論文の概要: Biology and medicine in the landscape of quantum advantages

• arxiv url: http://arxiv.org/abs/2112.00760v2
• Date: Thu, 16 Dec 2021 22:40:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-06 04:35:27.083672
• Title: Biology and medicine in the landscape of quantum advantages
• Title（参考訳）: 量子アドバンテージの風景における生物学と医学
• Authors: Benjamin A. Cordier, Nicolas P. D. Sawaya, Gian G. Guerreschi, Shannon K. McWeeney
• Abstract要約: 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。
• 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: Quantum computing holds significant potential for applications in biology and medicine, spanning from the simulation of biomolecules to machine learning approaches for subtyping cancers on the basis of clinical features. This potential is encapsulated by the concept of a quantum advantage, which is typically contingent on a reduction in the consumption of a computational resource, such as time, space, or data. Here, we distill the concept of a quantum advantage into a simple framework that we hope will aid researchers in biology and medicine pursuing the development of quantum applications. We then apply this framework to a wide variety of computational problems relevant to these domains in an effort to i) assess the potential of quantum advantages in specific application areas and ii) identify gaps that may be addressed with novel quantum approaches. Bearing in mind the rapid pace of change in the fields of quantum computing and classical algorithms, we aim to provide an extensive survey of applications in biology and medicine that may lead to practical quantum advantages.
• Abstract（参考訳）: 量子コンピューティングは、生体分子のシミュレーションから臨床的特徴に基づくがんのサブタイピングのための機械学習アプローチまで、生物学や医学の応用において大きな可能性を秘めている。 このポテンシャルは、一般に時間、空間、データといった計算資源の消費を減少させる量子アドバンテージの概念によってカプセル化される。 ここでは、量子優位の概念を単純なフレームワークに融合させ、量子アプリケーションの開発を追求する生物学や医学の研究者を支援することを期待する。 次に、このフレームワークを、これらのドメインに関連するさまざまな計算問題に適用して、取り組みます。 一 特定の応用分野における量子的優位性の可能性の評価及び 二 新規な量子アプローチで対処できるギャップを特定すること。 量子コンピューティングと古典的アルゴリズムの分野での急速な変化を念頭に置いて、現実的な量子的優位性をもたらす可能性のある生物学や医学の応用を幅広く調査することを目指している。

関連論文リスト

• Quantum Algorithms and Applications for Open Quantum Systems [1.7717834336854132]
  オープン量子系の基本理論の簡潔な要約を提供する。 次に、最近の量子アルゴリズムに関する議論を掘り下げる。 我々は,本分野の現実的な化学,生物,物質システムへの適用性を実証し,関連する応用の議論を締めくくった。
  論文  参考訳（メタデータ） (2024-06-07T19:02:22Z)
• Singular value decomposition quantum algorithm for quantum biology [0.0]
  本稿では,最近開発された特異値分解アルゴリズムを量子生物学における2つのベンチマークシステムに適用する。 このアルゴリズムは,量子シミュレータの実装により,これらのシステムの短時間・長時間の正確なダイナミクスを捉えることができることを示す。
  論文  参考訳（メタデータ） (2023-09-29T16:52:10Z)
• 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 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)
• 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)
• Assessing requirements to scale to practical quantum advantage [56.22441723982983]
  大規模量子アプリケーションに必要なリソースを推定するために,スタックの層を抽象化し,量子リソース推定のためのフレームワークを開発する。 3つのスケールされた量子アプリケーションを評価し、実用的な量子優位性を達成するために数十万から数百万の物理量子ビットが必要であることを発見した。 私たちの研究の目標は、より広範なコミュニティがスタック全体の設計選択を探索できるようにすることで、実用的な量子的優位性に向けた進歩を加速することにあります。
  論文  参考訳（メタデータ） (2022-11-14T18:50:27Z)
• 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)
• Simulating Quantum Materials with Digital Quantum Computers [55.41644538483948]
  デジタル量子コンピュータ(DQC)は、古典的コンピュータでは引き起こせない量子シミュレーションを効率的に行うことができる。 このレビューの目的は、物理量子優位性を達成するために行われた進歩の要約を提供することである。
  論文  参考訳（メタデータ） (2021-01-21T20:10:38Z)
• The prospects of quantum computing in computational molecular biology [0.0]
  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。
  論文  参考訳（メタデータ） (2020-05-26T15:18:05Z)
• 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。