論文の概要: Quantum gate algorithm for reference-guided DNA sequence alignment
- arxiv url: http://arxiv.org/abs/2308.04525v1
- Date: Tue, 8 Aug 2023 18:41:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-10 16:20:19.847570
- Title: Quantum gate algorithm for reference-guided DNA sequence alignment
- Title（参考訳）: 参照誘導型DNA配列アライメントのための量子ゲートアルゴリズム
- Authors: G. D. Varsamis, I. G. Karafyllidis, K. M. Gilkes, U. Arranz, R.
Martin-Cuevas, G. Calleja, P. Dimitrakis, P. Kolovos, R. Sandaltzopoulos, H.
C. Jessen, J. Wong
- Abstract要約: ゲート型量子コンピューティングをモデルとした参照誘導型DNA配列アライメントのための新しい量子アルゴリズムを提案する。
このアルゴリズムはスケーラブルで、既存の古典的なDNAシークエンシングシステムに統合することができ、計算エラーを制限するために意図的に構造化されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Reference-guided DNA sequencing and alignment is an important process in
computational molecular biology. The amount of DNA data grows very fast, and
many new genomes are waiting to be sequenced while millions of private genomes
need to be re-sequenced. Each human genome has 3.2 B base pairs, and each one
could be stored with 2 bits of information, so one human genome would take 6.4
B bits or about 760 MB of storage (National Institute of General Medical
Sciences). Today most powerful tensor processing units cannot handle the volume
of DNA data necessitating a major leap in computing power. It is, therefore,
important to investigate the usefulness of quantum computers in genomic data
analysis, especially in DNA sequence alignment. Quantum computers are expected
to be involved in DNA sequencing, initially as parts of classical systems,
acting as quantum accelerators. The number of available qubits is increasing
annually, and future quantum computers could conduct DNA sequencing, taking the
place of classical computing systems. We present a novel quantum algorithm for
reference-guided DNA sequence alignment modeled with gate-based quantum
computing. The algorithm is scalable, can be integrated into existing classical
DNA sequencing systems and is intentionally structured to limit computational
errors. The quantum algorithm has been tested using the quantum processing
units and simulators provided by IBM Quantum, and its correctness has been
confirmed.
- Abstract（参考訳）: 参照誘導DNAシークエンシングとアライメントは、計算分子生物学において重要なプロセスである。
DNAデータの量は急速に増加し、数百万のプライベートゲノムを再配列する必要がある間に新しいゲノムが配列されるのを待っている。
それぞれのヒトゲノムは3.2B塩基対を持ち、それぞれに2ビットの情報を格納できるため、1つのヒトゲノムは6.4Bビットまたは約760MBの貯蔵を必要とする(National Institute of General Medical Sciences)。
現在、ほとんどの強力なテンソル処理ユニットは、計算能力の大きな飛躍を必要とするDNAデータの量を扱うことができない。
したがって、ゲノムデータ解析、特にDNA配列アライメントにおける量子コンピュータの有用性を調べることが重要である。
量子コンピュータはDNAシークエンシングに関わり、当初は古典的なシステムの一部として、量子加速器として機能することが期待されている。
利用可能な量子ビットの数は毎年増えており、将来の量子コンピュータは古典的な計算システムの代わりにdnaシーケンシングを行うことができる。
ゲート型量子コンピューティングをモデルとした参照誘導型DNA配列アライメントのための新しい量子アルゴリズムを提案する。
このアルゴリズムはスケーラブルで、既存の古典的なDNAシークエンシングシステムに統合することができ、計算エラーを制限するために意図的に構造化されている。
量子アルゴリズムはIBM Quantumが提供する量子処理ユニットとシミュレータを用いてテストされており、その正確性が確認されている。
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) - Supervised binary classification of small-scale digits images with a trapped-ion quantum processor [56.089799129458875]
量子プロセッサは、考慮された基本的な分類タスクを正しく解くことができることを示す。
量子プロセッサの能力が向上するにつれ、機械学習の有用なツールになり得る。
論文 参考訳（メタデータ） (2024-06-17T18:20:51Z) - 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) - Variational Quantum Algorithms for Chemical Simulation and Drug
Discovery [9.862947257151113]
タンパク質の折り畳みの問題を解決するために量子コンピューティングを使用します。
適度なタンパク質は約100個のアミノ酸を持ち、安定な構造を見つけるのに必要な組み合わせの数は膨大である。
異なる量子ハードウェアとシミュレータの結果を比較し,誤差低減が性能に与える影響を確認する。
論文 参考訳（メタデータ） (2022-11-15T02:34:36Z) - Quantum neural networks [0.0]
この論文は、過去数十年で最もエキサイティングな研究分野である量子コンピューティングと機械学習を組み合わせたものだ。
本稿では、汎用量子計算が可能で、トレーニング中にメモリ要求の少ない散逸型量子ニューラルネットワーク(DQNN)を紹介する。
論文 参考訳（メタデータ） (2022-05-17T07:47:00Z) - Quantum Algorithms for Unsupervised Machine Learning and Neural Networks [2.28438857884398]
行列積や距離推定といったタスクを解くために量子アルゴリズムを導入する。
これらの結果は、教師なし機械学習のための新しい量子アルゴリズムの開発に使用される。
また、ニューラルネットワークやディープラーニングのための新しい量子アルゴリズムも提示します。
論文 参考訳（メタデータ） (2021-11-05T16:36:09Z) - Efficient approximation of DNA hybridisation using deep learning [0.0]
本研究は,DNAハイブリダイゼーションの予測に応用された機械学習手法の総合的研究である。
機械学習アルゴリズムの広い範囲の使用を可能にする2.5百万以上のデータポイントの合成ハイブリッド化データセットを紹介します。
論文 参考訳（メタデータ） (2021-02-19T19:23:49Z) - Quantum Computing without Quantum Computers: Database Search and Data
Processing Using Classical Wave Superposition [101.18253437732933]
スピン波重畳を用いた磁気データベース探索の実験データを示す。
古典的な波動に基づくアプローチは、量子コンピュータと同じ速度でデータベース検索を行う場合もあると我々は論じる。
論文 参考訳（メタデータ） (2020-12-15T16:21:53Z) - 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 Discriminator for Binary Classification [0.0]
本稿では,量子識別器と呼ばれる新しい量子機械学習モデルを提案する。
量子判別器はシミュレーションにおいて99%の精度が得られることを示す。
論文 参考訳（メタデータ） (2020-09-02T19:00:23Z) - Quantum Gram-Schmidt Processes and Their Application to Efficient State
Read-out for Quantum Algorithms [87.04438831673063]
本稿では、生成した状態の古典的ベクトル形式を生成する効率的な読み出しプロトコルを提案する。
我々のプロトコルは、出力状態が入力行列の行空間にある場合に適合する。
我々の技術ツールの1つは、Gram-Schmidt正則手順を実行するための効率的な量子アルゴリズムである。
論文 参考訳（メタデータ） (2020-04-14T11:05:26Z)
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。