Fugu-MT 論文翻訳(概要): NMR Assignment through Linear Programming

論文の概要: NMR Assignment through Linear Programming

arxiv url: http://arxiv.org/abs/2008.03641v2
Date: Wed, 8 Sep 2021 00:33:42 GMT
ステータス: 処理完了
システム内更新日: 2022-11-01 04:42:09.806212
Title: NMR Assignment through Linear Programming
Title（参考訳）: リニアプログラミングによるNMRアサインメント
Authors: Jose F. S. Bravo-Ferreira and David Cowburn and Yuehaw Khoo and Amit Singer
Abstract要約: この手法における計算上の課題は、タンパク質の各原子に共鳴周波数を割り当てる離散最適化問題を解くことである。本稿では,この問題に対する線形プログラミングの新たな定式化であるLIANを紹介する。
参考スコア（独自算出の注目度）: 4.675419387625538
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Nuclear Magnetic Resonance (NMR) Spectroscopy is the second most used technique (after X-ray crystallography) for structural determination of proteins. A computational challenge in this technique involves solving a discrete optimization problem that assigns the resonance frequency to each atom in the protein. This paper introduces LIAN (LInear programming Assignment for NMR), a novel linear programming formulation of the problem which yields state-of-the-art results in simulated and experimental datasets.
Abstract（参考訳）: 核磁気共鳴(NMR)分光法は、タンパク質の構造決定に最も用いられる2番目の技術である。この手法における計算上の課題は、タンパク質の各原子に共鳴周波数を割り当てる離散最適化問題を解決することである。本稿では,シミュレーションおよび実験データセットにおける最先端結果をもたらす新しい線形計画式であるLIAN(LInear Programming Assignment for NMR)を紹介する。

関連論文リスト

Simulating NMR Spectra with a Quantum Computer [49.1574468325115]
本稿では、スピン系のNMRスペクトルのシミュレーションの完全な手順の形式化を提供する。また、量子コンピュータでハミルトン行列を対角化する方法も説明し、プロセス全体の性能を向上させる。
論文参考訳（メタデータ） (2024-10-28T08:43:40Z)
Optimized Current Density Reconstruction from Widefield Quantum Diamond Magnetic Field Maps [0.0]
ダイヤモンド結晶中の窒素原子価(NV)欠陥を利用した量子ダイヤモンド顕微鏡は、様々なナノスケール電流プロファイルの磁場イメージングを可能にした。現在の密度を再構築する問題は、研究中の構造について重要な洞察を与える。推論に基づく再構成の新しい代替手段として,学習アルゴリズムとベイズ的手法が提案されている。
論文参考訳（メタデータ） (2024-02-23T10:57:07Z)
A Deep Learning Approach Utilizing Covariance Matrix Analysis for the ISBI Edited MRS Reconstruction Challenge [13.610321486594756]
本研究は,機械学習モデルを用いて,高品質な磁気共鳴分光法(MRS)スキャンの取得を高速化する手法を提案する。この方法はトランジェントの数に不変であり、合成シナリオとin-vivoシナリオの両方に対して頑健でノイズの多い入力データである。
論文参考訳（メタデータ） (2023-06-05T15:53:56Z)
Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
論文参考訳（メタデータ） (2023-02-13T19:57:17Z)
Digital noise spectroscopy with a quantum sensor [57.53000001488777]
本稿では,ノイズプロセスの自己相関をサンプリングし,再構成するための量子センシングプロトコルを実験的に導入し,実証する。ウォルシュノイズ分光法はスピンフリップパルスの単純な配列を利用してディジタルフィルタの完全基底を生成する。ダイヤモンド中の単一窒素空孔中心の電子スピン上での核スピン浴により生じる有効磁場の自己相関関数を実験的に再構成した。
論文参考訳（メタデータ） (2022-12-19T02:19:35Z)
Retrieving space-dependent polarization transformations via near-optimal quantum process tomography [55.41644538483948]
トモグラフィー問題に対する遺伝的および機械学習アプローチの適用について検討する。ニューラルネットワークベースのスキームは、リアルタイムにキャラクタリゼーションを必要とするアプリケーションにおいて、重要なスピードアップを提供する。これらの結果は、より一般的な量子プロセスにおけるトモグラフィーアプローチの最適化の基礎となることを期待する。
論文参考訳（メタデータ） (2022-10-27T11:37:14Z)
A Quantum Algorithm for the Linear Response of Nuclei [1.449185666769463]
我々は、原子核の小さな外部電磁摂動に対する応答を得る量子アルゴリズムを提案する。実験データと相関する120ドルSnと208ドルPbの値を示し, 従来の線形応答理論を用いて得られた値と比較した。
論文参考訳（メタデータ） (2022-10-17T05:38:20Z)
Regularization by Denoising Sub-sampled Newton Method for Spectral CT Multi-Material Decomposition [78.37855832568569]
スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。スペクトルct材料分解の数値的および実験的結果を示す。
論文参考訳（メタデータ） (2021-03-25T15:20:10Z)
Machine Learning for Vibrational Spectroscopy via Divide-and-Conquer Semiclassical Initial Value Representation Molecular Dynamics with Application to N-Methylacetamide [56.515978031364064]
核振動空間を部分空間に分割する機械学習アルゴリズムを導入する。部分分割基準は、リウヴィルの定理、すなわち減次元ジャコビアン行列式のユニタリの最良の保存に基づいている。このアルゴリズムは12-原子トランス-N-メチルアセトアミドのパワースペクトルの分割・対数半古典計算に適用される。
論文参考訳（メタデータ） (2021-01-11T14:47:33Z)
Blind Source Separation for NMR Spectra with Negative Intensity [0.0]
我々は、負の強度を含むNMRスペクトル分析のためのブラインド音源分離手法をベンチマークした。 FastICA、SIMPLISMA、NNMFは最高のパフォーマンス技術である。 FastICAとSIMPLISMAの精度は、過剰な(非現実的な)純粋なコンポーネントが予測されると急速に低下する。
論文参考訳（メタデータ） (2020-02-07T20:57:48Z)

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。