論文の概要: The prospects of quantum computing in computational molecular biology

• arxiv url: http://arxiv.org/abs/2005.12792v1
• Date: Tue, 26 May 2020 15:18:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-29 00:39:57.713037
• Title: The prospects of quantum computing in computational molecular biology
• Title（参考訳）: 計算分子生物学における量子コンピューティングの展望
• Authors: Carlos Outeiral, Martin Strahm, Jiye Shi, Garrett M. Morris, Simon C. Benjamin, Charlotte M. Deane
• Abstract要約: 我々は、現在の量子アルゴリズムが計算生物学やバイオインフォマティクスにどのように革命をもたらすかを検討する。 膨大な情報を処理する能力から、分野全体に潜在的なメリットがある。 また、この新しい技術における注意点と課題を認識することも重要である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum computers can in principle solve certain problems exponentially more quickly than their classical counterparts. We have not yet reached the advent of useful quantum computation, but when we do, it will affect nearly all scientific disciplines. In this review, we examine how current quantum algorithms could revolutionize computational biology and bioinformatics. There are potential benefits across the entire field, from the ability to process vast amounts of information and run machine learning algorithms far more efficiently, to algorithms for quantum simulation that are poised to improve computational calculations in drug discovery, to quantum algorithms for optimization that may advance fields from protein structure prediction to network analysis. However, these exciting prospects are susceptible to "hype", and it is also important to recognize the caveats and challenges in this new technology. Our aim is to introduce the promise and limitations of emerging quantum computing technologies in the areas of computational molecular biology and bioinformatics.
• Abstract（参考訳）: 量子コンピュータは、原理的には古典的問題よりも指数関数的に早く解くことができる。 まだ有用な量子計算の出現には至っていませんが、実現すればほぼすべての科学分野に影響を及ぼすでしょう。 本稿では,現在の量子アルゴリズムが計算生物学やバイオインフォマティクスにどのように革命をもたらすかを検討する。 膨大な量の情報を処理し、機械学習アルゴリズムをより効率的に実行する能力から、薬物発見における計算計算を改善するための量子シミュレーションのアルゴリズム、タンパク質構造予測からネットワーク分析まで分野を前進させる最適化のための量子アルゴリズムまで、あらゆる分野において潜在的に利点がある。 しかし、これらのエキサイティングな見通しは「ハイプ」の影響を受けやすく、この新しい技術における注意事項と課題を認識することも重要である。 我々は、計算分子生物学およびバイオインフォマティクスの分野で、新たな量子コンピューティング技術の期待と限界を導入することを目的とする。

関連論文リスト

• The curse of random quantum data [62.24825255497622]
  量子データのランドスケープにおける量子機械学習の性能を定量化する。 量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。 この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
  論文  参考訳（メタデータ） (2024-08-19T12:18:07Z)
• Towards quantum-enabled cell-centric therapeutics [2.3677262918873745]
  本稿では,HCLS研究における量子計算の利用によって期待される変化について論じる。 細胞工学、組織モデリング、摂動モデリング、バイオトポロジーにおけるオープンな問題を特定し、精巧に解決する。
  論文  参考訳（メタデータ） (2023-07-11T19:02:37Z)
• Quantum Machine Learning: from physics to software engineering [58.720142291102135]
  古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。 量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2023-01-04T23:37:45Z)
• Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
  量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。 機械学習の観点からQGLMの現状を概観する。 従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
  論文  参考訳（メタデータ） (2022-06-07T07:32:57Z)
• A perspective on the current state-of-the-art of quantum computing for drug discovery applications [43.55994393060723]
  量子コンピューティングは、現在不可能な計算に到達することで、化学研究の多くの分野における計算能力をシフトすることを約束する。 我々は、最先端量子アルゴリズムのスケーリング特性を簡潔に要約し、比較する。 医薬学的に相関するタンパク質-ドラッグ複合体の、徐々に大きな埋め込み領域をシミュレートする量子計算コストの新たな見積もりを提供する。
  論文  参考訳（メタデータ） (2022-06-01T15:05:04Z)
• Extending the reach of quantum computing for materials science with machine learning potentials [0.3352108528371308]
  本稿では,機械学習のポテンシャルを用いて,量子計算手法の範囲を大規模シミュレーションに拡張する戦略を提案する。 各種ノイズ源を選択する機械学習能力の訓練性について検討する。 我々は、水素分子のための実際のIBM Quantumプロセッサ上で計算されたデータから、最初の機械学習ポテンシャルを構築する。
  論文  参考訳（メタデータ） (2022-03-14T15:59:30Z)
• Biology and medicine in the landscape of quantum advantages [0.0]
  量子コンピューティングは生物学や医学の応用に大きな可能性を秘めている。 量子優位の概念を単純な枠組みに融合させ、研究者に役立てることを願っている。 我々は,現実的な量子的優位性につながる可能性のある生物学と医学の応用を幅広く調査することを目指している。
  論文  参考訳（メタデータ） (2021-12-01T19:00:04Z)
• 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)
• Quantum computing using continuous-time evolution [0.0]
  デジタルシリコンコンピュータの速度は限界に達している。 量子コンピューティングは、量子システムのコヒーレンスと重ね合わせを利用する。 初期の量子コンピュータは、デジタルシリコンコンピューティングの初期を思い起こさせる小さなものになるだろう。
  論文  参考訳（メタデータ） (2020-04-01T20:58:15Z)
• Statistical Limits of Supervised Quantum Learning [90.0289160657379]
  精度の制約を考慮すると、教師付き学習のための量子機械学習アルゴリズムは入力次元における多対数ランタイムを達成できないことを示す。 より効率的な古典的アルゴリズムよりも、教師あり学習のための量子機械学習アルゴリズムの方が、ほとんどの場合スピードアップできると結論付けている。
  論文  参考訳（メタデータ） (2020-01-28T17:35:32Z)

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。