論文の概要: Quantum Deep Learning for Mutant COVID-19 Strain Prediction
- arxiv url: http://arxiv.org/abs/2203.03556v1
- Date: Fri, 4 Mar 2022 08:33:28 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-10 12:01:56.736467
- Title: Quantum Deep Learning for Mutant COVID-19 Strain Prediction
- Title(参考訳): 変異型covid-19株予測のための量子ディープラーニング
- Authors: Yu-Xin Jin, Jun-Jie Hu, Qi Li, Zhi-Cheng Luo, Fang-Yan Zhang, Hao
Tang, Kun Qian, Xian-Min Jin
- Abstract要約: 新型コロナウイルス感染の可能性のある変異(特にスパイクタンパク質)の早期予測は、早期の予防と治療につながる可能性がある。
本稿では,DeepQuantumという開発ツールを提案し,このソフトウェアを用いてスパイクタンパク質の変動構造を予測する。
さらに、このハイブリッド量子古典モデルは、量子にインスパイアされたぼやけた畳み込みを初めて達成した。
- 参考スコア(独自算出の注目度): 22.182326473943004
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: New COVID-19 epidemic strains like Delta and Omicron with increased
transmissibility and pathogenicity emerge and spread across the whole world
rapidly while causing high mortality during the pandemic period. Early
prediction of possible variants (especially spike protein) of COVID-19 epidemic
strains based on available mutated SARS-CoV-2 RNA sequences may lead to early
prevention and treatment. Here, combining the advantage of quantum and
quantum-inspired algorithms with the wide application of deep learning, we
propose a development tool named DeepQuantum, and use this software to realize
the goal of predicting spike protein variation structure of COVID-19 epidemic
strains. In addition, this hybrid quantum-classical model for the first time
achieves quantum-inspired blur convolution similar to classical depthwise
convolution and also successfully applies quantum progressive training with
quantum circuits, both of which guarantee that our model is the quantum
counterpart of the famous style-based GAN. The results state that the
fidelities of random generating spike protein variation structure are always
beyond 96% for Delta, 94% for Omicron. The training loss curve is more stable
and converges better with multiple loss functions compared with the
corresponding classical algorithm. At last, evidences that quantum-inspired
algorithms promote the classical deep learning and hybrid models effectively
predict the mutant strains are strong.
- Abstract(参考訳): デルタやオミクロンなどの感染拡大で感染率や病原性が高まり、世界中に急速に広がり、パンデミック期には高い死亡率を生み出している。
sars-cov-2rna配列の変異に基づくcovid-19感染株の早期変異(特にスパイクタンパク質)の予測は、早期の予防と治療につながる可能性がある。
本稿では、量子と量子に触発されたアルゴリズムの利点とディープラーニングの幅広い応用を組み合わせ、DeepQuantumという開発ツールを提案し、このソフトウェアを用いて、COVID-19感染菌のスパイクタンパク質の変動構造を予測する。
さらに、このハイブリッド量子古典モデルは、古典的奥行き方向畳み込みに類似した量子インスパイアされたぼけ畳み込みを初めて達成し、量子プログレッシブトレーニングを量子回路に適用することに成功した。
その結果、ランダム生成スパイクタンパク質の変異構造はデルタでは96%以上、オミクロンでは94%であることがわかった。
トレーニング損失曲線はより安定であり、対応する古典アルゴリズムと比較して複数の損失関数に収束する。
量子インスパイアされたアルゴリズムが古典的ディープラーニングを促進し、ハイブリッドモデルがミュータント株を効果的に予測する証拠は、最終的に強力である。
関連論文リスト
- Towards Efficient Quantum Hybrid Diffusion Models [68.43405413443175]
本稿では,量子ハイブリッド拡散モデルの設計手法を提案する。
量子コンピューティングの優れた一般化と古典的ネットワークのモジュラリティを組み合わせた2つのハイブリダイゼーション手法を提案する。
論文 参考訳(メタデータ) (2024-02-25T16:57:51Z) - Using quantum annealing to design lattice proteins [0.0]
我々は、D-Waveハイブリッド量子古典解法を用いて、正しいHPモデル基底状態の高速かつ一貫した同定を実証する。
タンパク質設計問題(たんぱくせいてん、英: protein design problem)は、上記の逆問題である。
そこで本研究では,D-Wave マシン上に実装・実行された2段階の手順で設計問題にアプローチする。
論文 参考訳(メタデータ) (2024-02-14T10:28:43Z) - Quantum Computing-Enhanced Algorithm Unveils Novel Inhibitors for KRAS [10.732020360180773]
我々は16量子ビットのIBM量子コンピュータでトレーニングされた量子アルゴリズムのパワーをシームレスに統合する量子古典的生成モデルを導入する。
我々の研究は、実験で確認された生物学的ヒットを生み出すために量子生成モデルを使用した初めてのものである。
論文 参考訳(メタデータ) (2024-02-13T04:19:06Z) - Unbalanced Diffusion Schr\"odinger Bridge [71.31485908125435]
任意の有限質量の辺縁の時間的進化をモデル化する不均衡DSBを導入する。
これは、殺生項を伴う微分方程式の時間反転を導出することで達成される。
本稿では,非バランスなDSBを学習するためのスケーラブルな目的関数を構成する2つの新しいアルゴリズムスキームを提案する。
論文 参考訳(メタデータ) (2023-06-15T12:51:56Z) - Quantum Imitation Learning [74.15588381240795]
本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。
量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。
実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
論文 参考訳(メタデータ) (2023-04-04T12:47:35Z) - The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for
Deep Quantum Machine Learning [52.77024349608834]
古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。
鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。
我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
論文 参考訳(メタデータ) (2022-12-22T16:06:24Z) - Benchmarking Machine Learning Robustness in Covid-19 Genome Sequence
Classification [109.81283748940696]
我々は、IlluminaやPacBioといった一般的なシークエンシングプラットフォームのエラープロファイルを模倣するために、SARS-CoV-2ゲノム配列を摂動する方法をいくつか紹介する。
シミュレーションに基づくいくつかのアプローチは、入力シーケンスに対する特定の敵攻撃に対する特定の埋め込み手法に対して、他の手法よりも堅牢(かつ正確)であることを示す。
論文 参考訳(メタデータ) (2022-07-18T19:16:56Z) - Multi-variant COVID-19 model with heterogeneous transmission rates using
deep neural networks [0.0]
我々は,B.1.617.2デルタ変種とSARS-CoV-2の伝送特性の違いを明らかにするために,サセプティブル・エフェクト・インフェクト・インフェクト・リカバード数学モデルを開発した。
ディープニューラルネットワークを利用し、深層学習アルゴリズムを開発し、各変種に対する時間変化の不均一伝送速度を学習する。
論文 参考訳(メタデータ) (2022-05-13T18:02:38Z) - Training Hybrid Classical-Quantum Classifiers via Stochastic Variational
Optimization [32.562122826341266]
量子機械学習は、短期量子デバイスの潜在的な実用的応用として登場した。
本研究では、一般化線形モデル(英語版)(QGLM)を実装した量子ニューロンの第1層に、第2の古典的合成層が続く2層ハイブリッド古典量子分類器について検討する。
実験は、QGLMニューロンによって実装された様々な活性化関数に対するアプローチの利点を示す。
論文 参考訳(メタデータ) (2022-01-21T10:30:24Z) - Designing a Prospective COVID-19 Therapeutic with Reinforcement Learning [50.57291257437373]
SARS-CoV-2パンデミックは、治療のための世界的なレースを生み出した。
1つのアプローチは、ヒトアンジオテンシン変換酵素2(ACE2)の新規な変異体の設計に焦点を当てる
我々は、強化学習問題として、新しいタンパク質設計の枠組みを定式化する。
論文 参考訳(メタデータ) (2020-12-03T07:35:38Z) - Comparative study of variational quantum circuit and quantum
backpropagation multilayer perceptron for COVID-19 outbreak predictions [7.481372595714034]
本稿では、連続可変量子ニューラルネットワーク(可変回路)と量子バックプロパゲーション多重層パーセプトロン(QBMLP)の比較分析について述べる。
従来の人工ニューラルネットワークよりも優れた性能を示す2つのモデル間の統計的比較を行う。
論文 参考訳(メタデータ) (2020-08-08T17:57:14Z)
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。