Fugu-MT 論文翻訳(概要): Quantum Long Short-Term Memory for Drug Discovery

論文の概要: Quantum Long Short-Term Memory for Drug Discovery

arxiv url: http://arxiv.org/abs/2407.19852v1
Date: Mon, 29 Jul 2024 10:10:03 GMT
ステータス: 処理完了
システム内更新日: 2024-07-30 14:16:11.289715
Title: Quantum Long Short-Term Memory for Drug Discovery
Title（参考訳）: 薬物発見のための量子長期記憶
Authors: Liang Zhang, Yin Xu, Mohan Wu, Liang Wang, Hua Xu,
Abstract要約: 薬物発見に量子機械学習(QML)をうまく応用する。そこで本研究では,QMLがモデル性能を大幅に向上し,従来のMLよりも高速な収束を実現することを示す。この研究は、量子コンピューティングが科学的進歩に多大な利益をもたらす可能性を強調している。
参考スコア（独自算出の注目度）: 15.186004892998382
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Quantum computing combined with machine learning (ML) is an extremely promising research area, with numerous studies demonstrating that quantum machine learning (QML) is expected to solve scientific problems more effectively than classical ML. In this work, we successfully apply QML to drug discovery, showing that QML can significantly improve model performance and achieve faster convergence compared to classical ML. Moreover, we demonstrate that the model accuracy of the QML improves as the number of qubits increases. We also introduce noise to the QML model and find that it has little effect on our experimental conclusions, illustrating the high robustness of the QML model. This work highlights the potential application of quantum computing to yield significant benefits for scientific advancement as the qubit quantity increase and quality improvement in the future.
Abstract（参考訳）: 量子コンピューティングと機械学習(ML)は極めて有望な研究分野であり、量子機械学習(QML)が古典的なMLよりも科学的問題を効果的に解決することを実証する研究が数多くある。そこで本研究では,QMLを薬物発見に適用することにより,QMLがモデル性能を大幅に向上し,従来のMLよりも高速な収束を実現することを示す。さらに,QMLのモデル精度は,キュービット数が増加するにつれて向上することを示した。また、QMLモデルにノイズを導入し、QMLモデルの高ロバスト性を示す実験結果にほとんど影響を与えないことを見出した。この研究は量子コンピューティングが将来、量子ビット量の増加と品質改善に大きく貢献する可能性を強調している。

関連論文リスト

Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits [48.33631905972908]
我々は、事前学習されたニューラルネットワークを用いて変分量子回路(VQC)を強化する革新的なアプローチを導入する。この手法は近似誤差をキュービット数から効果的に分離し、制約条件の必要性を除去する。我々の結果はヒトゲノム解析などの応用にまで拡張され、我々のアプローチの幅広い適用性を示している。
論文参考訳（メタデータ） (2024-11-13T12:03:39Z)
Computable Model-Independent Bounds for Adversarial Quantum Machine Learning [4.857505043608425]
本稿では、量子ベースの逆数攻撃に対するモデルレジリエンスを評価する際に、逆数誤差の近似的下界について紹介する。最良の場合、実験誤差は推定境界より10%だけ高く、量子モデルの本質的なロバスト性を示す。
論文参考訳（メタデータ） (2024-11-11T10:56:31Z)
GQHAN: A Grover-inspired Quantum Hard Attention Network [53.96779043113156]
GQHAM(Grover-inspired Quantum Hard Attention Mechanism)を提案する。 GQHANは、既存の量子ソフト自己保持機構の有効性を超越して、非微分可能性ハードルをかなり上回っている。 GQHANの提案は、将来の量子コンピュータが大規模データを処理する基盤を築き、量子コンピュータビジョンの開発を促進するものである。
論文参考訳（メタデータ） (2024-01-25T11:11:16Z)
Federated Quantum Long Short-term Memory (FedQLSTM) [58.50321380769256]
量子フェデレーション学習(QFL)は、量子機械学習(QML)モデルを使用して、複数のクライアント間の協調学習を容易にする。関数の近似に時間的データを利用するQFLフレームワークの開発に前向きな作業は行われていない。量子長短期メモリ(QLSTM)モデルと時間データを統合する新しいQFLフレームワークを提案する。
論文参考訳（メタデータ） (2023-12-21T21:40:47Z)
QKSAN: A Quantum Kernel Self-Attention Network [53.96779043113156]
量子カーネル法(Quantum Kernel Methods, QKM)のデータ表現能力とSAMの効率的な情報抽出能力を組み合わせた量子カーネル自己認識機構(Quantum Kernel Self-Attention Mechanism, QKSAM)を導入する。量子カーネル自己保持ネットワーク(QKSAN)フレームワークは,DMP(Dederred Measurement Principle)と条件測定技術を巧みに組み込んだQKSAMに基づいて提案されている。 4つのQKSANサブモデルはPennyLaneとIBM Qiskitプラットフォームにデプロイされ、MNISTとFashion MNISTのバイナリ分類を実行する。
論文参考訳（メタデータ） (2023-08-25T15:08:19Z)
A Novel Stochastic LSTM Model Inspired by Quantum Machine Learning [0.0]
過去数年間の量子機械学習(QML)の研究は、QMLアルゴリズムが従来のアルゴリズムと同様に機能することを示唆している。この研究は、QMLが古典機械にその性質を組み込むことで、いくつかの報告された利益を達成できるかどうかを解明することを目的としている。
論文参考訳（メタデータ） (2023-05-17T13:44:25Z)
Quantum Anomaly Detection for Collider Physics [1.5675763601034223]
高エネルギー物理データセットに対する経験的優位性という主張は数多くある。大型ハドロン衝突型加速器の4レプトン最終状態における異常検出タスクについて検討した。 QMLが古典的MLに勝っているという証拠は見つからない。
論文参考訳（メタデータ） (2022-06-16T18:01:17Z)
Quantum Approximate Optimization Algorithm Based Maximum Likelihood Detection [80.28858481461418]
量子技術の最近の進歩は、ノイズの多い中間スケール量子(NISQ)デバイスへの道を開く。量子技術の最近の進歩は、ノイズの多い中間スケール量子(NISQ)デバイスへの道を開く。
論文参考訳（メタデータ） (2021-07-11T10:56:24Z)
Hybrid Quantum-Classical Graph Convolutional Network [7.0132255816377445]
本研究は、HEPデータを学習するためのハイブリッド量子古典グラフ畳み込みネットワーク(QGCNN)を提供する。提案フレームワークは,パラメータ数の観点から,古典的多層パーセプトロンと畳み込みニューラルネットワークの優位性を示す。テスト精度に関して、QGCNNは、同じHEPデータセット上の量子畳み込みニューラルネットワークと同等のパフォーマンスを示している。
論文参考訳（メタデータ） (2021-01-15T16:02:52Z)
Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
論文参考訳（メタデータ） (2020-10-20T12:06:27Z)
Predicting toxicity by quantum machine learning [11.696069523681178]
本研究では, 定量的構造活性相関に基づく221種類のフェノールの毒性予測のためのQMLモデルを開発した。その結果、量子エンタングルメントによって強化されたデータエンコーディングは、従来のエンタングルよりも表現力が高いことが示唆された。
論文参考訳（メタデータ） (2020-08-18T02:59:40Z)

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。