve configuration 変更は構成を改善します 0.53
believe with relatively for defined 相対的に信じる for defined 0.78
section is the in TTS セクションは TTSでは 0.67
classical large and 古典 大きい そして 0.73
the of is はあ? ですから は 0.54
is 0.74
英語(論文から抽出)日本語訳スコア
bility of measuring ticular whether we in the probability Measuring tion. 確率で測定するかどうかのticularの測定の能力。 0.77
esting due the correct the are to able corresponding here the high of 情け容赦なく ここで対応できる範囲を訂正する 0.35
TTS level in parand answer, changes small detect solucorrect to the be not would intercircuit. TTSレベル パランの答えでは、小さな変化がbeに修正され、beは循環しない。 0.69
noise of the to B. Simulation 音の音 へ B。 シミュレーション 0.70
and experimental setup そして 実験 セットアップ 0.72
1. Simulations 1. シミュレーション 0.82
the our can はあ? 私達 できる 0.57
have of [34], 持ってる 34]の. 0.43
including executing algorithm we など 実行 アルゴリズムは 0.68
dubbed Minifold Minifold (複数形 Minifolds) 0.34
system checks whether システムがチェックする 0.79
different unofficial and Qiskit 異なる非公式およびQiskit 0.76
we the PubChem abundant atomic 私たちPubChem豊富な原子。 0.69
the as input takes procedure simulate to want and correspondthe of file reposonline an [41], information over many positions. as 入力は手順シミュレートを行い、ファイルレポゾンラインの [41]、多くの位置の情報を要求および対応します。 0.68
the built of to perform a variety that allows libraries used are Psi4 The main software configuraenergies of of version distilled a [38], [39] for Simulations implementation of quantum walks. はあ? ライブラリが使用可能なバラエティを実行するために開発されたpsi4は、量子ウォークの実装をシミュレーションするために蒸留されたバージョンa[38], [39]の主要なソフトウェア構成エネルギーである。
訳抜け防止モード: はあ? ライブラリを使えるようにするために構築された Psi4は[38]を蒸留したバージョンの主なソフトウェア構成エネルギーです。 量子ウォークのシミュレーション実装のための[39 ]。
0.56
for and laptops personal clusters small run cost, computational large to its and due the deploying for [40] Services comobtaining the results. forとラップトップのパーソナルクラスタの小さな実行コスト、それと結果を構成する[40]サービスの展開に起因する大きな計算。 0.73
A scheme algorithm and of pipeline be algorithm simulation the figure (3). スキームアルゴリズムとパイプラインは、図(3)をアルゴリズムシミュレーションします。 0.77
initialization peptide of the Psi4 download to molecule from containing Psi4が含有する分子にダウンロードする初期化ペプチド 0.89
For assessment a simulation pipeline of options. オプションのシミュレーションパイプラインを評価するため。 0.75
calculation the for tions in peptides AlphaFold the were on prototyping, Amazon Web plete the of seen in The name uses ing itory molecules, and before After that, the classical walks, to and if not uses Psi4 calculate available, file is different the values energy of possible all store calculation For the angles. ペプチッドのfor tionsの計算Alphaプロトタイピングでは、Amazon Webは、名前がingイタリー分子を使用し、その前に、古典的なウォーク、利用可能なPsi4を使用していない場合、ファイルは、可能なすべての店舗の計算の値エネルギーが異なる角度のために。 0.69
of tions the relatively common the that energy we the and [42], functions atomic orbital to second order [43] as dure alternative expensive accurate and However, it also is Hartree-Fock method. 原子軌道から[43]の[43]への原子軌道は、原子軌道と[42]の相対的なエネルギーは、より正確でありながら、ハーツリー・フォック法(hartree-fock method)とも呼ばれる。
訳抜け防止モード: イオンの)エネルギーと[42]の相対的な共通点 原子軌道から第2次へ[43]は 非常に高価な精度で機能する しかし、それはHartree-Fockメソッドでもある。
0.79
or any to energy basis the system performs nally, corresponding tum returns and random walks TTS a maIn at the chine implemented beginning values the by returned of that the minifold, library. または、システムが nally を実行し、対応する tum 戻り、ランダムウォーク TTS a maIn at the chine implemented start value the by return of the minifold, library。 0.67
molecule the potential quanto evaluate On the other hand, select the number of also tum advantage, we allow to specify antorsion of discretization the bits the can that bit means gles. ポテンシャル量子が評価する分子 一方、tumの利点の個数を選択すると、そのビットが角を意味するビットの離散化の歪みを指定できる。 0.59
example, 1 angles take {0, π}, whereas values bits indicate discretiza- 例えば、1つの角度は{0, π}を取るが、値ビットは離散を示す 0.73
choose the and found. 選び、見つけて下さい。 0.59
the evaluate order to of adding impact module learning such AlphaFold as algorithm, the of have we from random to initialization option start the dihedral angles, from the ones angles the or actual original returned has, as by the PubChem アルゴリズムとしてAlphaFoldのようなインパクトモジュール学習を追加するための評価順序、ランダムから初期化オプションは、PubChemのように、返された元の角度または実際の元の角度から、二面角を開始します。 0.79
quantum and an energy and rotaof 6-31G procea more to the possible Fiquanminimum 量子とエネルギーとrotaof 6-31gは、可能なフィクアンミニムより多くをプロセアする 0.60
torsion choose basis of Moller-Plesset not too procedure. torsionは、moller-plessetのベースを選択します。 0.46
other that For in その他 インのために 0.60
the 2 7 of はあ? 2 7 ですから 0.64
in Its the amplitudes, で その はあ? 振幅 振幅 0.58
latter. (7). if specific 後者。 (7). 具体的には 0.67
size evaluating the the precision In general, radians. サイズ評価 一般的に、ラジアンの精度。 0.67
tion π/2 21−bπ, of number for the b angles will be rotation 10º of AlphaFold of precision the Notice bits. b 角の数値の tion π/2 21−bπ は、通知ビットの精度の AlphaFold の回転 10o になります。 0.78
that in indicated that we their reporting when angles, = between b 5 and intermediate section II A, is that when we increase here The main b = 6. idea is search of the the angles, of the b number or classihow the becomes space larger, and grow we may be able quantum mint T T S(t) cal and quantum advantage to check whether polynomial a from incalculated directly The exists. 角度、 = b 5 と中間セクション II A の間に、その報告が、ここで増加するとき、主な b = 6 のアイデアは、角度の探索、b の番号または分類が空間が大きくなり、成長できる量子ミント T T T S(t) cal と量子の利点は、直接計算されるから多項式 a があるかどうかを確認することができる。 0.80
be T T S can executing the if classical ferred is one probabilities, Metropolis in classical quantum metropolis or the one quantum hardware, is or from the of simulation running defithe a seen nition can be in equation implemented and used the experiment Finally, we to the simulation mode in mode, that contrast paragraphs, us to explained in previous allows run IBM problem in the actual our of instances smallest bit. be T T T S can can the if Classic ferred is one probabilities, Metropolis in Classic quantum Metropolis or the one quantum hardware, is or from the the the the the the the the of simulation running defithe a seen nition can be equal implemented and use the experiment, we to the simulation mode in mode, that contrast paragraphs, we to explain in previous can run IBM problem in the actual we of instance smallest bit. (英語) 0.90
single rotation Q hardware, dipeptides with a choices involve the Other value we have to make parameter it is of the fixed or folβ (1), whether in steps of number the schedule, annealing some lows the or their computes system for which the TTS, if distribution von Mises from the κ parameter the initialization is given by Minifold. シングルローテーション Q ハードウェア、選択したジペプチドは、パラメータを固定またはfolβ (1) にする他の値を含む: スケジュールを数えるステップにおいて、いくつかのアニールが TTS の計算系またはそれらの計算系、もし κ パラメータからの分布 von Mises が Minifold によって与えられるとき、その初期化は、Minifold によって与えられる。 0.77
fact, if the original AlphaFold κ the used, to algorithm were returned by AlphaFold could actually be used values furthermore instead of to the this efficient using procedure Additionally, probabilities walks classical the of ber times of number This able named number 500 × (2b)2n−2, to number the and n spaces larger require more non-fixed If is β a several tested mented and implemented The schedule. 事実、もし使われていた元のアルファフォールド κ を alphafold に戻すアルゴリズムに戻すと、この効率的な使用手順の代わりに実際に値を用いることができ、それに加えて、確率は古典的に、名前のついた 500 × (2b)2n−2 という番号の ber の回数を歩いて、β がいくつかのテスト済みでスケジュールを実装した場合に、より大きな空間と n の空間を必要とする。 0.68
Qiskit allows while amplitudes, the from repeat to we have infer to procedure by controlled a repetitions is have we that number of reflect to Qiskitは振幅を許容するが、繰り返しの繰り返しを制御することによって手順を推測するから、その反射の回数を推測する。 0.76
iterations, the where acids, of statistics. 反復、どこに酸があるか、統計です 0.67
have we attempted, impleannealing the options for are: schedules a: スケジュールのオプションを無効にしようとしましたか? 0.47
the recover the evaluate certain numprobabilities. 特定の numprobabilities を評価します。 0.60
variset bits that variset (複数形 varisets) 0.45
default of the distribution Grover-Rudolph Grover-Rudolph 分布のデフォルト 0.94
and corresponding be made preparation our preparation probability the [44]. 対応する準備をして 私達の準備の確率は [44]。 0.75
value κ = 1, amplitudes could state value κ = 1, amplitudes は状態になります。 0.71
to to a the to be the ~ 0.68
b is amino In be bはアミノです be に 0.69
• the [45] • はあ? [45] 0.68
schedule logarithmic スケジュール logarithmic~ 0.74
Boltzmann or logarithmic implements mous (8a) β(t) = β(1) log(te) = β(1) log(t) + β(1). Boltzmann または logarithmic は mous (8a) β(t) = β(1) log(te) = β(1) log(t) + β(1) を実装している。 0.95
t e is times of multiplication the that Notice comparison fair to make a order in necessary the schedules, so that they of with the rest is consequence, β(1). t e は、必要なスケジュールで注文を行うためにその通知比較フェアを乗算する時間であり、残りのものは結果的に β(1) になります。 0.73
in start all this a As the truly not required theoretical schedule to achieve a quadratic in start all this a 二次的達成のために本当に必要でない理論的なスケジュールとして 0.65
speedup. fa- スピードアップ fa- 0.61
英語(論文から抽出)日本語訳スコア
8 experimental of concept explain a proof In section III C 4 we 4. 8 概念の実験は、セクションIII C 4 We 4で証明を説明します。 0.82
FIG. flip coin the implementation the represents figure of and this key two has The (5). FIG。 flip coin the implementation the representation figure of and this key two have the (5)。 0.74
B by represented operator circuit is in |1(cid:105) we then to coin rotate first that is we the register and have would not 1. B by represented operator circuit is in |1(cid:105) then to coin spin first that that we is we the register and not 1。 0.85
This halves the cost, since otherwise one φ and registers move, values for control the combinations of together grouping cost, halves again simplification second the |000(cid:105) |010(cid:105) are and on values the very controlled controlled rotations group β. depends Similarly, we the out on two control requiring to has effect of Separated CCC-RX barriers, two the by gates implementation gates. これはコストを半分にし、それ以外は1つのφとレジスタを移動させるため、グループ化コストの組合せを制御するための値、さらに2つめの |000(cid:105) |010(cid:105) を単純化する値と、完全に制御されたローテーション群 β の値である。 0.68
algorithm, realization of the algorithm, whose hardware-adapted subroutine this one the depth. アルゴリズムは、ハードウェアに適応したサブルーチンが深さであるアルゴリズムを実現する。 0.75
The first simplifications that |0(cid:105) is acceptance probability back rotate to possible rotations (all perform to 8 multi-controlled The them. 最初の単純化は |0(cid:105) が受け入れ確率逆転可能回転(すべて 8 個のマルチコントロールに実行)である。 0.78
of perform 4 this ψ), we case only in and see that empirically values. 4 を 4 とする) の場合、我々はその経験的値のみを例に挙げる。 0.69
We rotations with similar implicitly that them in so similar, group we |001(cid:105) |101(cid:105) β. also This also on in R1, and on transforming (φ, ψ and move), three bottom registers, the the can bottom we and right from left 同様の暗黙的に回転し、グループ we |001(cid:105) |101(cid:105) β. また、これはR1でも起こり、変換(φ, φ および移動)、3つの下部レジスタ、3つの下部レジスタ、缶底私たちと左から右。 0.73
of only in CC-RX . CC-RXのみである。 0.69
of rotation on the nice ですから 素敵に回転する 0.60
rotation R0, dependent quantum Metropolis 回転R0, 依存 量子メトロポリス 0.75
reduce if the from top 減らします。 上から 0.62
such CC-RX そのようなCC-RX 0.46
see to to of 見て へ へ ですから 0.61
it • Cauchy or linear implements by それ • コーシーまたはリニアな実装 0.72
a schedule スケジュール; スケジュール 0.64
given β(t) = β(1)t. ですから β(t) = β(1)t。 0.65
(8b) • • α (8b) • • α 0.87
(8c) that geometric (8c) あれ 幾何学 0.75
defines β(t) = β(1)α−t+1, a is 1 where parameter < heuristically to set 0.9. β(t) = β(1)α−t+1, a は 1 である。 0.56
And finally exponential β(t) = β(1) exp(α(t − 1)1/N ), space the is and N 0.9 to where is α set again in which dimension, to equal case this is the number of angles. そして最後に指数関数 β(t) = β(1) exp(α(t − 1)1/n ) と空間 is と n 0.9 が再び α に設定され、その次元は等しく、これは角度の数である。 0.86
torsion the comparison purposes, been optimized 比較目的のねじれを最適化し 0.76
heuristically ヒューリスティックに 0.37
value to value (複数形 values) 0.33
of 50. chosen have 50人だ 選定 持ってる 0.58
β(1) (8d) uses β(1) (8d) 利用 0.84
we For has 私たち 私にとっては 0.50
two main system has current Our used. 2つのメインシステムが使用済みです。 0.66
it on pending is mode If the then simulation, perform a the simulator the Access Memory of This have simulated, β: it on pending is mode シミュレーションを行う場合は、このアクセスメモリがシミュレーションされたシミュレータを実行します。 0.74
delimitations aim the to is amount Random of the main concern. 昇華は、主な関心事の量ランダムを目的とする。 0.53
is for a of value ある意味では value 0.71
fixed why we 固定 なぜ? 私たち 0.66
is • • • bits. は • • • ビット 0.68
Dipeptides with 3 Tripeptides with 2 Tetrapeptides with 3つのトリペプチドと2つのテトラペプチドを持つジペプチド 0.63
rotation to 5 bits. rotation rotation single a tripeptides with Additionally, dipeptides with 6 bits, can be simulated 3 bits and tetrapeptides with 2 bits not but calculate them to enough a for of few steps, value If confidence. 5ビットへの回転。 追加で回転回転単三ペプチド、6ビットの二ペプチドは、2ビットで3ビットとテトラペプチドをシミュレートすることができますが、数ステップ、値の十分な数にそれらを計算します。 0.82
with of merit figure our the β schedule, annealing follows but is not fixed some the are requirements larger, but we can still simulate the Random that, than the Further peptides. メリットとして、私たちのβスケジュールは、アニーリングは従うが、いくつかの要件はより大きいが、それでも追加のペプチドよりもランダムをシミュレートすることができる。
訳抜け防止モード: アニーリングはβのスケジュールに似ていますが 固定されていないものも 大きいものもありますが 我々はまだ、追加のペプチドよりもランダムをシミュレートすることができる。
0.69
same (classifor requirements Memory Access an ideal cal) simulation quantum of the algorithm become 同じ(古典的な要件 メモリアクセス 理想的なカル)アルゴリズムのシミュレーション量子化 0.81
bit. ちょっ。 0.58
英語(論文から抽出)日本語訳スコア
9 5. FIG. hardware, better of the V , and angle, the move step walk move and 9 5. FIG。 ハードウェア、Vのよりよいおよび角度、移動ステップは動きます。 0.78
of the full Implementation the described rotation coin flip using right, to identification and (from left ˜W from (5): put steps two the move prepare the coin, B. 完全な実装では、説明された回転コインのフリップを右から識別し、( (5) から左から) ^ から ^ へ移動をステップ2で行い、コイン B を準備する。 0.68
Then, controlled of ψ (if move = |1(cid:105)) value the change V †, perform the and preparation, proceeds equally (with different before measuring registers coin すると、変化Vを(移動 = |1(cid:105) の値で制御し、準備を行い、(レジスタコインを測定する前に異なる)等しく進みます。 0.75
from section circuit quantum Metropolis in the of steps The 4. figure from top put bottom): first φ to controls which register angle (that |1(cid:105) in on the being state and coin or φ (if move = |0(cid:105)), denoted by F . ステップのステップのセクション回路量子メトロポリスから4.図: 上に置かれた底からの図): F で示されるどのレジスタ角度(その |1(cid:105)に状態とコインまたはφ (もし移動 = |0(cid:105))で制御する最初のφ。 0.86
|move(cid:105)|coin(cid:105) = |00(cid:105) on flip phase but rotations), the β of value and it step. |move(cid:105)|coin(cid:105) = |00(cid:105) on flip phase but rotations), 値のβとステップ。 0.95
φ and ψ because is the last φ と ψ は最後だからです 0.79
quantum actual implemented in III C 4 for a barriers by are circuit separated for superposition. 障壁のためのIII C 4で実装された量子実体は、重ね合わせのために分離された回路である。 0.65
and each Then, in ψ in to move) superposition, a operator register the move corresponding the coin, B† and the uncompute Then we quantum second The by R. represented have uncompute now we do not to the そして、 ψ in to move) の重ね合わせにおいて、操作者はコイン b と非計算に対応する移動を登録し、次に r によって表現された量子第二の移動は非計算である。 0.71
that Notice large. quite moment, at 32 the qubits the by constrained depth gates. それは大きい。 かなり瞬間、32のキュービットで 制限された深さのゲート。 0.62
of into millions run Qiskit but of the 何百万人にものぼる Qiskit (複数形 Qiskits) 0.50
simulator our system circuit, システム回路をシミュレーターして 0.83
supports more is which can より多くをサポートできます 0.80
2. Experiments W have the in experiments IBMQ performed also Casablanca previous the contrast with In processor. 2. 実験 w は ibmq が in プロセッサとのコントラストに先立って casablanca も行った in 実験を行う。
訳抜け防止モード: 2. 実験 wは実験中 ibmqはinプロセッサとのコントラストに先立ってcasablancaも行った。
0.79
ratio to signal experiments, due low the to noise in the available quantum hardware, it does not make the the compare to much of values directly sense to the of merit. 信号実験に対する比率は、利用可能な量子ハードウェアのノイズに対するノイズが少ないため、多くの値との比較は、ofのメリットに直接意味をなさない。 0.73
TTS figure objective here is Instead, a two-step implement be able to show that we can to quantum walk (the required produce minimum in an to able be and interference) increase see still Since state. ttsの図の目標は、代わりに、2段階の実装によって、量子ウォーク(必要最小限のbeと干渉で生成する)が状態から静止することを示すことができることである。 0.69
correct the with probability associated quandepth the in constrained we of the only we implement, can tum circuit experiment 1 with and with bit of precision in the can rotation or 0 either be ψ and φ is that π. 確率に付随する四分数で正し、私たちが実装した唯一の制約された私たちで、タム回路の実験 1 で、缶回転のビット精度で、あるいは 0 が π となるか、φ が π となる。 0.74
4 and in figures |φ(cid:105), |ψ(cid:105), a coin the angle register Additionally, we always |+(cid:105)φ |+(cid:105)ψ. 4 と数字 |φ(cid:105), | (cid:105) では、常に |+(cid:105)φ |+(cid:105) となる。 0.82
We quantum circuit, this In depicted 5, we will have qubits, 4 namely and another qubit, indicating what the to next in from the start uniform superposition 私たち 量子回路、これ 図5では、4つのキュービット、すなわち別のキュービットを持ち、開始一様重ね合わせから次に何を入れるかを示します。 0.67
heavily we dipeptides, angles: 重く二ペプチド、角度です 0.45
update step. are the 更新 ステップ は はあ? 0.57
perform 2 empirically values probthe the 経験的に2回行う value (複数形 values) 0.44
quantum walk chosen and of measuring minimum 量子ウォークの選択と最小の測定 0.84
˜W steps with 0.1 have 1 to large |0(cid:105)φ |0(cid:105)ψ, where we encode of state correct energy, 0.1 W のステップは 1 から大きな |0(cid:105)φ |0(cid:105) であり、状態正エネルギーをエンコードする。 0.78
then of β abilities state of dipeptide. そして二ペプチドのβ能力の状態。 0.77
and circuit the to 4 are corresponding figures The and the depicting procedure flip coin the former 5, circuit the using it subroutine as a in latter the most is the subroutine coin The flip whole. そして、to4の回路は対応する図形であり、描画手順は、前者5のフリップコインを、後者はサブルーチンをフリップ全体として使用する回路は、サブルーチンコインである。
訳抜け防止モード: そして、回路4は、対応する図形であり、描写手順は、前者5をフリップコインとする。 circuit the using it subroutine as a in later the most is the subroutine coin the flip whole。
0.73
as a hardthis both quantum circuit in the part of costly in of simulations the preand implementation ware since includes multiple multiit sections too, vious Perhaps coin of rotations an the controlled hardwaremake remark to is important in orcontains circuit some adapted as much to minimize of as the length der important be since one will it possible, the determining error the quantities factor. ハード this both quantum circuit in the part of costly in of simulations of the preand implementation ware since also multiple multiit section too also also, vious probably cost of rotations an the controlled hardwaremake remark to be important in orcontains circuit some adapt to minimize of the length der important is it will it possible, the determining error the quantity factor. (英語) 0.80
our circuit, limiting important precision to be made: is one more There since our implementation in the gates IBMQ Casablanca of depth even after being heavily optimized by Qiskit need a transpiler, we we to way tell only is information are measuring or noise relevant distinguish to attempt first Our the survives noise. 私たちの回路は、重要な精度を制限する:もう1つありますが、Qiskitがトランパイラを必要とした後でも深さのゲートIBMQ Casablancaの実装以来、私たちは、私たちが最初に試すために、情報が測定されているかノイズに関連する区別であることを方法に伝えるために、我々は生き残るノイズ。
訳抜け防止モード: 重要な精度を制限した私たちの回路 : 深さのゲートIBMQ Casablancaの実装以来、もう1つあります。 Qiskitにはトランスパイラーが必要です。 我々が言うべきことは 情報が測定されるか、または最初に試みるために騒音関連の区別です私達のは騒音を生き延びます。
0.73
of technique natural cases was these two to use the zero-noise extrapolation, where additional gates are 技法では、この2つがゼロノイズ外挿を使い、追加のゲートが設けられた。
訳抜け防止モード: この2つの技法の自然なケースは 余分なゲートがあるゼロノイズ外挿法を使う
0.70
qubit. that this simplifications the circuit the most of amount of qubit. 回路を最も単純化し 0.58
quantum circuit has the processor 量子回路は プロセッサは 0.76
whether basic what それとも 基本 なに? 0.56
in of 176 で ですから 176 0.70
英語(論文から抽出)日本語訳スコア
Peptides Precision random ペプチド 精度 ランダム 0.71
Precision minifold 精度 ミニフォールド 0.65
Dipeptides Tripeptides Tetrapeptides ジペプチド トリペプチドテトラペプチド 0.70
0.53 0.46 0.51 0.53 0.46 0.51 0.55
0.53 0.71 0.79 0.53 0.71 0.79 0.55
random quantum b 3 4 5 2 1 ランダム 量子 b 3 4 5 2 1 0.78
quantum min(TTS) 136.25 547.95 1426.28 499.93 149.80 量子 min(TTS) 136.25 547.95 1426.28 499.93 149.80 0.69
10 minifold 10 ミニフォールド 0.70
min(TTS) 270.75 1137.45 1458.02 394.49 26.30 min(TTS) 270.75 1137.45 1458.02 394.49 26.30 0.59
precisions defined precision 定義 0.78
average the TABLE in with random min T T S, size the of TTS min helps to 平均は TABLE in with random min T T S, size the of TTS min help to 0.81
Table of I. (7) equation as initializations. Iの表。 (7) 初期化方程式。 0.76
different values are The of merit. 異なる価値観は功徳である。 0.65
figure our and peptide, the are values lower find the native 私たちとペプチドを見れば より低い値はネイティブを見つけます 0.75
best. expected b aim of The 最高だ 期待された b の目的 0.70
that when their than folding of the number of denotes the this table two main it the is random protein 折りたたみではなく この表の2つの主な数字はランダムなタンパク質です。 0.48
equation in would it steps bits, rotation understanding is notice aspects case the counterparts. 方程式 ステップビット、回転理解は対応する場合の注目すべき側面である。 0.74
faster. to that もっと速く そのために 0.69
quantum minimum TTS, corresponding and (9), solution the find to take have we in and bold the impact of minifold that Minifold are table from the higher, is precision minifold idea This the that 量子最小TTS。 対応する と (9) 探索する解は、Minifold が上位からテーブルであるような minifold の影響を内包し、大胆に与えます。
訳抜け防止モード: 量子最小TTS。 対応するものと (9 ) 探索を解決します ミニフォールドが上からテーブルであるミニフォールドの影響を内包して大胆に受けられるようにしましょう。 is precision minifold idea This is that ♪
0.68
defined quantum the using algorithm, of which indicated or minifold initialization in the quantum grows with precision quantum corresponding state 定義量子 量子における初期化の指示または最小化が精密量子対応状態で成長するアルゴリズム 0.83
the using supports 使用法は support 0.72
initial smart a 初期 賢い あ... 0.54
added value [46]. 付加価値 [46] 。 0.65
one change, ‘zero retical circuit the not does at least Mitiq zero retical circuit the not do least mitiq (複数形 zero retical circuits) 0.64
do that not of circuit, the By measuring 回路ではなく、測定によって行います。 0.67
change but how extrapolate case. 変化しますが 外挿事件だ 0.50
can noise’ is already so large converge when [47]. can noise」は[47]のとき既に非常に大きい収束です。 0.84
else attempted or additional 他の試み あるいは さらに 0.66
theoretical the introduce the measured backwards Unfortunately, 理論 残念なことに 測定値の逆転は 0.69
expected noise probabilities theoto the of the depth it does not work: that it returns results, unrealistic library software the with 期待されたノイズ確率は、それが機能しない深さを測る:結果を返す、非現実的なライブラリソフトウェア 0.79
out way reason we because angles if we were 出ろ 道 角度があるからこそ 0.57
a find to need is our parameterised circuit of β. and the values 必要なものはβのパラメータ化された回路と値です 0.83
that this For in valid only is Additionally terms of the the we know that there are 4 possible result would be 1/4 as theoretical strategy of our As states. 有効であるならば、我々の As 国家の理論的戦略として 4 つの可能な結果が 1/4 であることは分かっている。 0.75
a consequence, probability when we the in changes detect trying to notation (0.1, 1). その結果、inの変化が記法を検知しようとする確率 (0.1, 1) が現れる。 0.76
= β(t) or (0, 0) β(t) use = β(t) denotes the value of β chosen of the steps. β(t) または (0, 0) β(t) use = β(t) は、ステップの中から選択された β の値を表す。 0.95
two The at each the value of β 二 それぞれ β の値 0.56
consists to set to 0, は to set 0 まで。 0.70
experiment, we the For Casablanca IBMQ of the that During 32. volume with so-called ‘jobs’ β(t) 8 arbitrarily chosen dipeptides. 実験、我々はFor Casablanca IBMQ、いわゆる「ジョブ」β(t)8任意の選択されたジペプチドで32.ボリュームの間に。 0.79
circuit the of repetitions 8192 of equal an and in figures 4 5) each for ments, what means that total circuits, and 204800 as a 図 4 5 で等しく a の繰り返し 8192 の回路は、それぞれ ment に対して、つまり、合計回路は、a として 204800 である。 0.84
reserved 3 hours of usage processor, with quantum time we were able 25 to run and = 20 ‘jobs’ for Each run consisted can (which seen be of measurenumber dipeptide we run a β(t) = (0, 0) 3時間のユースケースプロセッサを予約し、量子時間25で実行でき、各実行毎に20の‘jobs’がcanで構成された(これは測度数ディペプチドであるように、β(t) = (0, 0)。 0.77
of 163840 baseline. 163840のベースライン。 0.70
(0, 0) and (0, 0) そして 0.78
for limiresults, see the from the main we will system experiment is the noise of the of our reathis For circuit. ですから limiresults, see the main we will system experiment is the noise of the reathis for circuit. (英語) 0.62
the of the therefore depth rotation restrict we ourselves to a single bit in したがって、深度回転は、私たち自身を1ビットに制限します 0.80
As tation and son dipeptides. tation および son dipeptides として。 0.81
C. Experimental and simulation C。 実験 そして シミュレーション 0.76
results 1. Initialization this 結果 1. 初期化 これ 0.76
correct section Perhaps is 正しい セクション おそらく? 0.67
achieve the the impact posterior 達成する 後方の衝撃は 0.69
of making and guess the 作ることや推測すること 0.68
different of analyse In we of quanuse for the initialization methods that Alwe know Although tum/classical walks. 分析の相違 Alweが知っている初期化方法のための quanuse の私達で tum/classical の歩くが。 0.65
good guess relatively a phaFold is capable reasonable is it therefore the folding, for optito to close the be expect AlphaFold’s to conformation space, our folding solution in mal to support idea. したがって、オプションがAlphaFoldのコンフォーメーションスペース、アイデアをサポートするためにmalの折り畳みソリューションを期待するように、折り畳みは合理的です。
訳抜け防止モード: 妥当な推測 ファフォールドは比較的合理的であり、それゆえ折りたたみである。 optitoがbe expect alphafoldのコンフォーメーション空間を閉じるためには。 アイデアをサポートするためのmalの折りたたみソリューション。
0.75
this additional give aim is some to to decided As use (and minorly an initializer, we even though it does because contributed to) Minifold prediction the in the of the state not art angles, it and of is quite simple sufficient to Minifold illustrate netresidual a uses point. この追加の狙いは、使用として決定すべきもの(初期化子も少なからず貢献している)、アートアングルではなく状態の予測を最小化すること、そして、netresidual a use pointを最小化するのに非常に単純であることである。 0.72
our in Tensorflow and Keras implementation work given of detail important the most 49]. 私たちのTensorflowとKerasの実装作業は、最も重要な49]の詳細で与えられています。 0.56
[48, using this model that are preto trying of window a uses peptides, small dict 34 amino acids for we had to use padding. 48) このモデルでは, ペプチドの利用を前提として, 34アミノ酸を小さめに決定し, パディングを使わなければならなかった。 0.70
we that metrics The place, first twofold: the in a achieves whether Minifold guessing. 場所、最初の2倍:inはミニフォールドが推測するかどうかを達成します。 0.63
than angles condition of Minifold, for initialization module, any smart 1 minus measure normalized as precision the returned value by the gular distance between the the and tialization module actual get PubChem 1 figures and 2): p = 1 − d(α, ˜α) π estimated angle (either random, α is chosen at of the output Psi4 angular the distance. ミニフォールドの角度条件より、初期化モジュールの場合、任意のスマート1マイナス測定は、実際のPubChem 1フィギュアと2の間の粒度距離によって返された値を精度として正規化しました:p = 1 − d(α, sα)π推定角度(任意、αは出力Psi4角距離で選択されます。 0.86
in this case analyse to would like we precision on better This a is or more to make the この場合、より正確であるように分析する。 このaは、以上のものを作る 0.66
are see the necessary generally, sense. 一般的に必要なことを 見ています 0.66
We aninifrom We anini from ~ 0.54
where ˜α is by Minifold calculated and α はミニフォールドで計算され 0.72
because we and Minifold its predictions, 私たちとその予測を 最小化するからです 0.58
given or ψ) true value PubChem, we have given) true value PubChem, we have 0.63
the or from denotes 意味する、またはそれから 0.46
φ the and Since random our use φ とそれ以来 ランダムな使用 0.71
value we (see (9) 価値は (参照) (9) 0.72
d , d , 0.85
英語(論文から抽出)日本語訳スコア
11 to fit. 11 へ ぴったりだ 0.66
seen the ing the initialization in the While minifold indicate seem to this may initialization is our that to harmful the in fact quantum of convergence the fact algorithm, the in oppoquite is explanation the instances for site: the smaller of the problem, and very specially in the case of initialization, random as t = 2 is value the minimum TTS can for achieved formed structures horizontal two the from be meaning the in by blue points figure, that in such cases only using the initialization the minifold incipfrom the profit to quantum algorithm is able quantum advantage. 見た ing the initialization in the While minifold indicate seem to this may initialization is our that to harmful the in fact quantum of convergence the fact algorithm, the in oppoquite is explanation the instances for site: the smaller of the problem, and very specially in the case of initialization, random as t = 2 is value the minimum TTS can for achieved formed structures horizontal two the from be meaning the in by blue points figure, that in such cases only using the initialization the minifold incipfrom the profit to quantum algorithm is able quantum advantage. 0.79
ient This effect disappears for for random the problem, but while instances of larger a penalisation initialization there the in is of exponent), the lowering problems smallest the (thus correcting of capable is initialization the minifold smaller of the TTS lowering effect, this for instances exponent. ient この効果はランダムな問題に対して消失するが、大きめのペナル化初期化の場合が指数であるのに対して、下降問題は最小である(能力の補正は、TTS低下効果の最小化よりも小さく、これは指数である)。 0.73
the bonus, problem and, the of as a rising believe inclined We are therefore to that the minitrue fold the represents exponent probthis algorithm for asymptotic the experour the lem. それゆえ、ボーナス、問題、そして上昇する信念として、我々は、最小の真の折りたたみ(英語版)は、漸近的な補題の漸近的アルゴリズムを表す。 0.62
small of size iments see to the benefits of using important been have they smart a to quantum adactual of estimate calibrated get a the helps it see also we vantage, can that reduce the TTS both in the classical and quantum albeing that intuition the fits gorithm, nicely closer-than-random to the solution helps to find the solution サイズ iment が小さい 重要なものを使用する利点は、賢く、見積もりの量子広告を校正する get a the help it see we vantage, can that that reduce the tts in the classical and quantum albeing that intuition the fits gorithm, nicely closer- than-random to the solution を見つけるのに役立ちます。 0.77
accurately of In conclusion, while does allow us initialization, 結論の正確さは、初期化を可能にします。 0.54
and cost which more exponent コストがかかります more exponent 0.72
faster. TTS not もっと速く TTS だめだ 0.67
2. Fixed β in be represents and 2. 修正 β で 代表され、そして 0.75
able are now discuss whether we to observe a We figure our the TTS, of merit. 今、我々はメリットの私たちのTTSを捉えるかどうかを議論することができます。
訳抜け防止モード: 今 議論できるかどうか 我々 は、私たちの TTS を、メリットの観察します。
0.75
quantum advantage given results the discussing in figagain We will fit the the best to classical 6, ure for it accurately therefore depicts quantum TTS, vs quantum advantage: we can see that the expected the for initialization different slopes the separated the and initialization are options 0.89 for minifold consequence, a initialization. 量子的優位性(quantum advantage) 量子的優位性(quantum advantage) フィガゲイン(figagain)における議論結果 古典的6つに最も適しており、量子的TAS(quantum TTS)と量子的優位性(quantum advantage)を正確に表現する。
訳抜け防止モード: 量子的優位性(quantum advantage)は、フィガゲインで議論した結果から得られる。 したがって、量子TS と量子優位性は正確に表現される: 分離された初期化と初期化の予測値は、最小の帰結、初期化のオプション 0.89 であることが分かる。
0.68
As 0.53 for the random these trends sustained are with see we can that if advantage. ランダムな傾向が持続する0.53では、利点があるかどうかが分かる。 0.66
polynomial is a there proteins, larger 6 figure a points towards seen, As we have The tum advantage. 多項式はそこにあるタンパク質であり、大きな6つの数字は見るべきポイントです。 0.57
question we would final to answer, like fore is what does for the modelling of large only need one we additional expected the the of is this respect access have to positions. 我々が最後に答える質問は、例えば前もって、大きめのモデリングには、何が必要かということです。 追加で、この敬意のアクセスは、位置に対して必要である、と期待しています。
訳抜け防止モード: 最後の質問です フォアは 大規模なモデリングに必要なのは 我々はさらに、この尊敬のアクセスがポジションに必要であると予想しています。
0.64
1024 sion to only 1024 sion から only へ 0.91
quantherethis advantage mean enough proteins. この利点は十分なタンパク質を意味する。 0.53
that, ingredient, which is how size the in data only because we 256 and of regresa us nev- その、成分、それは私たちが256とregresa私たちnevからのみデータのサイズです。 0.69
scales the problem. 問題をスケールします。 0.64
of restricted even more spaces configuration 64, are making we Therefore points, but could give 制限された空間構成64は ポイントを与えていますが 0.55
classical min T T S 古典的な min T T S 0.80
configuration with Our three For 構成 私たちと 3 のために 0.67
6. the 10 Comparison achieved algorithm rotation bits tetrapeptides 6. 10は アルゴリズム回転ビットテトラペプチドの比較 0.80
and Quantum minthe Classical of FIG. figの古典を量子マイニングします 0.68
quantum simulation the for of imum TTS 103, β with = Metropolis dipeptides for (b = 2) tripeptides b = 3, 4, 5), 10 (with differshowing also = 1), (b the 4 and and minifold), (random options the or initialization ent separate line we grey dashed the space fit best lines. 量子シミュレーション imum tts 103, β with = metropolis dipeptides for (b = 2) tripeptides b = 3, 4, 5), 10 (with differentshowing also = 1), (b the 4 and minifold) (random options the or initialization ent separate line werid dashed the space fit best lines.)
訳抜け防止モード: 量子シミュレーションでは、(b = 2 )三ペプチド b = 3 に対して、=メトロポリスジペプチドのイムム TTS 103, β が用いられる。 4、5)、10(図面も異なる=1)。 b) 4 と minifold ) (ランダムなオプション) または初期化 ent 別線 スペースが最良線に収まるようにグレーに振る舞った。
0.81
In TTS is smaller than the Classical Quantum the where althat is graph this notice to key aspect TTS. TTSでは、古典量子よりも小さく、そこでグラフ化されている。
訳抜け防止モード: TTSは古典量子よりも小さい つまり、この通知をキーアスペクトTSにグラフ化します。
0.74
The the quantum algorithm does smaller though for instances achieved times by the the not to seem match beat or being exponent smaller the to classical Metropolis, due or for rethan 0.89 one or 0.53 minifold random the we can size average spectively) proteins expect the and make dominant be quantum advantage to quancounterclassical its than more tum Metropolis useful exIII C 2 we section part. 量子アルゴリズムは、マッチビートや指数が古典的なメトロポリスより小さいように見える場合、または0.891または0.53ミニフォールドの確率で、平均的な可視性)タンパク質が期待する値よりも小さく、より多くのメトロポリスで有用な exIII C 2 よりも量子的に優位である。
訳抜け防止モード: 量子アルゴリズムは、not to looks match beatによって達成された時間に対して、より小さくなる あるいは、旧来のメトロポリスよりも小さくなるか、または0.089ドル以上になるか または 0.53 minifold random the we can size average spectively ) protein expect the and makes dominant be quantum advantage quancounterclassical (複数形 quancounterclassical s) tum metropolisより便利なexiii c2のセクション部。
0.77
In discuss further details and plain why the seems more random the than favourable 好ましくないほど無作為に見える理由と詳細を議論する 0.63
initialization exponent minifold initialization‐exponent minifold 0.82
(either for exponent. (いずれの場合も) 指数。 0.54
in gets table I precision で テーブルiの精度を 0.78
a thethere rebroken repepthan for pre- a thethere rebroken repepthan for pre- 0.97
initialization it, the normalized random 0.5. of In precision average oretical average the summary comparing is a initialization of and sults random minifold dipeptide and bits. initialization it, the normalized random 0.5. of In precision average oretical average the sum compare is initialization and sults random minifold dipeptide and bits. 0.86
The by the protein down size small the to the of due show that sults precision barely a better has tide, minifold improves situation However, random. タンパク質のダウンサイズが小さくなるほど、sults sults sults はわずかに精度が良くなるが、ミニフォールドは状況を改善するが、ランダムである。 0.67
just this tetrapeptides, tripeptides and getting a better values. テトラペプチドとトリペプチドだけで より良い価値が得られます 0.74
lower TTS consequence, a cision, as and precision greater If Minifold having in the a was random than gles precondition actual metric we the to make analysis our in interested is has some the ing we Otherwise an ing we were exponent as much However, ization より低いTTSの結果、切開、および精度が大きい a を持つミニフォールドが gles プリコンディション実際のメトリックよりもランダムであった場合、私たちが興味を持っている分析を行うには、私たちがそうでなければ私たちが指数関数的であった ing がいくつかあります。 0.67
TTS metric. initialization module an expecting not due use to of as multiplicative TTS in model TTSメートル法。 初期化モジュール an はモデルにおける乗算 TTS の使用を予定しない 0.80
impact could altogether. actual minifold reduction 影響はあり得ます ミニフォールド削減は 0.70
anfor are reducusall the initialization prefactors. Anforは初期化プレファクターを再定義する。 0.50
initialcorrespond- initialcorrespond- 0.78
avoid First of reduction of 削減の先延ばしを避ける 0.67
of exponent random one the than 指数ランダムの1つ以上 0.55
guessing sense, it the 6 smaller 意味を推測すると 6つ小さめ 0.67
figure is whether the 図は それとも はあ? 0.45
a 100101102103104Class ical min(TTS)100101102103 104Quantum min(TTS)qTTS=6.9×cTTS0.89qTTS=44.3×cTTS0.53quantum min(TTS) < classical min(TTS)classical min(TTS) < quantum min(TTS)minifold initializationrandom initializationdipept idestripeptidestetra peptidesrotation bits b あ... 100101102103104Class ical min(TTS)100101102103 104Quantum min(TTS)qTTS=6.9×cTTS0.89qTTS=44.3×cTTS0.53quantum min(TTS) < classical min(TTS)classical min(TTS) < quantum min(TTS)minifold initializationrandom initializationdipept idestripeptidestetra peptidesrotation bits b 0.33
英語(論文から抽出)日本語訳スコア
12 7. 6, FIG. 12 7. 6, FIG。 0.82
figure corresponds schedules line grey three out an 図はスケジュールに対応し、グレー3を1に並べます 0.53
the of due to III C 3, III C 3によるものです。 0.67
Comparison that except to section セクションを除いて比較します。 0.63
TTS minimum Quantum Classical and do cost computational include not we initialization different the and shows and Cauchy/linear, (Boltzmann/logarithm ic, geometric exponents fit corresponding The diagonal. TTS最小量子古典的計算とコスト計算には、初期化とショーとコーシー/線形(Boltzmann/logarithm ic)は、対角線に対応する幾何学的指数である。 0.70
we increases schedule annealing an using of the not seem to give but tiny advantage when あまり役に立たないが、小さな利点を生かしたスケジュールアニーリングを増加させます
訳抜け防止モード: not の使用をアニーリングするスケジュールを増加させます ほんの少しの利点を 与えるには
0.71
in as peptides same the for achieved This figure bits. In as peptides same the for achieved this figure bits. 0.80
rotation with 5 dipeptides annealing and (random minifold) or options dashed In lines. 5つのジペプチドアニーリングと(ランダムミニフォールド)またはオプションで回転がラインでダッシュ。 0.66
fit the and best exponential), that see in we where are can table II, the hand, using other quantum advantage. 他の量子的な利点を使用して、テーブルII、手がどこにあるかを見る(そして最高の指数に合わせる)。 0.72
On initialization. minifold 初期化。 ミニフォールド 0.61
depict four the exponential schedule 4つの指数関数的なスケジュールを 0.50
the cases used with those 事件は 使用する それら 0.60
given does in ですから そうよ で 0.58
a a of あ... あ... ですから 0.29
that hints some whether あれ ヒント 一部 それとも 0.52
tridimensional fault enough and regression exponent min T T S) fit using both random should 双方のランダム性を用いた3次元故障と回帰指数min t t s)適合 0.71
our the technique, algorithm, will helpbe structure proteins of quantum tolerant log(size) of a and not 私たちの手法であるアルゴリズムは、aの量子耐性ログ(サイズ)のタンパク質を構造化します。 0.78
ertheless quantum Metropolis use of solve the ful to large given a computer. ertheless quantum metropolisは、与えられたコンピュータのfulを解く。 0.67
The vs log(classical r = 0.88, initializations is minifold 6. figure in those confused with be example, of sake for take, Let us the giving an aphas which protein, acids amino 250 an average b = 6 proximately 500 angles to fix. 対 log(classical r = 0.88, initializations は、例えば、酒の酒と混同された場合の最小 6 桁であり、タンパク質、アミノ酸 250 の平均 b = 6 の近距離 500 角度を固定するアファスを与える。 0.74
If we use done in angles to bits might such be as specify would the a classical realistic setting, mint T T S ≈ (26)500×0.88. ビットに角度を付けて使用すると、古典的な現実的設定が指定されるような場合、Mint T T T S (26)500×0.88 となる。 0.69
(2b)2×250×r quantum The = be numsuch be will on mint T T S, hand, the other to figure the exponent ber corresponding of 6, that er will for = 0.53 and = 0.89 em we call minifold facspeedup to translate and random. (2b)2×250×r 量子 The = be numsuch be will on mint T T S, other to figure the exponent ber corresponding of 6, that er will will for = 0.53 and = 0.89 em we called minifold facspeedup to translate and random。 0.90
This will a between ≈ 1087 10373, latter the although tor of and represents upper bound and the former is proban that reveals This value. これは「1087 10373」と「1087 10373」の間であり、後者は上界を表すが、前者はこの値を示すプロバンである。 0.67
actual the to closer ably slowdown account into if even we take the due to quantum comfactors error correction and other in 量子コンファクターの誤り訂正などによる原因を考慮に入れた場合、実際のthe to closerly slowdownアカウント 0.69
this Metropolis And これ メトロポリスと 0.66
of use quantum the the puting, and powerful competitive. 量子論を駆使し 強力な競争力を身につけます 0.71
very if we took the is robust: e = 0.95 just be to nent of size the with the space r = 0.5, the quantum the operating frequency ≈ 1022. a of factor exhibit nature, will the time expected structure. e = 0.95 は、空間 r = 0.5 のとき、量子は動作周波数 × 1022.a は性質を示す。
訳抜け防止モード: e = 0.95 はちょうど空間 r = 0.5, の n の大きさである。 量子の動作周波数は 1022 です。a の因子は性質を示します。 時間は構造を期待します。
0.75
quantum advantage and an speedup of the proteins, Larger even larger it would 量子的優位性とタンパク質のスピードアップにより 0.47
the growth extremely before computer will which コンピュータに先駆けて 成長は極端に加速し 0.61
seems conclusion expoof the TTS conservative in factoring still be in exist in the TTS, the native TTSに保守的な要因がまだ存在するという結論は、ネイティブのTSに残っています。 0.72
speedups take find スピードアップは探す 0.63
to 3. Annealing へ 3. アニーリング 0.65
schedules and スケジュール そして 0.71
variable β variable β 0.85
we the previous analysed 私たち はあ? 前 分析 0.61
resulting In section what quantum advantage could be expected when using a fixed schedule, β in walk a pure with algorithms several steps. その結果 固定スケジュールを使用する場合の量子的優位性が期待できるセクションでは、βは数ステップのアルゴリズムで純粋に歩きます。 0.68
However, Metropolis are rarely used in practice with fixed β, at since the favour to like algorithm one would the beginning of end value, requiring exploration, and at the exploitation, one would like to on that しかし、Metropolisは固定βで実際に使われることは稀であり、それ以来アルゴリズムを好んで使うと、終末値の始まりとなり、探索が必要となり、そしてその利用が望まれる。 0.66
low β focus mostly quantum a 低βの焦点は 量子 あ... 0.59
a 10010110210310410010 1102103104Quantum min(TTS)qTTS=5.0×cTTS0.88qTTS=81.0×cTTS0.29quantum min(TTS) < classical min(TTS)classical min(TTS) < quantum min(TTS)Logarithmic scheduleminifold initializationrandom initializationdipept idestripeptidestetra peptidesrotation bits b1001011021031041001 01102103104qTTS=7.0×cTTS0.86qTTS=74.2×cTTS0.34quantum min(TTS) < classical min(TTS)classical min(TTS) < quantum min(TTS)Linear scheduleminifold initializationrandom initializationdipept idestripeptidestetra peptidesrotation bits b100101102103104Clas sical min(TTS)100101102103 104Quantum min(TTS)qTTS=6.5×cTTS0.85qTTS=82.5×cTTS0.29quantum min(TTS) < classical min(TTS)classical min(TTS) < quantum min(TTS)Geometric scheduleminifold initializationrandom initializationdipept idestripeptidestetra peptidesrotation bits b100101102103104Clas sical min(TTS)100101102103 104qTTS=4.0×cTTS1.0qTTS=69.7×cTTS0.37quantum min(TTS) < classical min(TTS)classical min(TTS) < quantum min(TTS)Exponential scheduleminifold initializationrandom initializationdipept idestripeptidestetra peptidesrotation bits b あ... 10010110210310410010 1102103104Quantum min(TTS)qTTS=5.0×cTTS0.88qTTS=81.0×cTTS0.29quantum min(TTS) < classical min(TTS)classical min(TTS) < quantum min(TTS)Logarithmic scheduleminifold initializationrandom initializationdipept idestripeptidestetra peptidesrotation bits b1001011021031041001 01102103104qTTS=7.0×cTTS0.86qTTS=74.2×cTTS0.34quantum min(TTS) < classical min(TTS)classical min(TTS) < quantum min(TTS)Linear scheduleminifold initializationrandom initializationdipept idestripeptidestetra peptidesrotation bits b100101102103104Clas sical min(TTS)100101102103 104Quantum min(TTS)qTTS=6.5×cTTS0.85qTTS=82.5×cTTS0.29quantum min(TTS) < classical min(TTS)classical min(TTS) < quantum min(TTS)Geometric scheduleminifold initializationrandom initializationdipept idestripeptidestetra peptidesrotation bits b100101102103104Clas sical min(TTS)100101102103 104qTTS=4.0×cTTS1.0qTTS=69.7×cTTS0.37quantum min(TTS) < classical min(TTS)classical min(TTS) < quantum min(TTS)Exponential scheduleminifold initializationrandom initializationdipept idestripeptidestetra peptidesrotation bits b 0.30
英語(論文から抽出)日本語訳スコア
Schedule Fixed β Logarithmic Schedule Fixed β Logarithmic 0.85
Linear Exponential Geometric exponents Fit Random init. 線形 指数幾何学 exponents Fit Random init。 0.69
0.53 0.29 0.34 0.37 0.29 0.53 0.29 0.34 0.37 0.29 0.44
init. Minifold 0.89 0.88 0.86 1.00 0.85 インイット Minifold 0.89 0.88 0.86 1.00 0.85 0.43
13 exponents 13 exponents 0.85
of II. Table TABLE and schedules nealing except the same, tides are dipeptides with 5 cluded schedules. 第2話。 テーブル テーブルおよびスケジュールは同じを除いてnealing、潮は5つのcludedスケジュールの二ペプチドです。 0.52
rest for the chosen was tically of each the 選ばれた人の休息は、それぞれがテイリーであった 0.47
scaling aninitialization pepthat for fixed β we have also inis precision, what of bits costly heurisvalue β, For fixed the β = 1000, while β value in (8), in is 固定β のスケーリング初期化 pep That for fixed β, we have inis precision, what of bits costly heurisvalue β, for fixed the β = 1000, while β value in (8), in is 0.90
the initial β(1) = 50. 初期 β(1) = 50 である。 0.88
different The for options. 異なる。 選択肢は? 0.57
schedules, defined of スケジュール 定義 ですから 0.55
β It a be β それ あ... な 0.56
the can seen はあ? できる 見た 0.57
high value. to use, 高い 価値。 使うには 0.67
schedule energy with スケジュール エネルギーと 0.70
optimization similar that we [50]. 最適化 似ています [50]. 0.65
with usually it is algorithm will of 通常なら アルゴリズムの意志です 0.56
the called known converge converge (複数形 converges) 0.54
annealing background algorithm, that 背景アルゴリズムをアニーリングして 0.80
in Optimization schedule is and 最適化スケジュールでは 0.71
is logarithmic prefactor the is what 対数的プレファクターとは 0.52
a that linked to the well known explorationand more 知名度の高い探検と より関連づけられた 0.69
strongest theothe inhomogebecause one can global the to 1, probability alIts implethe Boltzmann but with dif- 最強の神学 inhomoge は 1 の確率を大域的に表すことができるからである ボルツマンを暗示するが dif で 0.58
is achieved with this necessity is exploitation trade-off in Machine Learning generally The retical neous prove the minimum value beit generally too slowly (section 3.2 [51]). この必要性で達成されるのは、機械学習における搾取のトレードオフである。一般的に、retical neousは、最小値が一般に遅すぎることを証明している(第3.2条[51])。 0.52
conceptually mentation schedule or [51]. 概念的には 累積スケジュールか[51] 0.69
ferent in answer question we would like to Therefore, this quanour use happens when we section equilibrium, tum Metropolis algorithm outside of the when we use is, faster changes a that that theoretical For algorithm. それゆえ、我々が疑問に答えたいフェレンツは、この量的使用は、我々が使う時以外は、タムメトロポリスのアルゴリズムである平衡を分割するときに起こり、アルゴリズムにとって理論的な変化を速くする。 0.67
the than inhomogeneous schedules several have this task, been have implemented of which we proposed, and tested options whose mathematical different four formulain can tion (8). 不均質なスケジュールがいくつかあるが、このタスクは我々が提案したものであり、数学的に異なる4つの公式が割譲できるオプションをテストした(8)。 0.65
seen be II that are from figure conclusions Our 7 advantage schedule, a using the variable the temcan be made than that perature the give However, same advantage, with the exponential schedule givexand the geometric schedule ing practically none, 5.2 plained section of promisin initializaof exponent an ing, with is tion used. 図の結論から見れば II である 図 7 の有利なスケジュール 変数を使用する場合 tem can be be made that perature the give しかし、指数的なスケジュールと幾何的なスケジュールは実質的にはなし、5.2 のプレミシンイニザオフ指数のプレミシンイニザオフ指数(英語版)のイオオンが用いられる。 0.70
and lie Linear between. in exist dethe exponents differences in Lastly, large although criteria used, initialization on pending the in the is this given case on why argument the same consequence, In too. そして横の線形間。 in 実在 指数差 最後に、使用される基準は大きいが、初期化は、引数が同じ結果である理由に関するこの与えられたケースである。
訳抜け防止モード: そして横の線形間。 in exist dethe exponents difference in lastly, large while criteria used inを保留する初期化は、なぜ議論が同じ結果になるのかというこのケースです。 これも。
0.70
here a section III C 2 out in carried should be fumore detailed 7 we from figures 6 and can see ture work. ここで実行中のセクションiii c2は、図6から7 weの詳細で、tureの作業を見ることができる。 0.70
when TTS that value expected the the reflected in the using a minifold initialization is corfavourable. 期待値 tts の場合、minifold initialization に反映される値はcorfavourableである。 0.65
responding smaller and more applies analysis However, in decrease より小さく反応し 応用分析するが、減少する 0.72
and table quantum of the fixed cases all not 固定されたケースのテーブル量子は 0.63
[51] 0.85 logarithmic [51] 0.85対数 0.75
the most minifold 最もミニフォールドは 0.71
larger algorithm. より大きなアルゴリズム。 0.80
being if prefactors, もしも プレファクター 0.49
schedules from スケジュール from ~ 0.71
hardware realization of experimental ハードウェア 実現 実験 0.65
measurements Results to the correFIG. 測定 結果です。 CorreFIG。 0.67
8. quantum the sponding circuit deand the Metropolis described in section III C 4 perform dipeptide we and 4 5. figures picted in For each success the average t-test to check a student whether acare β(t) = (0.1, 1) for probabilities β(t) = (0, 0) and p-value measured in all The different tually [52]. 8. 量子 量子 スポンディング回路 deand the metropolis 第iii節 c4に記載されたメトロポリスは、dipeptide we と 4 5. の各成功のためにピクトインされた図 平均的な t-test は、確率 β(t) = (0.1, 1) に対して acare β(t) = (0, 0) と p-value がすべてのtually [52] で測定されているかどうかをチェックする。
訳抜け防止モード: 8 . 量子 スポンディング回路 deand the metropolis on the section iii c 4 に記述されたメトロポリスはジペプチドweを実行する 平均t - 確率 β(t ) = (0.1, 1 ) が確率 β(t ) = (0, 0) であるかどうかをチェックする。 0 ) と p - すべての異なる tually [52 ] で測定された値。
0.82
largest 3.94· 10−18, that cases the dif8 cases is indicating dipeptides we of For significant. 最も大きい3.94·10−18の場合、dif8の症例は有意なジペプチドを示す。 0.62
ference the each is run 163840 and for times the circuit, 204800 times. 参照はそれぞれ163840および時のために回路、204800回実行されます。 0.70
in all eight the baseline 8つのベースラインで 0.64
4. Experiments in IBMQ Casablanca 4. 実験 で IBMQ Casablanca 0.80
0 of in to 0 ですから で へ 0.69
and minimum run in figures そして 最低 数字で走る 0.67
the smallest of the processor, 最も小さいのは プロセッサの 0.50
operators, the quantum adimplelike in IBM Q Casablanca implemented is made reinstance rotation bit, オペレーターは IBM Q Casablancaで実装された量子アドバンストは、リスタンスローテーションビットである。 0.59
analysed the potential having After in vantage also would we simulation, quantum Metropolis ment the circuit we have processor. vantageに後続する可能性を分析することで、我々はシミュレーションを行い、プロセッサを持つ回路を量子メトロポリスに割り当てる。 0.73
The walk quantum of two quired to cause interference, dipeptides with a single of our problem: π. allowing thus for angles implementation The corresponding Casablanca IBMQ which was 5. and depicted 4 in of implementation of this our algorithm is to see more to be able in order noise we have needed to perform simplifications from the particular benefit us allows to minimize This strongly that influences experiment. 2つのクイドの歩行量子は干渉を引き起こし、二ペプチドは私たちの問題の1つである:π.こうして角度の実装を可能にする5で、この実装の4で描写された対応するCasablanca IBMQは、私たちのアルゴリズムは、私たちが特定の利益から簡略化を行うために必要なノイズが実験に影響を与えることを最小化することを可能にします。 0.71
our of the of of level both to the high In fact, due are problem we the of size the minimal and circuit, to possible only which solve, to trying 4 states has not in from, search make experiment this it does to Solution as a figure sense to use the Total Time of if in interested are Rather, we merit. 私たちのレベルは、事実として、最小と回路のサイズが問題であること、可能な場合のみ解決すること、4つの状態から入らないことを試すために、検索は、関心があるかどうかの合計時間を使うという数字の感覚として、それを解くために行うことを実験する。 0.74
the seeing only probunderlying to quantum circuit the is sensitive chosen β abilities, which depend on the value. 量子回路にのみ予言する観察は、値に依存する敏感な選択されたβ能力である。 0.83
As we circuit, is An detail quantum Metropolis than that the problem. 私たちも 回路(circuit)は、問題よりも詳細な量子メトロポリスである。 0.68
of structure of depth the the circuit, the noise, the limiting figure 深さの構造、回路、騒音、制限図 0.55
important noise that 重要 騒音 あれ 0.71
英語(論文から抽出)日本語訳スコア
depicted states the our are probexperin 描かれる 我らを プローブxperinです 0.50
III B 2, for state this III B 2 は、このことを述べる。 0.69
for β = 0 all values higher β and higher, is difference of probability β = 0 の場合、すべての値が β より高く、確率の差である 0.87
section discussed in whereas equiprobable target the of ability iment to aims see practice. 目的への能力のimentの装備可能なターゲットに対して議論されたセクションは練習を見ます。 0.52
The circuit, β(t) = (0, 0) with values of β(t) = (0.1, 1) was and secin explained run the as several tion for III B 2 hundred times thousand for to be able each dipeptide to certify that our measurements not correspond do noise. β(t) = (0, 0) with value of β(t) = (0.1, 1) and secin explained explained the circuit, the several tion for III B 2 hundred times 1000 to be able each dipeptide to haveertify that our measured not correspond to noise。 0.77
The to results pure such of probability figure depicted are in differences and they 8, the indicated by as significant are highly equal smaller low p-value in achieved or all cases, to · 10−18, 3.94 student in the corresponding t-test of the underlying binomial distribution. 表されるような純粋な確率図形のto結果には違いがあり、8つは達成またはすべての場合において非常に小さい低 p-値であり、基礎となる二項分布の対応するt-テストでは · 10−18, 3.94 の学生である。 0.71
Such binomial value returning distribution when the minimumthe measurement identifies |00(cid:105), energy state which and 0 when it not. 最小値のときに分布を返すそのような二項値測定は |00(cid:105)、エネルギー状態を特定します。 0.70
does seen also be of seven can It the out the tested, algoMetropolis eight cases the right in increased rithm points of succonfidence probability. It the out the test, algoMetropolis 8 case the right in increase rithm point of succonfidence probability。
訳抜け防止モード: また7の缶のそれですテストされるあります。 algoMetropolis 8ケースは、succonfidence確率の増加リテムポイントの右。
0.60
This cess that we quantum of effects. これは私たちが効果を量子化する。 0.69
small measuring a are because is glycylvaline, The outlier, the in greatshows the dipeptide that |00(cid:105), probability of measuring theoretical est and at plargest the is time the with the same We significant. 小さい測定aは、グリシルバリンである; 外れ値(outlier, in greatshows the dipeptide that |00(cid:105), probability of measuring theory est and at p largest the is the time with the same We significant)である。 0.82
still although value, can only hypothesise that this due some experimental imperfection. まだ価値はあるが、この原因が実験的な不完全であるとのみ仮定できる。 0.55
that in quantum direction gives us amount is simulation 量子的な方向にあるのは シミュレーションです 0.77
corresponds to correctly is dipeptide very is 正しく対応している ジペプチドは 0.59
surprising encoded 驚き encoded 0.79
the to in 1 IV. はあ? へ で 1 IV。 0.67
CONCLUSIONS AND OUTLOOK コンキュレーションとアウトロック 0.50
how have どうやって 持ってる 0.45
studied the in our We quantum computing might learning complement modern machine techniques to the proteins. 勉強 私たちの中の 量子コンピューティングは、現代の機械技術をタンパク質に補完するかもしれない。 0.64
of For folding predict the that, we have implements algorithm that an introduced QFold, a a quantum Metropolis algorithm using as starting output of guess algorithm, learning machine a simplified implementation of Alcase is that a phaFold algorithm named Minifold, could initialization module be in fact substituted that learning such of future uses techniques. 計算アルゴリズムの開始出力として量子メトロポリスアルゴリズムであるQFoldを実装した上で,Alcaseの簡易な実装を学習機械で行うことで,MinifoldというphaFoldアルゴリズムが,将来的な手法の学習に代えて初期化モジュールを実装できることを示す。 0.78
of QFold reala is feature An important protein folding, meaning that of the description istic folded on structure relies the of the the description that conforfinal the angles actual torsion This realised by the number the protein. qfold reala は重要なタンパク質の折りたたみを特徴としており、つまり、構造上に折りたたまれた記述は、タンパク質の数によって実現される実際のねじれ角を包含する記述に依存する。 0.74
mation of angles, precision of those for the used fix b of bits of = b 5 = or b 6 would moderate value which a is AlphaFold. 角度の模倣、 = b 5 = または b 6 のビットの使用される固定 b の精度は、a が AlphaFold である中等度値となる。 0.90
original This accurate as be the as used lattice models the contrast with sharp in rigid protein to approximate folding in majority of 原型 使用済みの格子モデルと同じ正確さ 硬いタンパク質とのコントラスト 大多数の折りたたみを近似する 0.73
any improvement describe is どんな改善も 説明は 0.70
deep that that but 深く あれ あれ でも 0.70
the by to is it はあ? で へ は それ 0.61
14 a a 14 あ... あ... 0.39
a of for あ... ですから ですから 0.42
relies algorithm itself 依拠する アルゴリズムそのもの 0.60
quantum Metropolis is schedules, 量子メトロポリス スケジュールです 0.56
as it protein does second main contribution is タンパク質のように 第2の主な貢献は 0.78
previous lattice models. 以前の格子モデルです 0.70
formulation is scenario. 定式化はシナリオです 0.76
represent time in nature contribution realistic and contrast to 自然の時間を表す 現実的で対照的な貢献 0.69
algorithmic our range the アルゴリズム的な範囲は 0.79
and we use the Total Time in as figure of merit. そして私達は利点の図として合計時間を使用します。 0.66
Our quantum Metropolis algorithm represents of our work, algorithm for proposals, 私たちの量子メトロポリスアルゴリズムは、私たちの仕事、提案のためのアルゴリズムを表します。 0.58
proproposals quantum computing simulations current in Although folding. Though Foldにおける量子計算シミュレーションの電流提案。 0.77
tein precision is of the the this in work presented simulation, classical of by limited resources the a from reaching nothing realistic acprevents QFold precision quantum comcurate once a fully fledged puter fully since our is at our disposal, scalable within fault-tolerant The on construction of a coined version of Szegedy quanthe to Solution tum walk [21], construction defined (7), of this the represents first main folding a scalable in that not rely on simplified an analysis of the The that in protein folding, expected quantum advantage the exponent with the scaling in although moderate diflarge could initialization, Minifold needed to find physical expected ference in the proteins of avconfiguration the minimal energy comthis exponential due erage the to size analquantum advantage This problem. tein precision is of the the this in work presented simulation, classical of by limited resources the a from reaching nothing realistic acprevents QFold precision quantum comcurate once a fully fledged puter fully since our is at our disposal, scalable within fault-tolerant The on construction of a coined version of Szegedy quanthe to Solution tum walk [21], construction defined (7), of this the represents first main folding a scalable in that not rely on simplified an analysis of the The that in protein folding, expected quantum advantage the exponent with the scaling in although moderate diflarge could initialization, Minifold needed to find physical expected ference in the proteins of avconfiguration the minimal energy comthis exponential due erage the to size analquantum advantage This problem. 0.91
binatorial realistic different for performed ysis annealalso that indicating ing the out-of-equilibrium show a similar algorithms quantum Metropolis can improve adeven quantum advantage, and the seen as can be vantage case, II. 実行された ysis anneal に対する双対的現実的違いは、ing が類似のアルゴリズムを示すことも、同様の量子メトロポリスは偶発的な量子優位を改善でき、一見するとヴァンテージの場合、ii である。 0.59
is contribution from table a proof-ofsmall concept in algorithm our quantum software. アルゴリズムの量子ソフトウェアにおいて、テーブルから小さな概念を証明することへの貢献です。 0.63
actual foldOur results of provide ing A clear classical is worthwhile it message simulaclassical developing conorder to in tions of quantum algorithms provide a refirm that quantum of Some the advantage. 実際に foldOur results of provide ing A clear classical is worthworthy it message simulaclassical developing conorder to in tions of quantum algorithm provide a refirm that quantum of Some the advantage。 0.81
alistic condirealistic assessed in be that must algorithms like quantum walks quanbased tions on those are fast with annealing schedvariants tum Metropolis O(δ−a), scales complexity δ the For ule. 量子ウォーク四元系イオンのようなアルゴリズムは、アニーリングするスケバティクス tum Metropolis O(δ−a) で高速であり、複雑性 δ を For ule に拡張する必要がある。 0.64
them, on dependent and 0 > the gap, the eigenvalue quantum the of and application specific in is with pure quanThis Metropolis. これらは、依存的かつ 0 > the gap について、固有値量子とアプリケーション固有値は、純粋なqunthis metropolis である。 0.72
complexity the classical as scales tum walks, where O(δ−1/2), O(δ−1) as quantum complexity the and appendix B. 複雑性 スケールとしての古典 tum は、o(δ−1/2)、o(δ−1) を量子複雑性、b を付加する。 0.65
However, it would be be can as seen in quantum advantage quadratic this to na¨ıve consider problems useful one and in similar as an achievable quancompare aim to should to one Instead, ours. しかし、これは量子上の優位性の二次的に見ることができ、na sıveは問題に有用なものを検討し、達成可能なクォンコンパヤが代わりに1にすべきであるのと同様に、私たちのもの。 0.54
pracin ones the tum algorithms with used classical schedules annealing tice, heuristic are used 実用的手法 : 古典的スケジュールを用いたtice,ヒューリスティックをアニールするtumアルゴリズム 0.73
computation the for support further the simulations of from our 計算 the for support the simulations of from our. (特集 シミュレーション) 0.67
shown for The implementation 実装のために示される 0.66
is simulations that and software computers シミュレーションとソフトウェア・コンピュータが 0.72
can the fixed beta third a realization contrast 固定ベータ3位は realization (複数形 realizations) 0.40
ideal certain quantum of development 理想の量子は 発展の 0.79
quantum hardware. quantum 量子ハードウェア。 量子 0.76
quantum protein where 量子 タンパク質 どこに 0.74
as to of として へ ですから 0.56
英語(論文から抽出)日本語訳スコア
of all power measure not 何よりも 力 測定しない 0.65
real quantum computers when 実際の量子コンピュータは 0.84
finding exponent the is a reason, efforts quantum advantage a 指数関数を見つけるのが理由です 量子的な利点は 0.69
the precise out imis great of adquantum should be solely with like NISQ devices, possibilithe they be- 亜量子の正確なアウトイミットは、NISQデバイス、possibilitheのようにのみでなければなりません。 0.61
a consequence, As instead. その結果、代わりに。 0.57
corresponding the values of it since portance For this vantage. このヴァンテージのポータンスからそれの値に対応する。 0.64
finding to devoted ‘baby quantum computers’, noisy to also investigating continue but of ties universal come available. 専用の‘ベイビー量子コンピュータ’を見つけることで、調査を続けるために騒がしいが、結び付きは普遍的だ。 0.63
whether is addressing is worth that An unknown out of coming folding protein software new the for pubthe in will remain [13] competition CASP the speThis is proprietary. 対処する価値があるかどうかは、パブの新しい折り畳み式タンパク質ソフトウェアから未知が残ります[13]競争CASP the speこれはプロプライエタリです。 0.60
go lic domain or will else, tools powerful the most some cially since important learning deep rely on software that modern by used the that prohappens It so trained. 重要な学習が最新のソフトウェアに大きく依存していることから、ドメインをライセンスするか、あるいは他のツールが最も強力なものになります。 0.67
has that be to public are of training that for used databases tein years of colof many result domain. 使用済みデータベースのためのトレーニングを 公にすることでしょう 多くの結果ドメインを 組み合わせることにしました 0.64
They are the institutions research many among work laborative towards point results Our publicly. それらの機関は、多くの研究機関がポイントアウトプットに力を入れている。 0.53
funded are that software like open an using possibility the public of implementa[39], Qiskit ‘community’ Psi4 [34] and of which Miniof tions the AlphaFold algorithm [14] compensate to example, an fold of the is [38] folding. 資金提供されているのは、実施の可能性を公開するソフトウェア[39]、Qiskit ‘community’ Psi4 [34]、そしてMiniofがAlphaFoldアルゴリズム[14]を補完するソフトウェア[38]の折り畳みです。
訳抜け防止モード: 資金提供は、ユーティリティの公開の可能性を開くようなソフトウェアです[39]。 Qiskit ‘ community ’ Psi4 [ 34 ] そしてそれらのMiniof tions the AlphaFoldアルゴリズム [ 14 ]は、例を補います。 is[38]折り畳みの折り目。
0.77
protein for software commercial that out point also We the would like to classical methgreat advances achieved by the new competition CASP the of editions latest in ods the huge [13], there is still room for improvement and in the problem of protein folding there are many gaps that filled. 私たちはまた、新しい競争CASPによって達成された古典的なmethgreat進歩を望んでいます巨大な[13] odsの最新エディションはまだ改善の余地があり、タンパク質折り畳みの問題には多くのギャップがあります。
訳抜け防止モード: 我々はまた、新しい競争CASPによって達成された古典的なmethgreat進歩にしたいソフトウェアコマーシャルのためのタンパク質 ods最新のエディションの巨大な[13]。 改善の余地はまだあります タンパク質の折り畳みの問題では、多くのギャップが埋められています。
0.68
understanding to be interactions, and protein-protein the folding real time evolution to equilibrium configthe dark proteome, proteins with dynamical uration, prolike configurations the intrinsically disordered and teins (IDP) so we on and forth. 相互作用の理解、タンパク質-タンパク質 折りたたみ式のリアルタイム進化 ダークプロテオーム、ダイナミックなユーレーションを持つタンパク質、内在性障害とテイン(idp)に類似した構成、等々。 0.71
Crucially, training believe current the that of the limitations cryseasily to be sets, which are biased towards data be on constraints tallized can what achieved learning techniques. 要するに、トレーニングは、現在の制限は、データに対する偏見が、学習技術を達成できる制約に依存しているように、設定されることを熱心に信じている。
訳抜け防止モード: 訓練 限度額の現在の値は、セットになるように冷静に信じる。 データに対する偏見は、学習技術を達成できる制約にかかっている。
0.70
Our present techniques explore to that Future primarily a refinement quantum advantage, and a more accurate precise quantum advantage each anschedule. 私たちの技術は、その将来を主に、精巧な量子アドバンテージと、より正確な量子アドバンテージに探求しています。 0.62
nealing valuable because it is an important decision to be made when optimization deploying practice, these this research of and no question has been carried out knowledge. 実践を最適化する上で重要な決定であるからといって価値はないが、これらの研究は知識が得られておらず、疑問の余地もない。 0.61
the best our of to we Additionally, also believe whether clarifying in conducted be of either should one the expect finding to be polynomially faster さらに我々にとって最善のことは、実行中の明確化が、多項式的に高速であることが期待できるものであるかどうかをも信じている。
訳抜け防止モード: 私達への私達のベストに加えて、また信じるかどうか。 多項式に速くなると予想されるかのどちらかを明確にする
0.63
improvements of of our experimentally of larger with peptides analysis comparative of can be research ペプチド分析による実験値の改善についての研究 0.55
proteins, only deep using an research attempt is these limitations. 研究の試行で 深く利用しているタンパク質は この制限です 0.76
include found size, the found with would be 見つかったサイズを含み 見つかったサイズは 0.61
work should asymptotically initialization modes the state. 作業は漸近的に初期化モードにすべきです 0.61
include protein-ligand the タンパク質リガンドを含む 0.67
that Such algorithms そういうこと アルゴリズム 0.66
our work address despite 我々の仕事は 住所 にもかかわらず 0.51
ground further These 地面 さらに これら 0.69
await puts so 待って 置く だから 0.65
in could be algorithms quantum Metropolis Similar detailed and a such domains, of variety used a in the experimental, and both analysis, of theoretical expected seems in quantum advantage each desirable. で アルゴリズムの量子メトロポリス 同様の詳細で、様々な領域が実験で a を用いており、理論的に予測される解析は、それぞれ望ましい量子上の優位性に思える。 0.73
case as 15 ケース として 15 0.71
V. ACKNOWLEDGEMENTS V。 ACKNOWLEDGements 0.76
of G´omez, G'omez (複数形 G'omezs) 0.24
equally kind R.C and P.A.M.C this to contributed like would We work. 同様に親切です R.CとP.A.M.Cが貢献しました。 0.52
from advice thank to on Sevilla Jaime von staand distributions Mises Alvaro Mart´ınez t-tests, tistical and Pozo del Antonio Rey on protein folding, Senior W. Andrew his on AlphaFold details minor Carmen article, Cruz Juan Recio, Juan KrKevin Benito, and of Qiskit, and Maddy Todd sulich the on usage and late Jessica the Lemieux David Poulin on asWe algorithm. Sevilla Jaime von staand distributions Mises Alvaro Mart ́ınez t-tests, tistical and Pozo del Antonio Rey on protein folding, Senior W. Andrew his on AlphaFold details minor Carmen article, Cruz Juan Recio, Juan KrKevin Benito, and and of Qiskit, and Maddy Todd sulich the usage and late Jessica the Lemieux David Poulin on asWe algorithm。 0.82
quantum the of pects Metropolis for IBM Quantum Research thank to want also alunder processors use lowing their us to thank program. IBM Quantum Researchのメトロポリス(Metropolis)の量子化は、プロセッサの安全性を低下させ、プログラムに感謝する。 0.71
Research the Quasar Science for the the AWS resources. AWSリソースのためのQuasar Scienceの研究。 0.70
Spanish acknowledge We from the FIS MINECO grants 2017-91460-EXP, FIS-2018 from CAM/FEDER S2018/TCSand No. 2017-91460-EXP, FIS-2018 from CAM/FEDER S2018/TCSand No。 0.66
Project of M.A.M.(QUITEMAD-CM). M.A.M.(QUITEMAD-CM)のプロジェクト。 0.64
4342 research The the by been D. has U.S. Army supported W911NF-14-1No. 4342 調査 陸軍はW911NF-14-1Noを支持した。 0.75
Office Research Grant 0103. オフィス研究助成証0103。 0.68
P. A. M. support a MECD the grant FPU17/03620, and R.C. p. a. m. support a mecd the grant fpu17/03620, and r.c. 0.62
support of a CAM the grant financial MINECO/FEDER PGC2018-099169-B-I00 CAMの助成金。 金融MINECO/FEDER PGC2018-099169-B-I00 0.37
quantum also We access to support 量子もサポートにアクセスできる 0.73
through C. thanks IND2019/TIC17146. cを通して IND2019/TIC17146。 0.55
facilitating facilitateing~ 0.66
partially Projects of 一部 プロジェクト ですから 0.62
Appendix A: Appendix A: 0.85
Szegedy quantum walks Szegedy 量子ウォーク 0.77
to that order process へ あれ 順序 プロセス 0.69
of moving explain what space Ω, with Ω, 動くこと 説明しろ space Ω, with Ω, 0.69
states but only on the present one. 国家に限ったことではありません 0.54
the are Quantum Walks, we Given a configuraintroduce Markov Chain. はあ? はQuantum Walksで、configuraintroduce Markov Chainを与えます。 0.53
stochastic model a a Markov Chain is matrix Wij, specifies transition transition that does not depend on Random across Ω according 確率的モデル a Markov Chain は行列 Wij であり、その遷移遷移は y 上のランダムに依存しない。 0.78
In need to tion over the probability of previous walks are to Wij. 以前の歩行の確率を抑える必要があるのは、Wijである。 0.61
quantum of the are Quantum walks famous and used quanThe most random walks [53]. quantum of the are Quantum walk famous and used quan最もランダムなウォーク[53]。 0.74
by defined Ambainis and [54] are tum those generalisaposterior several Szegedy [22], although such been have developed improvements and tions achieve often walks Quantum a in as those [36]. ambainis と [54] は、いくつかの szegedy [22] を総称する tum であるが、これらは改良され、 tion は、しばしば [36] のようにQuantum a を歩むことができる。 0.64
of time advantage quadratic in the hitting a target to state with respect the spectral gap, defined beused are widely low, algorithms other several in and see. 時間的優位性は 目標を2次に当たらせる スペクトルギャップに関して 定義されている 大きく低い アルゴリズムは 他にもいくつかある 0.68
shall [55–57], as we Szegedy quantum walks 私たちは[55–57] 量子ウォーキングをする 0.80
equivalent equivalent 0.85
defined usually walks not 定義 通常 歩く だめだ 0.69
are 0.69
英語(論文から抽出)日本語訳スコア
This defining (A1a) この定義は (A1a) 0.77
Using previous ΠA |φj(cid:105)|0(cid:105) = |φj(cid:105)|0(cid:105) 以前の φj(cid:105)|0(cid:105) = |φj(cid:105)|0(cid:105) を用いて 0.64
the expressions ΠAU†V S |φj(cid:105)|0(cid:105) = cos φj S |φj(cid:105)|0(cid:105) = cos φj 0.80
we can |φj(cid:105)|0(cid:105) , φj(cid:105)|0(cid:105) , 0.67
and (A1b) (A6b) そして (A1b) (A6b) 0.76
ΠB |φj(cid:105)|0(cid:105) = U†V S cos φj true because is ΠAU†V SΠA = ΠASV †U ΠA B |φj(cid:105)|0(cid:105) = U*V S cos φj true である。 0.79
|φj(cid:105)|0(cid:105) . φj(cid:105)|0(cid:105)。 0.64
(supplementary material [20]), (副材料) [20]), 0.70
(A7) and using a implies the (A7) そして aを使うということは 0.76
also the |0(cid:105)|i(cid:105) また |0(cid:105)|i(cid:105) 0.77
bipartite walk. space, and |i(cid:105) = |j(cid:105)|pj(cid:105) 二部歩行。 空間、および |i(cid:105) = |j(cid:105)|pj(cid:105) 0.72
coin, but rather on a duplicating the Hilbert := |j(cid:105)(cid:88) (cid:112)Wji unitary U |j(cid:105)|0(cid:105) i∈Ω (cid:88) (cid:112)Wij closely related |j(cid:105)|i(cid:105) = |pi(cid:105)|i(cid:105) . Hilbert := |j(cid:105)(cid:88) (cid:112)Wji unitary U |j(cid:105)|0(cid:105) i∈\ (cid:88) (cid:112)Wij close related |j(cid:105)|i(cid:105) = |pi(cid:105)|i(cid:105) である。 0.77
V := j∈Ω Wij as the understood must probability |i(cid:105) |j(cid:105). V := j∈\ Wij as the understand must probability |i(cid:105) |j(cid:105) である。 0.75
We transitions to state state check can that SU = V S, these operators fulfil for S the second Hilbert first the between operation and usually U applying of cost space. 状態状態チェックへの移行は、SU = V S、これらの演算子は、Sの第2ヒルベルトの最初の演算と通常、コスト空間のU適用を満たすことができる。 0.65
is The also update (quantum) cost. これもアップデート(quantum)コストです。 0.70
Define the ∈ Ω} A := span{|j(cid:105)|0(cid:105) ∈ Ω} A := span{|j(cid:105)|0(cid:105)を定義する。 0.78
be j : that that Swap subcalled subspaces な j : Swapのサブスペースは 0.70
(A2a) and B := U†SUA = U†V SA. (A2a) そして B := U SUA = U V SA である。 0.70
(A2b) (cid:112)Wij =(cid:112)πi/πjWij, (cid:112)Wji can define M := U†V S, Having defined U and V , we (cid:104)i, 0|U†V S|j, 0(cid:105) a matrix with entries valued = thanks equality last the fact, In equation balance detailed the to [58]. (A2b) (cid:112)Wij = (cid:112)πi/πjWij, (cid:112)Wji can define M := U ^ V S, have defined U and V , we (cid:104)i, 0|U ^ S|j, 0(cid:105) a matrix with entry valued = thanks equality, In equation balance detailed the [58]. 0.90
in ma−1/2 WD1/2 terms trix it is usually written M = D π π where we have written Dπ indicate the diagoto the equilibrium statethe of entries nal matrix with that W and probabilities, of vector π. ma-1/2 WD1/2 項では、通常は M = D π π と書かれるが、Dπ は、その W とベクトル π の確率を持つ成分 nal matrix の平衡状態を表す。 0.82
This implies spectrum λ0 = 1 ≥ ... ≥ λd−1 ≥ 0, M have the same pTWp ∈ [0, 1], the matrix W is definite, as positive |φ0(cid:105) =(cid:80) eigenstates The size and are corresponding d. of |φj(cid:105)|0(cid:105), √ = ϕj phases and In particular arccos λj. これはスペクトル λ0 = 1 ≥ ... ≥ λd−1 ≥ 0, m は同じ ptwp ∈ [0, 1] を持ち、行列 w は正の |φ0(cid:105) =(cid:80) の固有値として定式化され、対応する d は | φj(cid:105)|0(cid:105) である。 0.82
|i(cid:105), equilibrium distribution. |i(cid:105),平衡分布。 0.87
the πi is A i the We can also define projectors and B as ΠA and ΠB := (1 ⊗ |0(cid:105)(cid:104)0 |), ΠA := U†V S(1 ⊗ |0(cid:105)(cid:104)0 |)SV †U rotations corresponding RA = 2ΠA − 1, RB = 2ΠB − 1. this rotation we further define a step the main in did as we text W = RBRA = U†SU RAU†SU RA. πi は i の射影であり、b は πa と πb := (1 ) |0(cid:105)(cid:104)0 |), πa := u\v s(1 ) |0(cid:105)(cid:104)0 |)sv は ra = 2πa − 1, rb = 2πb − 1 に対応する回転である。
訳抜け防止モード: πi は A i であり、射影子も定義できる と B は A と B : = ( 1 ) |0(cid:105)(cid:104)0 | ) である。 シュア : = U.V S(1 .) |0(cid:105)(cid:104)0 |)SV .U 回転は RA = 2.A − 1 に対応する。 RB = 2\B − 1 である。 さらに W = RBRA = U SU RAU SU RA と書くように、主が行なったステップを定義します。
0.65
quantum (4), ΠB their 量子 (4) ~B。 0.54
Using walk equation 歩行の使用 equation 0.80
around (A4b) (A3b) 周り (A4b) (A3b) 0.70
(A3a) (A4a) (A3a) (A4a) 0.78
(A5) with 16 state, (A5) と 16 州だ 0.73
using (A6a) (A6b) 利用 (A6a) (A6b) 0.76
due to W and 期日 へ W そして 0.63
(A8) wj = spanned (A8) wj = spaned~ 0.82
(cid:104)φj, 0|ΠAU†V SΠA|φj, 0(cid:105) = λj † j = (cid:104)φj, 0|ΠASV †U ΠA|φj, 0(cid:105) . (cid:104)φj = (cid:105)φj = (cid:104)φj, 0|*ASV ,U ,A|φj = 0(cid:105) である。 0.74
= λ by will Thus the subspace preserve {|φj(cid:105)|0(cid:105) , U†V S |φj(cid:105)|0(cid:105)}, under which invariant is ΠA ΠB; Grover the in the mirroring and situation previthe as Also, algorithm [35]. したがって、部分空間は {|φj(cid:105)|0(cid:105) , U\V S |φj(cid:105)|0(cid:105)} を保存する。
訳抜け防止モード: したがって、部分空間は { |φj(cid:105)|0(cid:105 ) となる。 U\V S |φj (cid:105)|0(cid:105 ) } で不変な場合、この場合、ミラーリングと状況が先行するグロバーはアルゴリズム [35 ] である。
0.70
consequence a of in A + B has ous, of the fact that operator W e2iϕj [22, the subspace such in 36], eigenvalues operblock ator W can operator a be written as diagonal (cid:19) (cid:18)cos(2ϕj) with matrices − sin(2ϕj) (A9) . a + b の帰結 a は、作用素 w e2iφj [22, the subspace such in 36], eigenvalues operblock ator w が a を対角 (cid:19) (cid:18)cos(2φj) で行列 − sin(2φj) (a9) と書くことができるという事実である。 0.81
sin(2ϕj) cos(2ϕj) of W gap notice that the eigenvalue Finally, is δ = 1−λ1, and in general defined as time the hitting grow like O(δ−1) classical walk will of a (Proposition But ∆ ≥ 2(cid:112)1 − |λ1|2 1 On the [36]). w ギャップの sin(2φj) cos(2φj) は、最終的に固有値が δ = 1−λ1 であることに気付き、一般には、打撃は a の o(δ−1) の古典的ウォークウィルのように成長する(ただし、 [36] 上の ~ ≥ 2(cid:112)1 − |λ1|2 1 である)。 0.70
the hitting of time the other hand, of O(∆−1) scale Quantum Walk (Theorem 6 will like ≥ √ where ∆ := 2ϕ1. 一方の時間の打つ、O(*−1)スケールの量子ウォーク(Theorem 6 は * := 2φ1 のときの * を好みます。 0.76
of [36]), δ = 1 − λ1 = so ∆ = Ω(δ1/2). of [36]), δ = 1 − λ1 = so ∆ = Ω(δ1/2). 0.89
2 fact, writing In δ, 1 − cos ϕ1, in Taylor expanding and series cos ϕ1 = 1 − ϕ2 + ϕ4 + O(ϕ6 see can that 1), we 1 1 24 2 − ϕ4 ϕ2 ϕ2 ≥ 1 − cos ϕ1 ≥ 1 1 1 2 2 24 Using the δ of and ∆ and definitions (cid:18) ϕ1 ∈ (0, π/2), it is (cid:18) ∆2 ≥ δ ≥ ∆2 8 8 δ, 1 − cos φ1, in Taylor expand and series cos φ1 = 1 − φ2 + φ4 + O(φ6 see that 1), we 1 242 − φ4 φ2 ≥ 1 − cos φ1 ≥ 1 1 1 2 24 using the δ of and definitions (cid:18) φ1 ∈ (0, π/2), it is (cid:18) φ2 ≥ ≥ 2 8 8. 0.85
immediate − ∆4 · 24 24 すぐ- ∆4 · 24 24 0.79
the . ∆2 = 8 ≥ ∆2 8 はあ? . ∆2 = 8 ≥ ∆2 8 0.70
1 − 1 − ∆2 2 · 24 π2 2 · 24 1 − 1 − ∆2 2 · 24 π2 2 · 24 0.91
that (A10) fact (cid:19) (cid:19) . あれ (A10)事実(cid:19)(cid:19) 0.74
(A11) Consequently, why their (A11) それゆえ なぜ彼らは 0.82
∆ = Quantum Walks classical s = 量子ウォーク 古典的 0.65
Θ(δ1/2), are counterparts. θ(δ1/2) は対応する。 0.68
and is this quadratically そして これは四角形で 0.58
the faster reason than より速く 理由よりも 0.74
英語(論文から抽出)日本語訳スコア
17 9. in FIG. 17 9. FIG。 0.77
Geometrical subspace A + B, that the block diagonal matrix, where Grover-like sum of the direct operator represents equation ブロック対角行列が直接作用素のグロバー様和が方程式を表す幾何学的部分空間a + b 0.74
a in quantum walk of (A2) with their defined 2-dimensional a each block is subspace the rotations in (4) from section II C. イン 定義された2次元のブロックを持つ(A2)の量子ウォークは、セクションII Cから(4)の回転を部分空間とする。 0.57
visualization operator W of Szegedy corresponding rotation rotation ωj = R(2ϕj) A + B, spanned and 可視化 Szegedy 対応回転回転 ωj = R(2φj) A + B の作用素 W をスパンドし、 0.75
a type. W (A4), may operators given by (A9). タイプ。 W (A4) は (A9) によって与えられる演算子である。 0.55
therefore W . performs よってW。 実行する 0.61
series be written rotations as a represents quantum walk シリーズ執筆。 回転は量子ウォークを表します 0.71
This figure This by of この図は で ですから 0.61
Appendix B: Mathematical Appendix B: 数学的 0.91
of out-of-equilibrium quantum Metropolis 平衡外量子メトロポリスの 0.79
description the algorithm 説明 はあ? アルゴリズム 0.61
the reviewed Szegedy quana the use はあ? レビュー Szegedy quana (複数形 Szegedy quanas) 0.47
appendix A we In have the quantum walk. appendix A we 量子ウォークを持つ。 0.65
In this appendix, we present tum Metropolis-Hasting algorithm based on Szegedy walks. 本稿では,Szegedy ウォークに基づく tum Metropolis-Hasting アルゴリズムを提案する。 0.72
of Z−1(β)(cid:80) algoMetropolis-Hasti ngs The objective of the ρβ = distribution from the Gibbs sampling rithm is |πβ(cid:105)(cid:104)πβ| |φ(cid:105)(cid:104)φ|, φ∈Ω e−βE(φ) where = angles E(φ) is the energy of a given configuration of Z(β) = (cid:80) the molecule, inverse the of a of the of role plays β the process, temperature that will be lowered during φ∈Ω e−βE(φ) factor. Z−1(β)(cid:80) algoMetropolis-Hasti ngs ρβ = distribution from the Gibbs sample rithm is |πβ(cid:105)(cid:104)πβ| |φ(cid:105)(cid:104)φ|, φ(φ) where = angles E(φ) is the energy of a given configuration of Z(β) = (cid:80) inverse the a of the role of the a are β play β, process, the temperature will lowered during φ(φ) factor. 0.93
a and normalization configuration Ω represents the case the space, our can One torsion angles may take. a と正規化の構成 Ω は、空間、我々の缶 1 のトーション角が取ることができる場合を表す。 0.63
the possible values only is that immediately notice sufficiently large configurations the with lowest energy 可能な値は、最も低いエネルギーで十分大きな構成にすぐに気づくことのみである 0.79
possible if β the in 可能 β です。 で 0.68
of to state ですから へ state 0.67
in when will high state est in いつから? ハイステート・エストインは 0.51
state, with such one the lowprotein タンパク質が少ない状態では 0.63
from that sampling to prepare Thus, we wish configuration with the find the case folded the そのサンプリングから準備するので、find the caseが折り畳まれた構成を希望します。 0.65
appear probability. able to be energy, in our nature. 確率が現れます 自然界において エネルギーになり得るのです 0.73
πβ to distribution is construct such way One as has that Chain create rapidly mixing Markov a πβ. 分布へのπβは、連鎖が急速にマルコフa πβを混合させるような構成である。 0.70
is Such Markov Chain equilibrium distribution at a given β, by a transition matrix W characterized, states. そのようなマルコフ連鎖平衡分布は与えられたβにおける遷移行列 w によって特徴づけられる状態である。 0.72
random walk possible over the that induces a is, W maps to distribution a another given p That = Wp. a を誘導する b 上のランダムウォークが可能であり、w は別の p を wp = wp に分配する。
訳抜け防止モード: ランダムな歩行が可能で、a を誘導します。 W は別の p = Wp の分布にマップする。
0.82
p(cid:48) introduce definitions: useful some Let us state any if irreducible called walk aperiodic an is state other from any in Ω can accessed be in Ω, alAdditionally, single though not necessarily in a step. p(cid:48) 定義を紹介します: 有用 任意の既約値である walk a periodic an is が Ω のどの状態からでもアクセス可能 Ω, alAdditionally, single に記述する。
訳抜け防止モード: p(cid:48 ) introduced definitions : useful some let any if irreducible called walk a periodic an is state from any in Ω can accessed Ω, alditionally, single, but not in a step.
0.75
we is reversible when fulfills the will say detailed 私たちは可逆的です 詳細を述べます 0.65
it that a balance W β j,iπβ i それ そのバランス W β j,iπβ i 0.73
walk condition = W β i,jπβ j walk condition = W β i,jπβ j 0.94
. (B1) . (B1) 0.90
英語(論文から抽出)日本語訳スコア
, i j is is , 私は j は は 0.74
to (1), and へ (1), そして 0.68
(B3) (B2) using (B3) (B2) 利用 0.87
Tij = where, following Tij = どこ? 以下 0.71
condition there else, outgoing be to case for 条件 他にも outgoing (複数形 outgoings) 0.61
algorithm, we previous quantize to seen in the evolution アルゴリズムは前もって 進化に見られるように量子化しました 0.60
(cid:40) Metropolis-Hastings algorithm uses the transition matrix 1 −(cid:80) (cid:54)= j Wij = TijAij, if i k(cid:54)=j TkjAkj, if i = j, 1, e−β(Ei−Ej )(cid:17) (cid:16) as the main text in given equation Aij = min (cid:40) 1 connecting a move N 0, (B4) for N possible of number the movements assume we from state which j, independent of the current state, as is the our particuthe Metropolis-Hastings of In lar case the problem. (cid:40) metropolis-hastingsアルゴリズムは遷移行列 1 −(cid:80) (cid:54)=j wij = tijaij, if i k(cid:54)=j tkjakj, if i = j, 1, e−β(ei−ej )(cid:17) (cid:16) を、与えられた方程式 aij = min (cid:40) 1 における主文として使う。
訳抜け防止モード: (cid:40 ) Metropolis - Hastings アルゴリズムは遷移行列 1 − (cid:80 ) (cid:54) = j Wij = TijAij, i = j, 1, e−β(Ei−Ej ) ( cid:17 ) ( cid:16 ) ( cid:40 ) 1 が与えられた方程式 Aij = min ( cid:40 ) 1 の主文であるなら、 (B4 ) を N 個の数にすると、運動は j をどの状態からと仮定する。 現在の状態とは独立しており、私たちの参加するメトロポリスもそうである。
0.79
detailed algorithm the balance fulfilled definitions. 定義を満たすバランスの詳細なアルゴリズム。 0.81
above with the now Having defined the Metropolis section. 上述の通り、メトロポリス地区が定義されている。 0.57
it quantize to want the There the proposals several been have Apbe can as algorithm, Metropolis slow on from pendix B. いくつかの提案では、Apbe をアルゴリズムとして扱うことができ、Metropolis は Pendix B から遅くなる。 0.69
They often rely |πt(cid:105) → |πt+1(cid:105) using of Amplitude Amplivariations large a fication, β until algorithms often most However, is of outside used are equilibrium, approaches. それらはしばしば |πt(cid:105) → |πt+1(cid:105) に依存するが、しばしばアルゴリズムが外部で使われるのが平衡、アプローチである。 0.78
not often worked out least are There quantitwo at out-of-equilibrium Metropolis-Hastings the zation of with The [21]. 少なくともあまりうまくいかないのは、[21] と[21] の結合を平衡外メトロポリスに quantitwo が存在することである。 0.52
algorithm first rewind’ [19] uses quansimpler a instead walks, tum amplificawhere tion, estimation is used on operators quantum phase means that so Wj, first eigenvalue eigenvecthat have we corresponding t (cid:105) = |πt(cid:105) |ψ0 tor gap is ∆t, the eigenvalue is O(∆−1 the ). アルゴリズム first rewind' [19] use quansimpler a instead walk, tum amplifica where tion, estimation is used on operators quantum phase means that wj, first eigenvalue eigenvec that have we corresponding t (cid:105) = |πt(cid:105) |ψ0 tor gap is st, the eigenvalue is o(−1 the )。 0.92
of Quantum Phase Estimation cost |πt(cid:105)(cid:104)πt| t Q⊥ = and = Qt measurements Define 1 − |πt(cid:105)(cid:104)πt|, t indicating index for the step an of Performing these measurethe cooling schedule. of Quantum Phase Estimation cost |πt(cid:105)(cid:104)πt| t Q = and = Qt Measurement Define 1 − |πt(cid:105)(cid:104)πt|, t indicate index for the step a of performing the cooling schedule。 0.86
ments in performing as we have mentioned, consists, operator Wt, corresponding of estimation phase cost ∆−1 type Q⊥ indicates a measurement If at t t ‘withthe a is called restart of whole it Q⊥ measurement out rewind’. 前述したように実行するための要素は、演算子Wt、推定位相コストに対応する - 1 型 Q は、t t で「a が全体の再起動と呼ばれている場合は、Q 測定が巻き戻す」測定を示します。 0.69
However, is obof Wt−1. ただし、Wt−1 は省略される。 0.58
t estimation can perform phase tained, one |(cid:104)πt|πt−1(cid:105)|2 = F 2 probability transition the , then If ↔ Qt−1 ↔ Q⊥ t Q⊥ t−1 between Qj between and is t by F 2 given and the probability between transition ↔ Q⊥ ↔ Qt−1 t Q⊥ t−1 between and Qt by given is 1 − F 2 t so , in a logarithmic number of steps one can |πt−1(cid:105) |πt(cid:105). 1 |(cid:104)πt|πt−1(cid:105)|2 = f2 確率遷移 qj と t by f2 の間の qt−1 と遷移 qt−1 t qt−1 の間の確率は 1 − f 2 t so であり、ステップの対数で |πt−1(cid:105) |πt(cid:105) |πt(cid:105) となる。 0.83
t recover state in the previous perform the to ways t 回復状態 前回までのやり方で 0.64
measuring prepared [17]. 準備[17]を測る. 0.81
of algorithm if been achieved. もしアルゴリズムが 達成された 0.74
Metropolis the the Since one, version of メトロポリス 以来 1つ、バージョン 0.51
‘Zeno previous ‘Zeno previous] 0.89
called of something amplitude と呼ばれる 何か 振幅 0.69
has this that the これは あれ はあ? 0.56
or t ; . あるいは t ; . 0.83
18 is is in to 18 は は で へ 0.74
the := t as the はあ? :=t として 0.64
unitary T T S(t) Unitary T T S(t) 0.81
indicated also unitary The heuristic 表示 ユニタリーも ヒューリスティック 0.53
procedure expected previously to 予期される手順 前回までの 0.65
second procedure (B5) would algoof a classical way of slowly walk, aim tempersignificantly because ones estimation on 第二の手順 (B5) ゆっくり歩くという古典的なやり方を採り入れ、推定するからこそ微妙に目指す 0.64
proposal to perform [21] |π0(cid:105) . 21] |π0(cid:105) を実行する提案。 0.68
|ψ(L)(cid:105) = WL...W1 way simplest is in some ways the one Metropolis-Hastings the of quantizing implementing a quantum instead クォータポリス・ハスティングが量子化の代りに量子化の代りに、ある意味では最も単純である | (L)(cid:105) = WL...W1 方法 0.68
walk to the is very similar classical of steps the the arrives one to procedure this is explained perform phase walk to the is very similar of steps the arriveds one to procedure this is explained perform phase (英語) 0.76
This think rithm, random walk. これは無作為な歩き方だ 0.57
It performing many β increasing until addition, In ature. atureでは、付加まで多くのβが増加する。 0.80
the simpler than it not does require Wt. よりシンプルにWtを必要としません。 0.74
introduced are innovations Two more [21]. 導入はイノベーションの2つ[21]です。 0.63
In by Time Total heuristic place, first the a to Solution start some defined. 時間総ヒューリスティックな場所では、最初に a to Solution がいくつかの定義を開始します。 0.64
(TTS) Assuming is distribution are if operators W applied t times, the probability given successful order p(t). (TTS) 分布を仮定すると、演算子 W が t 回適用した場合、成功した順序 p(t) が与えられる確率である。 0.71
of be to In by success 1−δ repeating with constant probability that means log(1 − δ)/ log(1 − p(t)) the times. 成功による In の 1−δ は一定確率で繰り返され、その時は log(1 − δ)/ log(1 − p(t)) を意味する。 0.91
The success total time then is log(1 − δ) log(1 − p(t)) text log(1 − δ) 成功の総時間は log(1 − δ) log(1 − p(t)) text log(1 − δ) である。 0.88
Boltzmann operates operator the stands S for of codification the coin. ボルツマンは、コインの凝固のためのスタンドSを操作します。 0.56
Their operator to procedure log(1 − |(cid:104)πg|WL...W1|π0(cid:105)|2) ground state the Hamiltonian. オペレーターが 手順ログ(1 − |(cid:104)πg|WL...W1|π0(cid:105)|2) ハミルトン状態。 0.57
with alternative constructed [21] to Additionally ˜W coin, operator using such Szegedy quantum walk on three that the |z(cid:105)M |b(cid:105)C. |x(cid:105)S codificaregisters of possible tion the state, M for operthe Boltzmann and C movements, ˜W under the to equivalent ator Szegedy is operator Y a conjugation that maps moves states viceversa: and ˜W = RV †B†F BV, |0(cid:105)M →(cid:88) : j (cid:16)(cid:113) |j(cid:105)M |0(cid:105)C → |j(cid:105)M 1 − Ax·zj ,x |0(cid:105) + |j(cid:105)M |b(cid:105)C → |x · zb j(cid:105) S with alternative constructed [21] to Additionally ˜W coin, operator using such Szegedy quantum walk on three that the |z(cid:105)M |b(cid:105)C. |x(cid:105)S codificaregisters of possible tion the state, M for operthe Boltzmann and C movements, ˜W under the to equivalent ator Szegedy is operator Y a conjugation that maps moves states viceversa: and ˜W = RV †B†F BV, |0(cid:105)M →(cid:88) : j (cid:16)(cid:113) |j(cid:105)M |0(cid:105)C → |j(cid:105)M 1 − Ax·zj ,x |0(cid:105) + |j(cid:105)M |b(cid:105)C → |x · zb j(cid:105) S 0.87
|j(cid:105) (B9a) (cid:113) Ax·zj ,x |1(cid:105)(cid:17) (B9b) |j(cid:105)M |b(cid:105)C (B9c) |j(cid:105) (B9a) (cid:113) Ax·zj ,x |1(cid:105)(cid:17) (B9b) |j(cid:105)M |b(cid:105)C (B9c) 0.71
|x(cid:105)S |x(cid:105)S |x(cid:105)S |x(cid:105)S 0.76
T T S(L) = L T T S(L) = L 0.85
N−1/2 the main N−1/2 メインは 0.50
equation |x(cid:105)S equation |x(cid:105)S 0.82
with, (B6) (B7) で... (B6) (B7) 0.71
(B8) (7). For (B8) (7). のために 0.77
the B : πg はあ? B : πg 0.66
an of V F アン ですから V F 0.69
: , a : , あ... 0.62
英語(論文から抽出)日本語訳スコア
R : |0(cid:105)M |0(cid:105)C → −|0(cid:105)M |0(cid:105)C (cid:54)= (0, 0) |j(cid:105)M |b(cid:105)C → |j(cid:105)M |b(cid:105)C , prepares B moves, different proposes V necessary bits flips F coin, to the on new state, conditional the R : |0(cid:105)m |0(cid:105)c → −|0(cid:105)m |0(cid:105)c (cid:54)= (0, 0) |j(cid:105)m |b(cid:105)c → |j(cid:105)m |b(cid:105)c , prepareds b move, startings v necessary bits flips f coin, to the on the new state, conditional the the 0.83
(j, b) the preBoltzmann (j,b) プレボルツマン 0.68
(B9d) Here Boltzmann pare the (B9d) ここでBoltzmann pare 0.74
[1] [2] [3] [1] [2] [3] 0.85
[4] [5] [6] [4] [5] [6] 0.85
[7] [8] [9] [7] [8] [9] 0.85
[10] S. H. [10] S。 H! 0.77
the vol. vol. はあ? Vol. Vol. 0.57
112, I. N. Stolte, 112, I.N。 Stolte 0.71
of 52, of vol. 52人です vol. 0.54
pro47, Yost, M. プロ47 ヨスト、M。 0.57
Shindyalov, Shindyalov 0.45
2000. K. 235–242, C. 2000. K! 235–242、C。 0.76
hub Research, B. Rost, et proteome,” Sciences, 研究拠点。 B. Rost, et proteome”。 0.59
al., Proceedings vol. al., Proceedings vol. 0.85
no. “Unexpected the pp. ダメよ 「予想外だった。」 0.47
a worldwide Acids 2019. 世界中のアシド2019。 0.48
S. R. Gunter, D. dark Society, S.R.ガンター、D.ダークソサエティ。 0.57
D. Forman-Kay, V. Hura, S. our way D. Forman-Kay, V. Hura, S. our way 0.78
“Uniprot: Nucleic pp. 「Uniprot: Nucleic pp。 0.77
D506–D515, D506-D515。 0.45
H. J. HeadE. Wemmer, proteome,” 138, H.J.ヘッド。 Wemmer, proteome”, 138。 0.68
2016. “Dark proteome database: 8, High-throughput, 2016. 「ダークプロテオームデータベース:8、高スループット、 0.77
J. Westbrook, Z. Feng, G. Gilliland, and P. E. “The protein data bank,” Nucleic Acids Reno. J. Westbrook, Z. Feng, G. Gilliland, P. E. “The protein data bank, Nucleic Acids Reno”。 0.94
28, vol. pp. 28, vol. pp. 0.85
1, Heinrich, J. Perdig˜ao, Heinrich, J. Perdig 'ao (英語) 0.58
U. Consortium, tein knowledge,” no. U. コンソーシアム、テインナレッジ” だ。 0.60
D1, H. M. Berman, T. N. Bhat, H. Weissig, Bourne, search, N. Sabir, M. J. Buckley, B. Tabor, B. D1, H. M. Berman, T. N. Bhat, H. Weissig, Bourne, search, N. Sabir, M. J. Buckley, B. Tabor, B. 0.88
Signal, B. S. Gloss, C. J. Hammang, features National dark of of Academy 15898– 2015. Signal, B. S. Gloss, C. J. Hammang, feature of National dark of Academy 15898–2015 0.95
15903, Brookes, A. Bhowmick, D. Dyson, D. J. Pande, L. Gordon, G. in the “Finding et al., the American Chemical of Journal no. 15903, Brookes, A. Bhowmick, D. Dyson, D. J. Pande, L. Gordon, G. in the "Finding et al., the American Chemical of Journal No。 0.98
9730–9742, 31, pp. 9730-9742, 31, pp。 0.66
N. Perdig˜ao and A. Rosa, dark on studies proteins,” 2019. p. no. N. Perdig 'ao and A. Rosa, dark on study protein”. 2019. pp. No. 0.83
2, 8, Orban, J. 第2、第8、オルバン、j。 0.63
“Proteins Bryan P. and N. in Opinion Current folds,” 2010. 2010年『Proteins Bryan P. and N. in Opinion Current Folds』。 0.76
482–488, pp. 482-488, pp。 0.63
20, vol. 4, no. 20、Vol。 4、いいえ。 0.68
Lawson, A. D. C. Dunker, K. J. J. S. Oh, C. Williams, P. Romero, Campen, K. W. trinsically disordered protein,” Graphics vol. Lawson, A.D.C. Dunker, K.J.J.S. Oh, C. Williams, P. Romero, Campen, K.W. Trinsically disordered protein”。 0.87
2001. Das R. and D. ing with rosetta,” pp. 2001. das r. and d. ing with rosetta”. pp. 0.84
363–382, 2008. 363–382, 2008. 0.84
University of boinc.bakerlab.org, R. Das, S. Raman, R. Vernon, B. Qian, D. Bradley, P. son, S. Tyka, D. Chivian, al., et prediction targets extensive using rosetta@ home,” Proteins: 69, vol. boinc.bakerlab.org, R. Das, S. Raman, R. Vernon, B. Qian, D. Bradley, P. son, S. Tyka, D. Chivian, al., et predict target extensive using rosetta@ home”. proteins: 69, vol。 0.89
Bioinformatics, no. バイオインフォマティクス、ノー。 0.59
Istrail, and S. E. protein folding: hardness of Journal potentials,” energy 1–22, 1, no. Istrail, and S. E. protein folding: hardness of Journal potentials”. Energy 1–22, 1, No。 0.93
vol. ogy, 4, pp. Vol. Ogy, 4, pp. 0.71
1997. Berger B. and T. Leighton, the hydrophobic-hydrophi lic of Proceedings in Second the on Conference Computational pp. 1997. Berger B. and T. Leighton, the hydrophobic-hydrophi lic of Proceedings in Second the On Conference Computational pp. 0.91
30–39, 1998. 30–39, 1998. 0.84
J. ThompBhat, D. for casp7 with all-atom refinement and Structure, Function, 2007. J. ThompBhat, D. for casp7 with all-atom refinement and Structure, Function, 2007 0.93
S8, pp. 118–128, np“Robust of proofs general lattices and BiolComputational S8, pp。 118–128, np “Robust of proofs general lattices and BiolComputational 0.96
J. R. M. J. Oldfield, A. M. Hipps, “Inet Journal of Molecular 26–59, pp. J. R. M. J. Oldfield, A. M. Hipps, “Inet Journal of Molecular 26-59, pp。 0.82
1, no. 19, 1、いいえ。 19, 0.79
in np-complete,” International Biology, np完全」国際生物学 0.59
“Protein (hp) is Annual Molecular タンパク質(hp)は年次分子である 0.66
“Macromolecular Rev. Biochem., 「高分子レヴ」 生化学。 0.61
that Structural Washington 2021. その構造は ワシントン2021年。 0.75
Khare, M. “Structure Khare, M. “Structure” 0.86
“Rosetta@home.” 「Rosetta@home」 0.54
Baker, Annu. Baker, Annu 0.62
switch Biology, 生物学を切り替える。 0.52
modelvol. 77, and Modelling, モデルボル 77, そしてモデリング。 0.61
Hart for Hart (複数形 Harts) 0.39
Brown, Ratliff, ブラウン。 Ratliff 0.57
folding C. M. 折りたたみ C.M。 0.76
al., , [11] W. アル... , [11]w。 0.62
[12] being coin on state Although slightly is is this [12] 少しはこれですが、状態がコインです。 0.74
in (0, 0) our different, one, mainly 主に (0, 0) 異なるもの 0.49
1, state for the encoding the due 1 は、デュエルをエンコードするための状態です。 0.43
reflection and R is and movement coin of the operators algorithm that we to simplicity. リフレクションとRは、単純化するために演算子アルゴリズムの運動コインである。 0.75
its a operator registers. その あ... オペレーター登録。 0.49
states and have used 19 [13] 使用済みの州 19 [13] 0.77
[14] M. Schwede, [14] M。 Schwede 0.69
T. “Critical prediction Function, 1011–1020, T.「臨界予測関数1011-1020」 0.80
Kryshtafovych, A. assessment and J. Moult, delis, (casp)—round structure of protein and Structure, Proteins: 2019. no. kryshtafovych, a. assessment and j. moult, delis, (casp) - round structure of protein and structure, protein: 2019. no. 0.90
vol. 87, 12, pp. Vol. 87, 12, pp。 0.74
Kirkpatrick, J. J. Jumper, Evans, R. Senior, A. Kirkpatrick, J. J. Jumper, Evans, R. Senior, A。 0.96
A. Zidek, C. Green, Sifre, L. Nelson, A. Qin, T. A. protein “Improved Bridgland, et al., structure prediction using potentials from deep learning,” Nature, A. Zidek, C. Green, Sifre, L. Nelson, A. Qin, T. A. protein “Improved Bridgland, et al., structure prediction using potentials from Deep Learning”, Nature, Nature. 0.96
Topf, Fiof methods xiii,” Bioinformatics, Topf, Fiof method xiii” バイオインフォマティクス, バイオインフォマティクス 0.79
2020. K. C. 2020. K! C。 0.75
vol. 4, p. Vol. 4, p. 0.79
K. G. [19] K! G。 [19] 0.76
[18] [17] [16] [18] [17] [16] 0.85
and 101, Boixo, そして 101, Boixo 0.68
Somma, Physical chemical Somma 物理 化学 0.61
quanno. 4, “Quanpreprint クォンノ 4, 『quanpreprint』 0.61
Barnum, arXiv Barnum, arXiv 0.85
[15] M. D. Hanwell, D. 15] M.D. Hanwell、D。 0.84
Physical 2008. T. 2008年 体育。 T。 0.73
E. Knill, pro13, E. Knill, pro13, 0.88
T. Van“Avovisuof Chem- T. Van "Avovisuof Chem- 0.86
and annealing vol. そしてVolの焼きなまし。 0.48
no. Journal 2012. ダメよ 2012年刊行。 0.63
“Speedup via A, 78, 「A経由のスピードアップ78。 0.63
Curtis, D. Lonie, and G. R. Hutchison, editor, Curtis, D. Lonie, and G. R. Hutchison, editor 0.97
H. annealing,” 2007. H. annealing" 2007年。 0.86
H. Boixo, Barnum, of simulations classical Review Letters, H. Boixo, Barnum, of Simulations classical Review Letters (英語) 0.84
E. E. Zurek, dermeersch, advanced gadro: an semantic analysis alization, and platform,” informatics, vol. E.E. Zurek, dermeersch, Advanced Gadro: an semantic analysis alization, and platform”, informatics, vol。 0.82
no. 1, 17, P. Wocjan and A. Abeyesinghe, tum Review sampling,” p. 2008. ダメよ 1, 17, P. Wocjan and A. Abeyesinghe, tum Review sample”. 2008年。 0.71
042336, R. S. Somma, tum simulated arXiv:0712.1008, R. D. S. “Quantum cesses,” 130504, p. Osborne, K. Temme, and F. Verstraete, D. Poulin, 7336, vol. 042336, R. S. Somma, tum simulated arXiv:0712.1008, R. D. S. “Quantum cesses” 130504, p. Osborne, K. Temme, F. Verstraete, D. Poulin, 7336。 0.91
sampling,” Nature, p. 471, “A Aspuru-Guzik, A. and algorithm,” quantum metropolis Academy National of Sciences, 2012. pp. Nature, pp. 471, “A Aspuru-Guzik, A. and Algorithm”, Quantum Metropolis Academy National of Sciences, 2012. pp。 0.80
J. Heim, B. J. Heim、B。 0.93
“Efficient M. Metropolis-Hastings 2020. p. speed-up of “Quantum [22] M. 45th in algorithms,” Annual of Foundations Computer 2004. M. Metropolis-Hastings 2020.p.p. speed-up of "Quantum [22] M. 45th in algorithm", Annual of Foundations Computer 2004 0.89
B. A. O’Gorman, Perdomo-Ortiz, “Construction and A. Aspuru-Guzik, heteropolymer modsatisfaction programarXiv B。 A. O’Gorman, Perdomo-Ortiz, "Construction and A. Aspuru-Guzik, hetero polymer modsatisfaction programarXiv 0.79
Vollbrecht, “Quantum metropolis 87, no. Vollbrecht, “Quantum metropolis 87, No。 0.81
2011. quantum– the 3, 2011年 - 量子3。 0.81
for lattice constraint quantum optimization,” 格子制約量子最適化のために」 0.81
D. K. Quantum Walk Algorithm,” d.k.量子ウォークアルゴリズム” 0.85
markov IEEE Science, 754–759, Lemieux, Troyer, IEEE科学専攻。 754-759, Lemieux, Troyer 0.78
Svore, Circuits vol. Svore、回路vol。 0.59
Proceedings vol. 109, 略称はVol。 109, 0.60
chain Sympopp. シンポップチェーン。 0.66
32– 287, June Szegedy, 32– 287年6月、セゲディ。 0.62
and for 4, functions study in adiabatic arXiv:1211.3422, そして4。 arXiv:1211.3422における機能研究 0.57
[20] M.-H. Quantum, 20] M.H。 量子。 0.74
Poulin, of no. Poulin もちろんです。 0.47
Yung 2012. based sium on IEEE, 41, R. Babbush, W. Macready, energy of els: a case ming and preprint A. and algorithm arXiv:1908.02163, A. Perdomo-Ortiz, ユン 2012. Sium on IEEE, 41, R. Babbush, W. Macready, energy of els: a case ming and preprint A. and algorithm arXiv:1908.02163, A. Perdomo-Ortiz, 0.79
Robert, I. K. Tavernelli, for ロバート、私。 K. Tavernelli です。 0.76
Barkoutsos, S. “Resource-efficient arXiv Barkoutsos, S. “Resource- efficient arXiv” 0.73
folding,” Woerner, quantum preprint 折りたたみ式” Woerner、量子プリプリント 0.68
Dickson, M. ディックソン。 M。 0.67
Drew-Brook, Drew-Brook 0.79
protein 2019. 2019年タンパク質。 0.69
N. [24] [25] N! [24] [25] 0.79
[23] [21] P. [23] [21] P。 0.83
J. J。 0.77
英語(論文から抽出)日本語訳スコア
[26] M. of [26]M。 ですから 0.63
et a arXiv Babej, など arXiv Babej 0.56
limited Fingerhuth, 限定 Fingerhuth 0.63
hamiltonians 752485, Banchi, ハミルトン人 752485年、バンチ。 0.54
D. Pelissier, D. Pelissier 0.78
Watkins, and R. and A. Aspuru-Guzik, ワトキンスとR。 A. Aspuru-Guzik 0.62
Babej, ansatz protein 2018. Babej、ansatz protein 2018。 0.77
“Coarse-grained annealer,” T. Babej, docking Advances, 「粗粒アニール」 T. Babej, docking Advances 0.63
Fingerhuth, “Molecular Science Fingerhuth, “Molecular Science” 0.98
G. Rose, conformations annealing,” G. Rose, conformation annealing」。 0.80
M. protein preprint Perdomo, and Rose, M. protein preprint Perdomo, and Rose 0.84
“Finding low-energy quantum lattice protein models by 2012. p. 571, alquantum soft and conarXiv preprint 量子格子タンパク質の低エネルギー化は2012年、p.571、alquantum soft、conarXivプレプリント 0.67
2, vol. Scientific Reports, al., “A et with hard folding,” 2、Vol。 Scientific Reports, al., “A et with hard folding” 0.69
A. M. Arora, S. on a quantum computer,” A.M.アローラ、量子コンピュータ上のS。 0.71
S. I. Merritt, Slocum, Renfrew, P. D. “DeBonneau, bioRxiv, S. I. Merritt, Slocum, Renfrew, P. D. “DeBonneau, bioRxiv, 0.94
al., quantum 2018. Tubert-Brohman, “Construction of quantum compuconlow-energy Physical Re- 量子2018です。 Tubert-Brohman, "量子コンプコンローエネルギー物理再構成- 0.69
Weitzner, P. peptides 2020. Weitzner, P. peptides 2020。 0.94
M. Arrazola, sampling,” 2020. and the β-sheet M. Arrazola, sample”, 2020, and the β-sheet 0.90
T. ternating operator for straints lattice arXiv:1810.13411, Fingerhuth, T. folding on lattice arXiv:1811.00713, arXiv Truncik, C. I. T.ternating operator for straints lattice arXiv:1810.13411, Fingerhuth, T. folding on lattice arXiv:1811.00713, arXiv Truncik, C. I。 0.78
A. Aspuru-Guzik, A. G. for adiabatic model application to finding tation and its protein models,” lattice of formations 012320, 1, 78, view A, vol. A. Aspuru-Guzik, A. G. for adiabatic model application to find tation and its protein model”. 012320, 1, 78, view A, vol. 0.86
no. p. 2008. ダメよ 2008年。 0.61
S. C. Strahm, Shi, M. C. Outeiral, G. M. Morris, J. the “Investigating and C. M. Deane, Benjamin, pospeedup quantum tential for a on protein lattice problems,” preprint arXiv:2004.01118, 2020. S.C. Strahm, Shi, M. C. Outeiral, G. M. Morris, J. the Investigating and C. M. Deane, Benjamin, pospeedup quantum tential for a on protein lattice problem”. Preprint arXiv:2004.01118, 2020. 0.90
V. K. Mulligan, H. Melo, H. B. C. signing p. L. J. M. boson p. eaax1950, comThe α-helix found in protein folding. V. K. Mulligan, H. Melo, H. B. C. signed p. L. J. M. boson p. eaax 1950, com αヘリックスはタンパク質の折り畳みで見つかる。 0.65
Such strucmon structures the secondary strucis constitute what tures characterised because and of the protein, ture (φ, ψ) = (−π/3,−π/4) α-helix, and (φ, ψ) = in (−3π/4,−3π/4) the hydrogen to due that happen between backbone bonds amino groups carboxy groups CO. NH and backbone Mathematical Theory R. of Von Mises, Academic Press, and 2014. このような構造体は、タンパク質のture (φ, s) = (−π/3,−π/4) α-ヘリックス、および(φ, s) = in (−3π/4,−3π/4)で、バックボーン結合のアミノ基のカルボキシ群CO.NHとバックボーンの数学的理論R. Von Mises, Academic Press, and 2014の間に生じる水素を特徴付ける。 0.83
Statistics. R. Turney, M. J. 統計学。 R. Turney、M.J。 0.82
A. Hohenstein, E. G. Evangelista, J. Mintz, mann, B. Abrams, et al., “Psi4: tronic program,” Wiley structure Computational Molecular Reviews: no. A. Hohenstein, E. G. Evangelista, J. Mintz, mann, B. Abrams, et al., “Psi4: tronic program”, Wiley structure Computational Molecular Reviews: No。 0.96
pp. 556–565, L. K. Grover, ing a needle for no. pp. 556-565, l. k. grover, 針1本でno。 0.72
ters, 79, vol. ター、79、Vol。 0.61
F. Magniez, and M. A. F. MagniezとM.A。 0.86
“Search via quantum walk,” SIAM Journal puting, 2011. SIAM Journalが2011年に発表した「量子ウォークによる検索」。 0.73
T. scaling ulated p. E. mini EricAlcaide/MiniFold /, H. Abraham et “Qiskit: T.scale ulated p.E. mini EricAlcaide/MiniFold /, H. Abraham et “Qiskit: 0.79
“Quantum mechanics searchin a haystack,” Physical Review Let2, p. Nayak, とQuantum Mechanics searchin a haystack, Physical Review Let2, p. Nayak. 0.75
40, no. 1, and D. A. advantage a for annealing,” Physical Review X, 40、いいえ 1とd.a. advantage a for annealing”. physical review x.(英語) 0.61
Parrish, FerT. Parrish、FerT。 0.69
L. J. Wilke, M. ab initio elecInterdisciplinar y Science, 2, L. J. Wilke, M. ab initio elecInterdisciplinar y Science, 2 0.97
pp. Lidar, quantum annealer vol. pp. Lidar, quantum annealer vol. (英語) 0.75
of a “Demonstration simover no. demonstration simover no.”の略。 0.71
8, 3, called are the in the β-sheet, 8, 3, βシートの内側と呼ばれる。 0.74
a deeplearning-based https://github.com/ ディープラーニングベースのhttps://github.com/ 0.28
Ing, and C. gaussian with 6, vol. Ing, and C. gaussian with 6, vol。 0.87
no. 23, C. F. L. A. Burns, ダメよ 23, C.F.L.A。 0.66
031016, Alcaide, protein 031016, Alcaide, タンパク質 0.97
“Minifold: folding J. open-source 「最小:折りたたみ J.オープンソース 0.68
Simmonett, A. Santha, on Com- シモネ、A。 Santha, on Com- 0.82
vol. Albash 1997. Vol. アルバシ 1997. 0.69
Roland, correspond to 2019. Roland 対応 2019. 0.57
An open-source Probability 安 オープンソース 確率 0.65
325, J. 142–164, 325、j。 142–164, 0.72
engine.” M. J. エンジン」。 M.J。 0.80
frame- 2018. フレーム 2018. 0.79
2012. helps vol. 2012. 助けて Vol. 0.73
two al., an 二 アル... アン 0.52
in 4, [27] [28] で 4, [27] [28] 0.82
[29] [30] [31] [29] [30] [31] 0.85
[32] [33] [34] [32] [33] [34] 0.85
[35] [36] [37] [35] [36] [37] 0.85
[38] [39] [48] M. Abadi, [38] [39] M.Abadi (複数形 M.Abadis) 0.70
20 aws. [40] 20 aws。 [40] 0.83
[41] [42] [43] [41] [42] [43] 0.85
[44] [45] [46] [44] [45] [46] 0.85
[47] [49] [50] [47] [49] [50] 0.85
[51] [52] [53] [51] [52] [53] 0.85
[54] [55] [56] [54] [55] [56] 0.85
[57] [58] J. [57] [58] J。 0.82
J. for 220, J。 ですから 220, 0.72
T. A. Olsen, T.A。 Olsen 0.65
no. P. services.” ダメよ P。 サービス」。 0.67
integrable integrable~ 0.71
to arXiv InterSci- arXivは InterSci- 0.78
2019. web J. M. Gambetta, 2019年 ウェブ J.M.ガンベッタ 0.74
Vecchi, Science, Vecchi、Science、 0.76
Gindulyte, P. Gindulyte, P。 0.75
efficiently preprint 効率的なプレプリント 0.48
and P. M. annealing,” 1983. 1983年、P. M. annealing。 0.73
He, Thiessen, improved Research, He, Thiessen, improve Research 0.73
quantum computing,” “Amazon 量子コンピューティング」とAmazonは言う。 0.74
vol. 3, Helgaker, electronic-structure Vol. 3 ヘルガカー、電子構造 0.69
2013. J. MolecuJohn Wiley & Sons, 2013. J. MolecuJohn Wiley & Sons。 0.89
“Creating superpositions probability quant-ph/0208112, creating superpositions probability quant-ph/0208112 0.76
J. Karalekas, N. A software package quantum computers,” J. Chen, j. karalekas, n. a software package quantum computers”. j. chen. 0.81
Cheng, A. Shoemaker, 2019 Nucleic pp. Cheng、A. Shoemaker、2019 Nucleic pp。 0.83
D1102–D1109, basis D1102–D1109,base 0.56
A. update: Acids 2019. orbital sets,” Wiley Computational Molecular 273–295, and theory. A. update: Acids 2019. orbit set”. Wiley Computational Molecular 273-295, and theory. 0.93
work Inc., Amazon.com, 2021. amazon.com, Chen, Kim, S. J. work Inc., Amazon.com, 2021. amazon.com, Chen, Kim, S. J. 0.86
B. Li, Q. S. He, al., “Pubchem B. Yu, et to access data,” chemical vol. B.Li, Q.S.He, al., “Pubchem B. Yu, et to access data” 化学 vol。 0.88
no. D1, 47, F. “Atomic Jensen, disciplinary Reviews: 3, ence, pp. ダメよ D1, 47, F. “Atomic Jensen, disciplinary Reviews: 3, ence, pp。 0.73
T. Jorgensen, lar 2014. T.Jorgensen, lar 2014。 0.81
L. Grover and T. Rudolph, that correspond distributions,” 2002. 2002年 "L. Grover and T. Rudolph, that corresponding distributions"。 0.88
S. Kirkpatrick, “Optimization vol. S. Kirkpatrick, “Optimization vol。 0.92
no. K. Temme, mitigation for ical Review Letters, vol. ダメよ K. Temme, al Review Lettersの緩和, vol。 0.64
119, no. 18, p. 180509, LaRose, A. Mari, P. R. “Mitiq: Zeng, and W. on ror mitigation noisy P. Barham, 119、ノー。 18, p. 180509, LaRose, A. Mari, P. R. “Mitiq: Zeng, and W. on ror mitigation noisy P. Barham. 0.86
D. Gelatt, C. simulated by 671–680, 4598, pp. D. Gelatt, C.simulated by 671–680, 4598, pp。 0.80
S. Bravyi, “Error and short-depth quantum circuits,” Phys2017. S. Bravyi, “エラーと短距離量子回路” Phys2017。 0.83
Shammah, for er2020. Shammah, for er2020。 0.95
Z. Chen, A. Davis, Islarge-scale Symposium Implementation Z. Chen, A. Davis, Islarge-scale Symposium implementation 0.83
S. Ghemawat, G. Irving, M. “Tensorflow: system A for {USENIX} 12th and Design 2016. https://github.com/ S. Ghemawat, G. Irving, M. “Tensorflow: system A for {USENIX} 12th and Design 2016 https://github.com/ 0.85
J. Dean, M. Devin, ard, et al., in machine learning,” Systems Operating on ({OSDI} pp. J。 Dean, M. Devin, ard, et al., in machine learning”. Systems Operating on ({OSDI} pp。 0.80
16), F. al., Chollet et fchollet/keras, S. R. Sutton An ing: P. J. 16)、F。 al., Chollet et fchollet/keras, S. R. Sutton An ing: P. J。 0.79
Van annealing,” Springer, plications, probable Student, Biometrika, 1–25, 1908. バンアニーリング」Springer, plications, probable Student, Biometrika, 1–25, 1908年。 0.72
R. Portugal, Quantum walks Springer, 2013. R. Portugal, Quantum walk Springer, 2013 0.82
A. Ambainis, distinctness,” no. A. Ambainis, distinctness” だ。 0.72
G. D. Paparo a in quantum network,” Scientific Reports, vol. g.d. paparo a in quantum network”. scientific reports. vol. (英語) 0.70
2, p. 444, 2012. 2、p.444、2012。 0.75
G. D. Martin-Delgado, network,” G. Paparo, Martin-Delgado, speedup for active no. G.D. Martin-Delgado, network”, G. Paparo, Martin-Delgado, speedup for active no。 0.86
4, X, vol. 3, p. in most that Notice not explicitly include though. 4、x、v。 ただし、通知には明示的に含まれていない。 0.55
and M. A. Comellas, complex in google a 2013. とM.A.Comellas、2013年にGoogleで複雑。 0.70
3, vol. 2773, p. A. Makmal, M. A. V. and “Quantum Briegel, learning agents,” Physical Review 031002, texts S. 第3巻。 2773, p. A. Makmal, M. A. V. and "Quantum Briegel, learning agent", Physical Review 031002, texts S。 0.67
introduction. MIT press, Laarhoven H. in pp. 紹介。 MITの報道、Laarhoven H. in pp. 0.72
“The pp. Paparo, M. M¨uller, F. “Quantum Scientific Reports, Dunjko, J. 通称「p」。 Paparo, M. M suller, F. “Quantum Scientific Reports, Dunjko, J. 0.73
“Quantum walk algorithm for SIAM Journal on Computing, SIAM Journal on Computingの量子ウォークアルゴリズム 0.57
E. annealing: 1987. error E. annealing: 1987. エラー 0.85
2014. definition the is It assumed 2014年の定義 想定通り 0.69
and Simulated 7–15, とシミュレートされた7-15。 0.43
265–283, “Keras.” 2015. 265-283, “Keras” 2015年。 0.61
and A. G. Barto, Reinforcement A. G. Barto, Reinforcement 0.87
and M. Martin-Delgado, M. Martin-Delgado 0.81
“Simulated ap- 『simulated ap-』 0.72
of M does implicitly element vol. M は暗黙的に 要素vol。 0.67
37, 2018. Aarts, 37, 2018. Aarts 0.72
algorithms. 210–239, アルゴリズム。 210–239, 0.70
“Google mean,” 『google』 つまり”。 0.69
Theory search learn- 2007. 理論 検索 学習 2007. 0.76
and and pp. そして そして pp. 0.76
D. H. of d. H! ですから 0.67
1, a 1, あ... 0.51
                                         ページの最初に戻る

翻訳にはFugu-Machine Translatorを利用しています。