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
- QuanTest: Entanglement-Guided Testing of Quantum Neural Network Systems [48.476022756096185]
量子ニューラルネットワーク(QNN)は、ディープラーニング(DL)原理と量子力学の基本理論を組み合わせて、量子加速による機械学習タスクを実現する。
QNNシステムは従来の量子ソフトウェアと古典的なDLシステムとは大きく異なり、QNNテストにとって重要な課題となっている。
QNNシステムにおける潜在的誤動作を明らかにするために,量子絡み合い誘導型対向テストフレームワークであるQuanTestを提案する。
論文 参考訳(メタデータ) (2024-02-20T12:11:28Z) - Studying the Impact of Quantum-Specific Hyperparameters on Hybrid
Quantum-Classical Neural Networks [5.247197295547863]
ハイブリッド量子古典ニューラルネットワーク(HQNN)は、古典的な機械学習の強みと量子コンピューティング能力を組み合わせた、有望なソリューションである。
本稿では,画像分類タスクのHQNNモデルに異なるバリエーションが与える影響について検討する。
本研究の目的は,HQNNモデルの直感的および直感的学習パターンを,制御量子摂動の粒度レベルで解明することである。
論文 参考訳(メタデータ) (2024-02-16T11:44:25Z) - 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) - Variational Quantum Neural Networks (VQNNS) in Image Classification [0.0]
本稿では,量子最適化アルゴリズムを用いて量子ニューラルネットワーク(QNN)のトレーニングを行う方法について検討する。
本稿では、変分量子ニューラルネットワーク(VQNN)と呼ばれる入力層として、変分パラメータ化回路を組み込んだQNN構造を作成する。
VQNNは、MNIST桁認識(複雑でない)とクラック画像分類データセットで実験され、QNNよりも少ない時間で、適切なトレーニング精度で計算を収束させる。
論文 参考訳(メタデータ) (2023-03-10T11:24:32Z) - 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$geq 98%に達する。
論文 参考訳(メタデータ) (2022-12-12T19:29:07Z) - How the form of weighted networks impacts quantum reservoir computation [0.0]
量子極端貯水池計算(QERC)は、汎用的な量子ニューラルネットワークモデルである。
本稿では,その簡単な実装経路を持つ乱れ離散時間結晶に基づく単純なハミルトンモデルが,ほぼ最適性能を実現する方法を示す。
論文 参考訳(メタデータ) (2022-11-15T01:50:47Z) - QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional
Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。
現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。
我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文 参考訳(メタデータ) (2022-11-09T21:43:16Z) - Optimizing Tensor Network Contraction Using Reinforcement Learning [86.05566365115729]
本稿では,グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)手法を提案する。
この問題は、巨大な検索スペース、重い尾の報酬分布、そして困難なクレジット割り当てのために非常に難しい。
GNNを基本方針として利用するRLエージェントが,これらの課題にどのように対処できるかを示す。
論文 参考訳(メタデータ) (2022-04-18T21:45:13Z) - Generation of High-Resolution Handwritten Digits with an Ion-Trap
Quantum Computer [55.41644538483948]
本稿では, 量子回路に基づく生成モデルを構築し, 生成逆数ネットワークの事前分布を学習し, サンプル化する。
我々は、このハイブリッドアルゴリズムを171ドルのYb$+$ 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。