論文の概要: Investigating the potential for a limited quantum speedup on protein lattice problems

• arxiv url: http://arxiv.org/abs/2004.01118v2
• Date: Tue, 18 May 2021 14:42:15 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-27 03:17:05.236973
• Title: Investigating the potential for a limited quantum speedup on protein lattice problems
• Title（参考訳）: タンパク質格子問題における制限量子スピードアップの可能性の検討
• Authors: Carlos Outeiral, Garrett M. Morris, Jiye Shi, Martin Strahm, Simon C. Benjamin and Charlotte M. Deane
• Abstract要約: タンパク質の折り畳みは計算生物学における中心的な課題であり、分子生物学、薬物発見、触媒設計において重要な応用である。 量子アルゴリズムはタンパク質の折り畳みと構造予測領域の問題を改善するかもしれない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Protein folding is a central challenge in computational biology, with important applications in molecular biology, drug discovery and catalyst design. As a hard combinatorial optimisation problem, it has been studied as a potential target problem for quantum annealing. Although several experimental implementations have been discussed in the literature, the computational scaling of these approaches has not been elucidated. In this article, we present a numerical study of quantum annealing applied to a large number of small peptide folding problems, aiming to infer useful insights for near-term applications. We present two conclusions: that even naive quantum annealing, when applied to protein lattice folding, has the potential to outperform classical approaches, and that careful engineering of the Hamiltonians and schedules involved can deliver notable relative improvements for this problem. Overall, our results suggest that quantum algorithms may well offer improvements for problems in the protein folding and structure prediction realm.
• Abstract（参考訳）: タンパク質の折りたたみは計算生物学における中心的な課題であり、分子生物学、創薬、触媒設計における重要な応用である。 ハードコンビネート最適化問題として、量子アニーリングの潜在的なターゲット問題として研究されている。 いくつかの実験的な実装が文献で議論されているが、これらのアプローチの計算スケーリングは解明されていない。 本稿では,多数の小ペプチド折り畳み問題に適用する量子アニーリングの数値的研究を行い,短期的応用に有用な知見を推察することを目的とした。 2つの結論として、タンパク質格子の折り畳みに適用した場合、ナイーブな量子アニールさえも古典的アプローチより優れている可能性があり、ハミルトン派や関連するスケジュールの注意深いエンジニアリングはこの問題に対して顕著な相対的な改善をもたらす。 全体として、量子アルゴリズムはタンパク質の折り畳みや構造予測領域の問題を改善できる可能性が示唆された。

関連論文リスト

• Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits [48.33631905972908]
  我々は、事前学習されたニューラルネットワークを用いて変分量子回路(VQC)を強化する革新的なアプローチを導入する。 この手法は近似誤差をキュービット数から効果的に分離し、制約条件の必要性を除去する。 我々の結果はヒトゲノム解析などの応用にまで拡張され、我々のアプローチの幅広い適用性を示している。
  論文  参考訳（メタデータ） (2024-11-13T12:03:39Z)
• Quantum Tunneling: From Theory to Error-Mitigated Quantum Simulation [49.1574468325115]
  本研究では,量子トンネルシミュレーションの理論的背景とハードウェア対応回路の実装について述べる。 我々は、ハードウェアのアンダーユース化問題を解決するために、ZNEとREM(エラー軽減技術)と量子チップのマルチプログラミングを使用する。
  論文  参考訳（メタデータ） (2024-04-10T14:27:07Z)
• Power Characterization of Noisy Quantum Kernels [52.47151453259434]
  一般化誤差が小さい場合でも,量子カーネル法は予測能力に乏しい。 我々は、量子計算にノイズの多い量子カーネル法を用いるために重要な警告を提供する。
  論文  参考訳（メタデータ） (2024-01-31T01:02:16Z)
• A perspective on protein structure prediction using quantum computers [0.4397520291340696]
  我々は,タンパク質構造予測問題を選択するための枠組みを構築した。 ユーティリティスケールの量子コンピュータ上で,そのような問題に対する量子資源を推定する。 概念実証として,ジカウイルスNS3ヘリカーゼの触媒ループの構造を正確に予測し,問題選択の枠組みを検証する。
  論文  参考訳（メタデータ） (2023-12-01T19:04:02Z)
• Resource analysis of quantum algorithms for coarse-grained protein folding models [0.0]
  量子コンピュータ上でタンパク質の折り畳みをシミュレーションするためのリソース要件を分析する。 量子アルゴリズムを構築するのに必要な最小の量子ビット数、相互作用数、および2つの量子ビットゲートを計算する。
  論文  参考訳（メタデータ） (2023-11-07T18:27:44Z)
• Quantum algorithms: A survey of applications and end-to-end complexities [90.05272647148196]
  期待されている量子コンピュータの応用は、科学と産業にまたがる。 本稿では,量子アルゴリズムの応用分野について検討する。 私たちは、各領域における課題と機会を"エンドツーエンド"な方法で概説します。
  論文  参考訳（メタデータ） (2023-10-04T17:53:55Z)
• Effect of alternating layered ansatzes on trainability of projected quantum kernel [0.0]
  我々は, 層状アンサーゼを交互に配置した投影量子カーネルにおいて, 消滅する類似性問題について解析的, 数値解析的に検討した。 回路の深さ, 局所的なユニタリブロックの大きさ, 初期状態に依存することが判明し, 浅い交互層状アンサーゼを用いた場合, この問題は回避可能であることを示す。
  論文  参考訳（メタデータ） (2023-09-30T12:32:39Z)
• Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
  本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。 我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。 これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
  論文  参考訳（メタデータ） (2023-06-29T18:00:01Z)
• Peptide conformational sampling using the Quantum Approximate Optimization Algorithm [0.03499870393443267]
  短いペプチドの低エネルギー配座をサンプリングする際の変分量子アルゴリズムの性能を数値的に検討する。 その結果、QAOAがタンパク質の折りたたみ問題に短期的に対処する能力に深刻な疑念を抱いた。
  論文  参考訳（メタデータ） (2022-04-04T20:09:50Z)
• Vacancies in graphene: an application of adiabatic quantum optimization [0.0]
  量子アンネラは、数千の量子ビットを含む量子計算が可能になった時点まで、複雑さが増している。 本稿では, グラフェン空孔欠陥の相対的安定性を検討するために, 現在の量子アニールの能力に適合する簡単なモデルを用いた。 提案手法では, グラフェンシート上の複数の欠陥の配置を, 相対的な生成エネルギーとともに抽出するために, 基底状態と, 量子アニールによる励起状態を利用する。
  論文  参考訳（メタデータ） (2020-10-12T15:59:39Z)
• An Application of Quantum Annealing Computing to Seismic Inversion [55.41644538483948]
  小型地震インバージョン問題を解決するために,D波量子アニールに量子アルゴリズムを適用した。 量子コンピュータによって達成される精度は、少なくとも古典的コンピュータと同程度である。
  論文  参考訳（メタデータ） (2020-05-06T14:18:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。