論文の概要: Predicting RNA Secondary Structure on Universal Quantum Computer
- arxiv url: http://arxiv.org/abs/2305.09561v2
- Date: Wed, 17 May 2023 07:52:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-18 11:34:08.389058
- Title: Predicting RNA Secondary Structure on Universal Quantum Computer
- Title（参考訳）: ユニバーサル量子コンピュータにおけるRNA二次構造予測
- Authors: Ji Jiang, Qipeng Yan, Ye Li, Min Lu, Ziwei Cui, Menghan Dou, Qingchun
Wang, Yu-Chun Wu and Guo-Ping Guo
- Abstract要約: RNA構造が塩基配列からどのように折り畳み、その二次構造がどのように形成されるかを知るための最初のステップである。
従来のエネルギーベースのアルゴリズムは、特に非ネスト配列の精度が低い。
普遍量子コンピューティングのためのゲートモデルアルゴリズムは利用できない。
- 参考スコア（独自算出の注目度）: 2.277461161767121
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: It is the first step for understanding how RNA structure folds from base
sequences that to know how its secondary structure is formed. Traditional
energy-based algorithms are short of precision, particularly for non-nested
sequences, while learning-based algorithms face challenges in obtaining
high-quality training data. Recently, quantum annealer has rapidly predicted
the folding of the secondary structure, highlighting that quantum computing is
a promising solution to this problem. However, gate model algorithms for
universal quantum computing are not available. In this paper, gate-based
quantum algorithms will be presented, which are highly flexible and can be
applied to various physical devices. Mapped all possible secondary structure to
the state of a quadratic Hamiltonian, the whole folding process is described as
a quadratic unconstrained binary optimization model. Then the model can be
solved through quantum approximation optimization algorithm. We demonstrate the
performance with both numerical simulation and experimental realization.
Throughout our benchmark dataset, simulation results suggest that our quantum
approach is comparable in accuracy to classical methods. For non-nested
sequences, our quantum approach outperforms classical energy-based methods.
Experimental results also indicate our method is robust in current noisy
devices. It is the first instance of universal quantum algorithms being
employed to tackle RNA folding problems, and our work provides a valuable model
for utilizing universal quantum computers in solving RNA folding problems.
- Abstract（参考訳）: RNA構造が塩基配列からどのように折り畳み、その二次構造がどのように形成されるかを知るための最初のステップである。
従来のエネルギーベースのアルゴリズムは、特に非ネストシーケンスでは精度が低いが、学習ベースのアルゴリズムは高品質なトレーニングデータを取得する上で困難に直面している。
近年、量子アニールは二次構造の折り畳みを急速に予測し、量子コンピューティングがこの問題に対する有望な解決策であることを強調している。
しかし、普遍量子コンピューティングのためのゲートモデルアルゴリズムは利用できない。
本稿では,ゲート型量子アルゴリズムについて述べる。これは高い柔軟性を持ち,様々な物理デバイスに適用できる。
二次構造を二次ハミルトニアン状態にマッピングすると、すべての折り畳み過程は二次非制約二元最適化モデルとして記述される。
その後、量子近似最適化アルゴリズムによりモデルを解くことができる。
数値シミュレーションと実験的実現の両方で性能を実証する。
ベンチマークデータセット全体を通して、シミュレーションの結果から、我々の量子アプローチは古典的手法に匹敵する精度を示している。
非ネステッドシーケンスでは、量子アプローチは古典的なエネルギーベースの手法よりも優れている。
また, 実験結果から, 現在のノイズの多いデバイスでは頑健な手法であることが示唆された。
これはRNAの折りたたみ問題に対処するために使われる普遍量子アルゴリズムの最初の例であり、我々の研究はRNAの折りたたみ問題を解決するために普遍量子コンピュータを利用する貴重なモデルを提供する。
関連論文リスト
- Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか?
我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。
我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文 参考訳（メタデータ） (2024-08-22T08:21:28Z) - Quantum Machine Learning: Quantum Kernel Methods [0.0]
カーネルメソッドは古典的な機械学習において強力で一般的なテクニックである。
量子コンピュータ上でしか効率的に計算できない量子特徴空間を使用することで、量子上の優位性を導出することができる。
データ依存型投影量子カーネルは、古典的カーネルに対して大きな利点をもたらすことが示されている。
論文 参考訳（メタデータ） (2024-05-02T23:45:29Z) - Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。
どの場の量子スピードアップが達成できるかという新たな課題が生じる。
量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
論文 参考訳（メタデータ） (2024-02-26T09:32:07Z) - Adaptive Circuit Learning of Born Machine: Towards Realization of
Amplitude Embedding and Data Loading [7.88657961743755]
本稿では,ACLBM(Adaptive Circuit Learning of Born Machine)という新しいアルゴリズムを提案する。
我々のアルゴリズムは、ターゲット状態に存在する複雑な絡み合いを最もよく捉える2ビットの絡み合いゲートを選択的に統合するように調整されている。
実験結果は、振幅埋め込みによる実世界のデータの符号化における我々のアプローチの習熟度を裏付けるものである。
論文 参考訳（メタデータ） (2023-11-29T16:47:31Z) - Hamiltonian Encoding for Quantum Approximate Time Evolution of Kinetic
Energy Operator [2.184775414778289]
時間進化作用素は、量子コンピュータにおける化学実験の正確な計算において重要な役割を果たす。
我々は、運動エネルギー演算子の量子化のための新しい符号化法、すなわち量子近似時間発展法(QATE)を提案している。
論文 参考訳（メタデータ） (2023-10-05T05:25:38Z) - Electronic Structure Calculations using Quantum Computing [0.0]
本稿では,変分量子固有解法(VQE)アルゴリズムを用いた古典量子計算手法を提案する。
我々のアルゴリズムは古典的手法よりも少ない計算資源を必要とする合理化プロセスを提供する。
結果は,新しい材料や技術の開発を迅速化するアルゴリズムの可能性を示している。
論文 参考訳（メタデータ） (2023-05-13T12:02:05Z) - Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。
提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文 参考訳（メタデータ） (2023-04-18T11:57:15Z) - Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。
我々は距離の計算を高速化するために量子現象を利用する。
我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
論文 参考訳（メタデータ） (2022-12-13T16:04:16Z) - Quantum algorithms for quantum dynamics: A performance study on the
spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。
変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。
量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文 参考訳（メタデータ） (2021-08-09T18:00:05Z) - Electronic structure with direct diagonalization on a D-Wave quantum
annealer [62.997667081978825]
本研究は、D-Wave 2000Q量子アニール上の分子電子ハミルトニアン固有値-固有ベクトル問題を解くために、一般量子アニール固有解法(QAE)アルゴリズムを実装した。
そこで本研究では,D-Waveハードウェアを用いた各種分子系における基底および電子励起状態の取得について述べる。
論文 参考訳（メタデータ） (2020-09-02T22:46:47Z) - Quantum Solver of Contracted Eigenvalue Equations for Scalable Molecular
Simulations on Quantum Computing Devices [0.0]
エネルギーの古典的方法の量子アナログである縮約固有値方程式の量子解法を導入する。
量子シミュレータと2つのIBM量子処理ユニットで計算を行う。
論文 参考訳（メタデータ） (2020-04-23T18:35:26Z)
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。