論文の概要: mRNA secondary structure prediction using utility-scale quantum computers
- arxiv url: http://arxiv.org/abs/2405.20328v1
- Date: Thu, 30 May 2024 17:58:17 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-31 12:50:16.770873
- Title: mRNA secondary structure prediction using utility-scale quantum computers
- Title（参考訳）: 実用規模量子コンピュータを用いたmRNA二次構造予測
- Authors: Dimitris Alevras, Mihir Metkar, Takahiro Yamamoto, Vaibhaw Kumar, Triet Friedhoff, Jae-Eun Park, Mitsuharu Takeori, Mariana LaDue, Wade Davis, Alexey Galda,
- Abstract要約: 最大60ヌクレオチドの配列長を持つ量子コンピュータ上でmRNA二次構造を解く可能性について検討した。
この結果は、量子コンピュータ上でmRNA構造予測問題の解法が可能であることを示す十分な証拠となる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent advancements in quantum computing have opened new avenues for tackling long-standing complex combinatorial optimization problems that are intractable for classical computers. Predicting secondary structure of mRNA is one such notoriously difficult problem that can benefit from the ever-increasing maturity of quantum computing technology. Accurate prediction of mRNA secondary structure is critical in designing RNA-based therapeutics as it dictates various steps of an mRNA life cycle, including transcription, translation, and decay. The current generation of quantum computers have reached utility-scale, allowing us to explore relatively large problem sizes. In this paper, we examine the feasibility of solving mRNA secondary structures on a quantum computer with sequence length up to 60 nucleotides representing problems in the qubit range of 10 to 80. We use Conditional Value at Risk (CVaR)-based VQE algorithm to solve the optimization problems, originating from the mRNA structure prediction problem, on the IBM Eagle and Heron quantum processors. To our encouragement, even with ``minimal'' error mitigation and fixed-depth circuits, our hardware runs yield accurate predictions of minimum free energy (MFE) structures that match the results of the classical solver CPLEX. Our results provide sufficient evidence for the viability of solving mRNA structure prediction problems on a quantum computer and motivate continued research in this direction.
- Abstract（参考訳）: 量子コンピューティングの最近の進歩は、古典コンピュータにとって難解な長年の複雑な組合せ最適化問題に対処するための新たな道を開いた。
mRNAの二次構造を予測することは、量子コンピューティング技術のさらなる成熟の恩恵を受けることができる、非常に難しい問題の1つである。
mRNA二次構造の正確な予測は、転写、翻訳、崩壊を含むmRNAライフサイクルの様々なステップを規定するRNAベースの治療を設計する上で重要である。
現在の世代の量子コンピュータは実用規模に達しており、比較的大きな問題のサイズを探索することができる。
本稿では,量子コンピュータ上のmRNA二次構造を最大60個のヌクレオチドで解くことの実現可能性について検討する。
我々は,IBM Eagle および Heron 量子プロセッサ上で,mRNA 構造予測問題から生じる最適化問題を,CVaR ベースの VQE アルゴリズムを用いて解く。
我々の奨励のために、‘最小’の誤差緩和と固定深度回路でさえ、我々のハードウェアは古典的解法CPLEXの結果と一致する最小自由エネルギー(MFE)構造を正確に予測する。
本研究は, 量子コンピュータ上でのmRNA構造予測問題の実現可能性を示す十分な証拠を提供するとともに, この方向の継続的な研究を動機づけるものである。
関連論文リスト
- A resource-efficient variational quantum algorithm for mRNA codon optimization [0.5120567378386615]
mRNAコドンの最適化は、特定の標的タンパク質の遺伝子発現に重要な影響を与える。
本研究は,ゲート型量子コンピュータ上での変分量子固有解法アルゴリズムを用いて,mRNAコドン最適化を実装するためのコドンを符号化する方法を提案する。
論文 参考訳（メタデータ） (2024-04-23T09:23:22Z) - Predicting RNA Secondary Structure on Universal Quantum Computer [2.277461161767121]
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。
論文 参考訳（メタデータ） (2023-05-16T15:57:38Z) - Deep Quantum Error Correction [73.54643419792453]
量子誤り訂正符号(QECC)は、量子コンピューティングのポテンシャルを実現するための鍵となる要素である。
本研究では,新しいエンペンド・ツー・エンドの量子誤りデコーダを効率的に訓練する。
提案手法は,最先端の精度を実現することにより,QECCのニューラルデコーダのパワーを実証する。
論文 参考訳（メタデータ） (2023-01-27T08:16:26Z) - Deciphering RNA Secondary Structure Prediction: A Probabilistic K-Rook Matching Perspective [63.3632827588974]
RFoldは、与えられたシーケンスから最もよく一致するK-Rook解を予測する方法である。
RFoldは、最先端のアプローチよりも競争性能とおよそ8倍の推論効率を達成する。
論文 参考訳（メタデータ） (2022-12-02T16:34:56Z) - A QUBO model of the RNA folding problem optimized by variational hybrid
quantum annealing [0.0]
本稿では, 量子アニールと回路モデル量子コンピュータの両方に有効なRNA折り畳み問題のモデルを提案する。
この定式化を、既知のRNA構造に対して全てのパラメータを調整した後、現在のRNA折り畳みQUBOと比較する。
論文 参考訳（メタデータ） (2022-08-08T19:04:28Z) - 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) - Counteracting dephasing in Molecular Nanomagnets by optimized qudit
encodings [60.1389381016626]
分子ナノマグネットは、Quditベースの量子誤り訂正符号の実装を可能にする。
分子キューディットに符号化された量子情報を破損させるエラーの微視的理解が不可欠である。
論文 参考訳（メタデータ） (2021-03-16T19:21:42Z) - Computational prediction of RNA tertiary structures using machine
learning methods [14.35527588241679]
計算予測アプローチはRNA構造とその安定化因子を理解するのに役立つ。
タンパク質関連分野におけるそれらの利用の歴史は長いが、RNA第3次構造を予測する機械学習手法は新しくて稀である。
論文 参考訳（メタデータ） (2020-09-03T04:01:43Z) - Review of Machine-Learning Methods for RNA Secondary Structure
Prediction [21.3539253580504]
機械学習技術に基づくRNA二次構造予測手法の概要について概説する。
RNA二次構造予測の分野で現在進行中の課題と今後の動向についても論じる。
論文 参考訳（メタデータ） (2020-09-01T03:17:15Z) - An Application of Quantum Annealing Computing to Seismic Inversion [55.41644538483948]
小型地震インバージョン問題を解決するために,D波量子アニールに量子アルゴリズムを適用した。
量子コンピュータによって達成される精度は、少なくとも古典的コンピュータと同程度である。
論文 参考訳（メタデータ） (2020-05-06T14:18:44Z) - RNA Secondary Structure Prediction By Learning Unrolled Algorithms [70.09461537906319]
本稿では,RNA二次構造予測のためのエンド・ツー・エンドのディープラーニングモデルであるE2Efoldを提案する。
E2Efoldの鍵となる考え方は、RNA塩基対行列を直接予測し、制約のないプログラミングを、制約を強制するための深いアーキテクチャのテンプレートとして使うことである。
ベンチマークデータセットに関する包括的な実験により、E2Efoldの優れた性能を実証する。
論文 参考訳（メタデータ） (2020-02-13T23:21:25Z)
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。