論文の概要: Identifying Protein Co-regulatory Network Logic by Solving B-SAT Problems through Gate-based Quantum Computing

• arxiv url: http://arxiv.org/abs/2504.09365v1
• Date: Sat, 12 Apr 2025 23:11:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-15 16:49:38.467283
• Title: Identifying Protein Co-regulatory Network Logic by Solving B-SAT Problems through Gate-based Quantum Computing
• Title（参考訳）: ゲートベース量子コンピューティングによるB-SAT問題の解法によるタンパク質共制御ネットワーク論理の同定
• Authors: Aspen Erlandsson Brisebois, Jason Broderick, Zahed Khatooni, Heather L. Wilson, Steven Rayan, Gordon Broderick,
• Abstract要約: 脳の哺乳類皮質領域の神経発達に関与する5つのタンパク質を結合するネットワークの構造とブール決定論理を同定する。 我々はGroverのアルゴリズムを用いて、決定論的古典アルゴリズムが必要とする指数時間複雑性よりも高速にNPハード問題を解く。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: There is growing awareness that the success of pharmacologic interventions on living organisms is significantly impacted by context and timing of exposure. In turn, this complexity has led to an increased focus on regulatory network dynamics in biology and our ability to represent them in a high-fidelity way, in silico. Logic network models show great promise here and their parameter estimation can be formulated as a constraint satisfaction problem (CSP) that is well-suited to the often sparse, incomplete data in biology. Unfortunately, even in the case of Boolean logic, the combinatorial complexity of these problems grows rapidly, challenging the creation of models at physiologically-relevant scales. That said, quantum computing, while still nascent, facilitates novel information-processing paradigms with the potential for transformative impact in problems such as this one. In this work, we take a first step at actualizing this potential by identifying the structure and Boolean decisional logic of a well-studied network linking 5 proteins involved in the neural development of the mammalian cortical area of the brain. We identify the protein-protein connectivity and binary decisional logic governing this network by formulating it as a Boolean Satisfiability (B-SAT) problem. We employ Grover's algorithm to solve the NP-hard problem faster than the exponential time complexity required by deterministic classical algorithms. Using approaches deployed on both quantum simulators and actual noisy intermediate scale quantum (NISQ) hardware, we accurately recover several high-likelihood models from very sparse protein expression data. The results highlight the differential roles of data types in supporting accurate models; the impact of quantum algorithm design as it pertains to the mutability of quantum hardware; and the opportunities for accelerated discovery enabled by this approach.
• Abstract（参考訳）: 生物に対する薬理学的介入の成功は、曝露の状況やタイミングに大きく影響しているという認識が高まっている。 結果として、この複雑さは、生物学における規制ネットワークのダイナミクスと、シリコの高忠実な方法でそれらを表現できる能力に焦点を絞った。 論理ネットワークモデルは、ここでは非常に有望であり、それらのパラメータ推定は、生物学においてしばしばスパースで不完全なデータによく適合する制約満足度問題(CSP)として定式化することができる。 残念ながら、ブール論理の場合でさえ、これらの問題の組合せ複雑性は急速に増大し、生理学的に関連するスケールでのモデルの作成に挑戦する。 とは言っても、量子コンピューティングはまだ生まれたばかりではあるが、このような問題に変革をもたらす可能性のある新しい情報処理パラダイムを促進する。 本研究では,脳の哺乳動物の皮質領域の神経発達に関与する5つのタンパク質をリンクするよく研究されたネットワークの構造とブール決定論理を同定することにより,この可能性を実現するための第一歩を踏み出した。 そこで我々は,タンパク質-タンパク質間の結合性と二項決定論理を,ブール満足度(Boolean Satisfiability, B-SAT)問題として定式化することによって同定した。 我々はGroverのアルゴリズムを用いて、決定論的古典アルゴリズムが必要とする指数時間複雑性よりも高速にNPハード問題を解く。 量子シミュレータとNISQハードウェアの両方に展開したアプローチを用いて、非常にスパースなタンパク質表現データからいくつかの高次モデルを正確に復元する。 この結果は、正確なモデルをサポートする上でのデータ型の役割の違い、量子ハードウェアの可変性に関連する量子アルゴリズム設計の影響、そしてこのアプローチによって発見を加速する機会を浮き彫りにする。

関連論文リスト

• 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)
• A Novel Quantum Algorithm for Efficient Attractor Search in Gene Regulatory Networks [0.0978224644130106]
  我々はGroverのアルゴリズムにインスパイアされた新しい量子探索アルゴリズムを量子コンピューティングプラットフォームに実装する。 このアルゴリズムは、一様重ね合わせから以前に発見された引き金の盆地に属する状態を反復的に抑制する。 ノイズに対する耐性試験は、現在のノイズ中間スケール量子コンピューティング(NISQ)時代のデバイスでも有望な性能を示している。
  論文  参考訳（メタデータ） (2024-08-16T15:48:45Z)
• 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)
• Attention to Quantum Complexity [21.766643620345494]
  我々は,汎用的な古典的AIフレームワークQuantum Attention Network(QuAN)を紹介する。 QuANは、測定スナップショットをトークンとして扱い、置換不変性を尊重する。 われわれはQuANを3つの異なる量子シミュレーション設定で厳格にテストしている。
  論文  参考訳（メタデータ） (2024-05-19T17:46:40Z)
• Leveraging Quantum Superposition to Infer the Dynamic Behavior of a Spatial-Temporal Neural Network Signaling Model [0.0]
  本稿では,神経生物学および機械学習に関連する大規模ネットワークのダイナミクスに関する新しい問題クラスを導入,解決する。 これらの問題を量子重ね合わせを利用して定式化し,Deutsch-Jozsa と Grover の量子アルゴリズムを用いて効率的に解けることを示す。
  論文  参考訳（メタデータ） (2024-03-27T19:16:56Z)
• Resource analysis of quantum algorithms for coarse-grained protein folding models [0.0]
  量子コンピュータ上でタンパク質の折り畳みをシミュレーションするためのリソース要件を分析する。 量子アルゴリズムを構築するのに必要な最小の量子ビット数、相互作用数、および2つの量子ビットゲートを計算する。
  論文  参考訳（メタデータ） (2023-11-07T18:27:44Z)
• The Expressive Leaky Memory Neuron: an Efficient and Expressive Phenomenological Neuron Model Can Solve Long-Horizon Tasks [64.08042492426992]
  本稿では,脳皮質ニューロンの生物学的モデルであるExpressive Memory(ELM)ニューロンモデルを紹介する。 ELMニューロンは、上記の入力-出力関係を1万以下のトレーニング可能なパラメータと正確に一致させることができる。 本稿では,Long Range Arena(LRA)データセットなど,時間構造を必要とするタスクで評価する。
  論文  参考訳（メタデータ） (2023-06-14T13:34:13Z)
• Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
  単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。 提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
  論文  参考訳（メタデータ） (2023-04-18T11:57:15Z)
• Towards Neural Variational Monte Carlo That Scales Linearly with System Size [67.09349921751341]
  量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。 量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。 ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
  論文  参考訳（メタデータ） (2022-12-21T19:00:04Z)
• Physically constrained neural networks to solve the inverse problem for neuron models [0.29005223064604074]
  システム生物学とシステム神経生理学は、生体医学科学における多くの重要な応用のための強力なツールである。 ディープニューラルネットワークの分野における最近の進歩は、非線形で普遍的な近似を定式化する可能性を示している。
  論文  参考訳（メタデータ） (2022-09-24T12:51:15Z)
• 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)

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。