Fugu-MT 論文翻訳(概要): QuASeR -- Quantum Accelerated De Novo DNA Sequence Reconstruction

論文の概要: QuASeR -- Quantum Accelerated De Novo DNA Sequence Reconstruction

arxiv url: http://arxiv.org/abs/2004.05078v1
Date: Fri, 10 Apr 2020 15:46:52 GMT
ステータス: 処理完了
システム内更新日: 2023-05-25 06:14:02.840645
Title: QuASeR -- Quantum Accelerated De Novo DNA Sequence Reconstruction
Title（参考訳）: QuASeR -- 量子加速型デノボDNA配列再構成
Authors: Aritra Sarkar, Zaid Al-Ars, Koen Bertels
Abstract要約: 提案するQuASeRは,レファレンスフリーなDNA配列再構成実装である。量子フルスタック加速器設計の様々な層について実装の詳細を述べる。
参考スコア（独自算出の注目度）: 2.4192504570921622
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this article, we present QuASeR, a reference-free DNA sequence reconstruction implementation via de novo assembly on both gate-based and quantum annealing platforms. Each one of the four steps of the implementation (TSP, QUBO, Hamiltonians and QAOA) is explained with simple proof-of-concept examples to target both the genomics research community and quantum application developers in a self-contained manner. The details of the implementation are discussed for the various layers of the quantum full-stack accelerator design. We also highlight the limitations of current classical simulation and available quantum hardware systems. The implementation is open-source and can be found on https://github.com/prince-ph0en1x/QuASeR.
Abstract（参考訳）: 本稿では,ゲートベースおよび量子アニールプラットフォーム上でのde novoアセンブリによる参照フリーDNA配列再構成実装QuASeRを提案する。実装の4つのステップのそれぞれ(TSP, QUBO, Hamiltonians, QAOA)は、ゲノム研究コミュニティと量子アプリケーション開発者の両方を自己完結した方法で対象とする単純な概念実証例で説明される。実装の詳細は、量子フルスタックアクセラレータ設計の様々な層について論じられている。また、現在の古典シミュレーションと利用可能な量子ハードウェアシステムの限界も強調する。実装はオープンソースであり、https://github.com/prince-ph0en1x/QuASeRで見ることができる。

関連論文リスト

Redesign Quantum Circuits on Quantum Hardware Device [6.627541720714792]
量子ハードウェア上での大規模量子回路の再設計を可能にする新しいアーキテクチャを提案する。具体的には、このアーキテクチャを(非)パラメータ化回路の等価性チェックを含む、回路最適化における3つの重要な応用に適用する。提案手法の有効性は,従来のコンピュータと現在のNISQハードウェアの両方で実装された,これらのアプリケーションの優れた成果によって実証される。
論文参考訳（メタデータ） (2024-12-30T12:05:09Z)
Enhanced feature encoding and classification on distributed quantum hardware [0.0]
量子支援ベクトルマシン(QSVM)のための新しい特徴マップ最適化手法を提案する。ノイズの多い量子デバイスにおいて重要な要素である、キュービット接続、ネイティブゲートセット、回路深さなど、バックエンド固有のパラメータを考慮に入れます。この研究は、各量子処理ユニット(QPU)を同じトポロジを持つ複数のサブユニットに分割して、個別のQSVMインスタンスを実装した。
論文参考訳（メタデータ） (2024-12-02T16:14:37Z)
Extending Quantum Perceptrons: Rydberg Devices, Multi-Class Classification, and Error Tolerance [67.77677387243135]
量子ニューロモーフィックコンピューティング(QNC)は、量子計算とニューラルネットワークを融合して、量子機械学習(QML)のためのスケーラブルで耐雑音性のあるアルゴリズムを作成する QNCの中核は量子パーセプトロン(QP)であり、相互作用する量子ビットのアナログダイナミクスを利用して普遍的な量子計算を可能にする。
論文参考訳（メタデータ） (2024-11-13T23:56:20Z)
QKAN: Quantum Kolmogorov-Arnold Networks [0.6597195879147557]
Kolmogorov-Arnold Networks (KAN)と呼ばれる新しいニューラルネットワークアーキテクチャが登場し、コルモゴロフ-Arnold表現定理の構成構造に着想を得た。我々のQKANは、量子特異値変換を含む強力な量子線型代数ツールを利用して、ネットワークの端にパラメータ化活性化関数を適用する。 QKANはブロックエンコーディングに基づいており、本質的に直接量子入力に適している。
論文参考訳（メタデータ） (2024-10-06T10:11:57Z)
Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文参考訳（メタデータ） (2024-08-22T08:21:28Z)
A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文参考訳（メタデータ） (2024-02-23T14:09:41Z)
QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
論文参考訳（メタデータ） (2024-01-10T22:33:00Z)
Quantum Signal Processing with the one-dimensional quantum Ising model [0.0]
量子信号処理(QSP)は、量子システムの特性を操作および決定するための有望なフレームワークとして登場した。我々は、時空双対量子回路や量子シミュレーションから量子制御まで、様々な分野における我々のアプローチの例と応用について述べる。
論文参考訳（メタデータ） (2023-09-08T18:01:37Z)
An Optimized Quantum Implementation of ISD on Scalable Quantum Resources [2.274915755738124]
Prange の ISD アルゴリズムは量子コンピュータ上でより効率的に実装可能であることを示す。我々は、古典的コプロセッサのアイデアを活用して、ハイブリッドな古典的量子トレードオフを設計する。
論文参考訳（メタデータ） (2021-12-12T06:01:10Z)
Tensor Network Quantum Virtual Machine for Simulating Quantum Circuits at Exascale [57.84751206630535]
本稿では,E-scale ACCelerator(XACC)フレームワークにおける量子回路シミュレーションバックエンドとして機能する量子仮想マシン(TNQVM)の近代化版を提案する。新バージョンは汎用的でスケーラブルなネットワーク処理ライブラリであるExaTNをベースにしており、複数の量子回路シミュレータを提供している。ポータブルなXACC量子プロセッサとスケーラブルなExaTNバックエンドを組み合わせることで、ラップトップから将来のエクサスケールプラットフォームにスケール可能なエンドツーエンドの仮想開発環境を導入します。
論文参考訳（メタデータ） (2021-04-21T13:26:42Z)
Entanglement Classification via Neural Network Quantum States [58.720142291102135]
本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
論文参考訳（メタデータ） (2019-12-31T07:40:23Z)

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。