論文の概要: Robust Quantum Reservoir Computing for Molecular Property Prediction

• arxiv url: http://arxiv.org/abs/2412.06758v1
• Date: Mon, 09 Dec 2024 18:49:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-10 14:54:00.336197
• Title: Robust Quantum Reservoir Computing for Molecular Property Prediction
• Title（参考訳）: 分子特性予測のためのロバスト量子貯留層計算
• Authors: Daniel Beaulieu, Milan Kornjaca, Zoran Krunic, Michael Stivaktakis, Thomas Ehmer, Sheng-Tao Wang, Anh Pham,
• Abstract要約: 本稿では,潜在的な薬物分子の生物活性を予測するために,量子貯水池計算(QRC)手法を提案する。 データセットのサイズが小さくなるにつれて、より堅牢なQRC性能が観察される。 さらに、一様多様体近似と射影法を利用して、古典的特徴が量子力学によって変換されるときの構造変化を分析する。
• 参考スコア（独自算出の注目度）: 0.5399129278613575
• License:
• Abstract: Machine learning has been increasingly utilized in the field of biomedical research to accelerate the drug discovery process. In recent years, the emergence of quantum computing has been followed by extensive exploration of quantum machine learning algorithms. Quantum variational machine learning algorithms are currently the most prevalent but face issues with trainability due to vanishing gradients. An emerging alternative is the quantum reservoir computing (QRC) approach, in which the quantum algorithm does not require gradient evaluation on quantum hardware. Motivated by the potential advantages of the QRC method, we apply it to predict the biological activity of potential drug molecules based on molecular descriptors. We observe more robust QRC performance as the size of the dataset decreases, compared to standard classical models, a quality of potential interest for pharmaceutical datasets of limited size. In addition, we leverage the uniform manifold approximation and projection technique to analyze structural changes as classical features are transformed through quantum dynamics and find that quantum reservoir embeddings appear to be more interpretable in lower dimensions.
• Abstract（参考訳）: 機械学習は、薬物発見のプロセスを加速するために、バイオメディカル研究の分野でますます利用されてきた。 近年、量子コンピューティングの出現に続いて、量子機械学習アルゴリズムの広範な探索が行われた。 量子変分機械学習アルゴリズムは現在最も普及しているが、勾配の消失によるトレーニング性の問題に直面している。 量子貯水池コンピューティング(QRC)アプローチでは、量子アルゴリズムは量子ハードウェアの勾配評価を必要としない。 QRC法の潜在的な利点により、分子記述子に基づく潜在的な薬物分子の生物学的活性を予測するために、本手法を適用した。 標準の古典的モデルと比較してデータセットのサイズが減少するにつれて、より堅牢なQRC性能が観察される。 さらに、一様多様体近似と射影法を利用して、古典的特徴が量子力学によって変換されるときの構造変化を解析し、量子貯水池の埋め込みがより低次元でより解釈可能であることを示す。

関連論文リスト

• Quantum Machine Learning: An Interplay Between Quantum Computing and Machine Learning [54.80832749095356]
  量子機械学習(QML)は、量子コンピューティングの原理と従来の機械学習を組み合わせた急速に成長する分野である。 本稿では,変分量子回路を用いてQMLアーキテクチャを開発する機械学習パラダイムの量子コンピューティングについて述べる。
  論文  参考訳（メタデータ） (2024-11-14T12:27:50Z)
• 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)
• Empirical Quantum Advantage Analysis of Quantum Kernel in Gene Expression Data [0.0]
  量子優位性が達成可能な適切なデータセットを見つけることや、古典的および量子的手法によって選択された特徴の関連性を評価することなど、制約に重点を置いている。 生理的行動と疾患の感受性の制御において遺伝的変異が重要な役割を担った遺伝子発現データセットを実験的に選択した。
  論文  参考訳（メタデータ） (2024-11-11T15:34:53Z)
• 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)
• Large-scale quantum reservoir learning with an analog quantum computer [45.21335836399935]
  我々は中性原子アナログ量子コンピュータの量子力学を利用してデータを処理する量子貯水池学習アルゴリズムを開発した。 アルゴリズムを実験的に実装し、機械学習タスクの様々なカテゴリで競合性能を達成する。 本研究は,従来の量子相関を有効機械学習に活用する可能性を示すものである。
  論文  参考訳（メタデータ） (2024-07-02T18:00:00Z)
• Quantum Machine Learning: from physics to software engineering [58.720142291102135]
  古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。 量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2023-01-04T23:37:45Z)
• A perspective on the current state-of-the-art of quantum computing for drug discovery applications [43.55994393060723]
  量子コンピューティングは、現在不可能な計算に到達することで、化学研究の多くの分野における計算能力をシフトすることを約束する。 我々は、最先端量子アルゴリズムのスケーリング特性を簡潔に要約し、比較する。 医薬学的に相関するタンパク質-ドラッグ複合体の、徐々に大きな埋め込み領域をシミュレートする量子計算コストの新たな見積もりを提供する。
  論文  参考訳（メタデータ） (2022-06-01T15:05:04Z)
• Scalable Variational Quantum Circuits for Autoencoder-based Drug Discovery [8.871042314510788]
  変分オートエンコーダは、既存の分子データセットに基づいて化学空間を探索するコンピュータ支援設計手法の1つである。 本稿では,創薬分子を同時に再構成・サンプリングするためのスケーラブルな量子生成オートエンコーダ(SQ-VAE)と,それに対応するバニラ変種(SQ-AE)について述べる。
  論文  参考訳（メタデータ） (2021-11-15T00:26:19Z)
• Measurements as a roadblock to near-term practical quantum advantage in chemistry: resource analysis [0.0]
  小型有機分子の燃焼エネルギーを計算するのに必要な量子ビット数と測定値の数を推定する。 我々は、ハミルトニアンの低ランク因数分解を含む、VQEのいくつかの重要な現代的改善について考察する。
  論文  参考訳（メタデータ） (2020-12-07T19:13:16Z)
• Simulating quantum chemistry in the seniority-zero space on qubit-based quantum computers [0.0]
  計算量子化学の近似をゲートベースの量子コンピュータ上で分子化学をシミュレートする手法と組み合わせる。 基本集合を増大させるために解放された量子資源を用いることで、より正確な結果が得られ、必要な数の量子コンピューティングの実行が削減されることが示される。
  論文  参考訳（メタデータ） (2020-01-31T19:44:37Z)

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。