論文の概要: QOMIC: Quantum optimization for motif identification

• arxiv url: http://arxiv.org/abs/2311.03400v1
• Date: Sun, 5 Nov 2023 14:48:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-08 18:29:15.988404
• Title: QOMIC: Quantum optimization for motif identification
• Title（参考訳）: QOMIC:モチーフ同定のための量子最適化
• Authors: Hoang M. Ngo, Tamim Khatib, My T. Thai, Tamer Kahveci
• Abstract要約: ネットワークモチーフ識別問題は,生物ネットワークにおけるトポロジ的パターンの発見を目的としている。 モチーフ同定問題に対するQOMICと呼ばれる最初の量子解を開発した。
• 参考スコア（独自算出の注目度）: 15.015259176530714
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Network motif identification problem aims to find topological patterns in biological networks. Identifying non-overlapping motifs is a computationally challenging problem using classical computers. Quantum computers enable solving high complexity problems which do not scale using classical computers. In this paper, we develop the first quantum solution, called QOMIC (Quantum Optimization for Motif IdentifiCation), to the motif identification problem. QOMIC transforms the motif identification problem using a integer model, which serves as the foundation to develop our quantum solution. We develop and implement the quantum circuit to find motif locations in the given network using this model. Our experiments demonstrate that QOMIC outperforms the existing solutions developed for the classical computer, in term of motif counts. We also observe that QOMIC can efficiently find motifs in human regulatory networks associated with five neurodegenerative diseases: Alzheimers, Parkinsons, Huntingtons, Amyotrophic Lateral Sclerosis (ALS), and Motor Neurone Disease (MND).
• Abstract（参考訳）: ネットワークモチーフ識別問題は,生物ネットワークにおけるトポロジ的パターンの発見を目的としている。 非重複モチーフの同定は、古典的なコンピュータを用いた計算上難しい問題である。 量子コンピュータは、古典的コンピュータではスケールしない高複雑性問題を解決することができる。 本稿では,モチーフ同定問題に対するQOMIC (Quantum Optimization for Motif IdentifiCation) と呼ばれる最初の量子解を開発した。 QOMICは整数モデルを用いてモチーフ同定問題を変換し、量子解の開発の基礎となる。 このモデルを用いて、所定のネットワーク内のモチーフ位置を求める量子回路を開発し実装する。 実験により、QOMICはモチーフ数の観点から、従来のコンピュータで開発されたソリューションよりも優れていることが示された。 また, アルツハイマー病, パーキンソン病, ハンティントン病, 筋萎縮性側索硬化症 (ALS) , 運動ニューロン病 (MND) の5つの神経変性疾患に関連するヒトの調節ネットワークにおいて, QOMIC のモチーフを効率よく発見できることを示した。

関連論文リスト

• Quantum Embedding of Non-local Quantum Many-body Interactions in Prototypal Anti-tumor Vaccine Metalloprotein on Near Term Quantum Computing Hardware [4.8962578963959675]
  複素ヘモシアニン分子の量子コンピュータシミュレーションを初めて提示する。 ヘモシアニンは様々な生理的過程に関与する重要な呼吸タンパク質である。 ヘモシアニンの磁気構造は多体補正の影響が大きい。
  論文  参考訳（メタデータ） (2024-10-16T16:49:42Z)
• From Graphs to Qubits: A Critical Review of Quantum Graph Neural Networks [56.51893966016221]
  量子グラフニューラルネットワーク(QGNN)は、量子コンピューティングとグラフニューラルネットワーク(GNN)の新たな融合を表す。 本稿では,QGNNの現状を批判的にレビューし,様々なアーキテクチャを探求する。 我々は、高エネルギー物理学、分子化学、ファイナンス、地球科学など多種多様な分野にまたがる応用について論じ、量子的優位性の可能性を強調した。
  論文  参考訳（メタデータ） (2024-08-12T22:53:14Z)
• A Quantum Leaky Integrate-and-Fire Spiking Neuron and Network [0.0]
  量子ニューロモルフィックコンピューティングのための新しいソフトウェアモデルを導入する。 量子スパイクニューラルネットワーク(QSNN)と量子スパイク畳み込みニューラルネットワーク(QSCNN)の構築において,これらのニューロンを構築ブロックとして利用する。
  論文  参考訳（メタデータ） (2024-07-23T11:38:06Z)
• Hybrid Quantum-Classical Normalizing Flow [5.85475369017678]
  パラメータ化量子回路に基づくハイブリッド量子古典正規化フロー(HQCNF)モデルを提案する。 我々は画像生成問題でモデルを検証した。 量子生成逆数ネットワーク(QGAN)のような他の量子生成モデルと比較して、我々のモデルはFr'echet 距離(FID)の低いスコアを得る。
  論文  参考訳（メタデータ） (2024-05-22T16:37:22Z)
• Quantum Neural Network for Quantum Neural Computing [0.0]
  本稿では,量子ニューラルネットワークのための新しい量子ニューラルネットワークモデルを提案する。 我々のモデルは、状態空間のサイズがニューロンの数とともに指数関数的に大きくなるという問題を回避している。 我々は手書き文字認識や他の非線形分類タスクのモデルをベンチマークする。
  論文  参考訳（メタデータ） (2023-05-15T11:16:47Z)
• QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
  我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。 有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。 本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-14T08:03:20Z)
• Quantum Phase Recognition using Quantum Tensor Networks [0.0]
  本稿では,教師付き学習タスクのためのテンソルネットワークにインスパイアされた浅部変分アンザツに基づく量子機械学習手法について検討する。 マルチスケールエンタングルメント再正規化アンサッツ (MERA) とツリーテンソルネットワーク (TTN) がパラメタライズド量子回路にインスパイアされた場合、テストセットの精度が$geq 98%に達する。
  論文  参考訳（メタデータ） (2022-12-12T19:29:07Z)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• Optimizing Tensor Network Contraction Using Reinforcement Learning [86.05566365115729]
  本稿では,グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)手法を提案する。 この問題は、巨大な検索スペース、重い尾の報酬分布、そして困難なクレジット割り当てのために非常に難しい。 GNNを基本方針として利用するRLエージェントが,これらの課題にどのように対処できるかを示す。
  論文  参考訳（メタデータ） (2022-04-18T21:45:13Z)
• Generation of High-Resolution Handwritten Digits with an Ion-Trap Quantum Computer [55.41644538483948]
  本稿では, 量子回路に基づく生成モデルを構築し, 生成逆数ネットワークの事前分布を学習し, サンプル化する。 我々は、このハイブリッドアルゴリズムを171ドルのYb$+$ ion qubitsに基づいてイオントラップデバイスでトレーニングし、高品質な画像を生成する。
  論文  参考訳（メタデータ） (2020-12-07T18:51:28Z)
• Quantum Deformed Neural Networks [83.71196337378022]
  我々は,量子コンピュータ上で効率的に動作するように設計された新しい量子ニューラルネットワーク層を開発した。 入力状態の絡み合いに制限された場合、古典的なコンピュータでシミュレートすることができる。
  論文  参考訳（メタデータ） (2020-10-21T09:46:12Z)

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。