論文の概要: Genome assembly using quantum and quantum-inspired annealing
- arxiv url: http://arxiv.org/abs/2004.06719v3
- Date: Thu, 24 Jun 2021 08:34:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-24 07:02:43.504622
- Title: Genome assembly using quantum and quantum-inspired annealing
- Title(参考訳): 量子及び量子誘起アニールを用いたゲノム組立
- Authors: A.S. Boev, A.S. Rakitko, S.R. Usmanov, A.N. Kobzeva, I.V. Popov, V.V.
Ilinsky, E.O. Kiktenko, and A.K. Fedorov
- Abstract要約: 本稿では、量子および量子に着想を得た最適化手法を用いて、ゲノム組立タスクの解法を示す。
本研究は, 生体情報学における量子コンピューティングの活用により, バイオインフォマティクス問題の解法を効率化する手法である。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent advances in DNA sequencing open prospects to make whole-genome
analysis rapid and reliable, which is promising for various applications
including personalized medicine. However, existing techniques for {\it de novo}
genome assembly, which is used for the analysis of genomic rearrangements,
chromosome phasing, and reconstructing genomes without a reference, require
solving tasks of high computational complexity. Here we demonstrate a method
for solving genome assembly tasks with the use of quantum and quantum-inspired
optimization techniques. Within this method, we present experimental results on
genome assembly using quantum annealers both for simulated data and the $\phi$X
174 bacteriophage. Our results pave a way for an increase in the efficiency of
solving bioinformatics problems with the use of quantum computing and, in
particular, quantum annealing. We expect that the new generation of quantum
annealing devices would outperform existing techniques for {\it de novo} genome
assembly. To the best of our knowledge, this is the first experimental study of
de novo genome assembly problems both for real and synthetic data on quantum
annealing devices and quantum-inspired techniques.
- Abstract(参考訳): DNAシークエンシングの最近の進歩により、ゲノム解析の迅速かつ信頼性が向上し、パーソナライズド医療など様々な応用が期待できる。
しかし、ゲノム再構成、染色体解析、参照なしでのゲノムの再構成に使用される「it de novo} ゲノム組立」の既存の技術では、高い計算複雑性の問題を解く必要がある。
本稿では,量子および量子インスパイアされた最適化手法を用いてゲノム組換えタスクの解法を示す。
この方法では、シミュレーションデータと$\phi$X 174バクテリオファージの両方に量子アニールを用いたゲノム組立の実験結果を示す。
我々の結果は、量子コンピューティング、特に量子アニールを用いたバイオインフォマティクス問題の解法効率の向上の道を開くものである。
我々は、新しい世代の量子アニーリングデバイスは、既存のゲノムアセンブリーのテクニックを上回っていることを期待している。
私たちの知る限りでは、これは量子アニーリングデバイスと量子インスパイアされた技術による実際のデータと合成データの両方に対するde novoゲノムアセンブリ問題の最初の実験的研究である。
関連論文リスト
- 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) - Quantum machine learning for image classification [62.997667081978825]
我々のハイブリッド量子アプローチの1つは、MNISTデータセットで99%以上の顕著な精度を示す。
要約して,本研究は,量子機械学習技術を用いた画像認識と分類の改善に関する継続的な研究に寄与する。
論文 参考訳(メタデータ) (2023-04-18T18:23:20Z) - QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional
Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。
現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。
我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文 参考訳(メタデータ) (2022-11-09T21:43:16Z) - Quantum vs classical genetic algorithms: A numerical comparison shows
faster convergence [0.0]
いくつかの量子変種は、収束速度において全ての古典的変種よりも近い最適結果に対して優れていることを示す。
もしこの利点がより大きなシステムに当てはまるなら、量子遺伝アルゴリズムは量子コンピュータの最適化問題に対処するための新しいツールを提供するだろう。
論文 参考訳(メタデータ) (2022-07-19T13:07:44Z) - Graph Neural Networks for Microbial Genome Recovery [64.91162205624848]
本稿では,グラフニューラルネットワーク(GNN)を用いて,メダゲノミクスビニングのためのコンティグ表現を学習する際のアセンブリグラフを活用することを提案する。
提案手法であるVaeG-Binは,個々のコンティグの潜在表現を学習するための変分オートエンコーダと,アセンブリグラフ内のコンティグの近傍構造を考慮したGNNを組み合わせる。
論文 参考訳(メタデータ) (2022-04-26T12:49:51Z) - Quantum Genetic Algorithm with Individuals in Multiple Registers [0.0]
本稿では,サブルーチンに基づく量子遺伝的アルゴリズムを提案する。
この独特な体系化により、遺伝的アルゴリズムを特徴付ける基本的な要素をすべて記述できる。
量子可観測体の生物模倣的クローニングとブヴ・ゼク・ヒラーイ普遍量子クローニングマシンの2つのパラダイム例について検討する。
論文 参考訳(メタデータ) (2022-03-28T19:05:03Z) - An Efficient Binary Harris Hawks Optimization based on Quantum SVM for
Cancer Classification Tasks [27.169643615242652]
この研究は、量子シミュレーターを用いたがん分類のための新しいハイブリッド量子カーネルサポートベクターマシン(QKSVM)と、バイナリハリスホーク最適化(BHHO)に基づく遺伝子選択を組み合わせたものである。
提案手法は大腸および乳房のマイクロアレイデータセットに適用され、BHHOにより全遺伝子および選択された遺伝子で評価される。
論文 参考訳(メタデータ) (2022-02-24T04:51:05Z) - Deep metric learning improves lab of origin prediction of genetically
engineered plasmids [63.05016513788047]
遺伝工学の属性(GEA)は、配列-ラブの関連を作る能力である。
本稿では,計量学習に基づいて,最も可能性の高い実験室をランク付けする手法を提案する。
我々は、特定の実験室のプラスミド配列のキーシグネチャを抽出することができ、モデル出力の解釈可能な検査を可能にする。
論文 参考訳(メタデータ) (2021-11-24T16:29:03Z) - Estimating gate-set properties from random sequences [0.0]
現在の量子デバイスは、非構造ゲート列の短い後、ネイティブな測定しかできない。
ランダムシーケンス推定という単一の実験は、多くの推定問題を解く。
我々は、最適性能保証付きシャドウ推定の頑健なチャネル変種を導出する。
論文 参考訳(メタデータ) (2021-10-25T18:01:25Z) - Quantum Geometric Machine Learning for Quantum Circuits and Control [78.50747042819503]
我々は、量子幾何学的制御問題に対するディープラーニングの適用をレビューし、拡張する。
量子回路合成問題における時間-最適制御の強化について述べる。
我々の研究結果は、時間-最適制御問題に対する機械学習と幾何学的手法を組み合わせた量子制御と量子情報理論の研究者にとって興味深いものである。
論文 参考訳(メタデータ) (2020-06-19T19:12:14Z)
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。