Fugu-MT 論文翻訳(概要): A study on B-cell epitope prediction based on QSVM and VQC

論文の概要: A study on B-cell epitope prediction based on QSVM and VQC

arxiv url: http://arxiv.org/abs/2504.11846v1
Date: Wed, 16 Apr 2025 08:09:34 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-17 14:39:12.539977
Title: A study on B-cell epitope prediction based on QSVM and VQC
Title（参考訳）: QSVMとVQCに基づくB細胞エピトープ予測に関する研究
Authors: Chi-Chuan Hwang, Yi-Ang Hong,
Abstract要約: 本研究では,量子支援ベクトルマシン(QSVM)と変分量子(VQC)を用いたB細胞予測における量子コンピューティングの役割について検討する。バイオインフォマティクスにおける量子機械学習の可能性を強調し、データの複雑さが増大するにつれて、従来の手法の計算効率の限界に対処する。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: This study investigates quantum computing's role in B-cell epitope prediction using Quantum Support Vector Machine (QSVM) and Variational Quantum Classifier (VQC). It highlights the potential of quantum machine learning in bioinformatics, addressing computational efficiency limitations of traditional methods as data complexity grows. QSVM uses quantum kernel functions for data mapping, while VQC employs parameterized quantum circuits for classification. Results show QSVM and VQC achieving 70% and 73% accuracy, respectively, with QSVM excelling in balancing classes. Despite challenges like computational demands and hardware limitations, quantum methods show promise, suggesting future improvements with ongoing advancements.
Abstract（参考訳）: 本研究では,量子支援ベクトルマシン(QSVM)と変分量子分類器(VQC)を用いて,B細胞エピトープ予測における量子コンピューティングの役割を検討する。バイオインフォマティクスにおける量子機械学習の可能性を強調し、データの複雑さが増大するにつれて、従来の手法の計算効率の限界に対処する。 QSVMはデータマッピングに量子カーネル関数を使用し、VQCはパラメータ化量子回路を用いて分類する。その結果、QSVMとVQCはそれぞれ70%と73%の精度を示し、QSVMはバランスの取れたクラスに優れていた。計算要求やハードウェアの制限といった課題にもかかわらず、量子メソッドは将来性を示し、進行中の進歩による将来の改善を示唆している。

関連論文リスト

Extending Quantum Perceptrons: Rydberg Devices, Multi-Class Classification, and Error Tolerance [67.77677387243135]
量子ニューロモーフィックコンピューティング(QNC)は、量子計算とニューラルネットワークを融合して、量子機械学習(QML)のためのスケーラブルで耐雑音性のあるアルゴリズムを作成する QNCの中核は量子パーセプトロン(QP)であり、相互作用する量子ビットのアナログダイナミクスを利用して普遍的な量子計算を可能にする。
論文参考訳（メタデータ） (2024-11-13T23:56:20Z)
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 Spatial-Temporal Variational Quantum Circuit to Enable Deep Learning on NISQ Devices [12.873184000122542]
本稿では,量子学習における非線形性を統合するために,新しい時空間設計,ST-VQCを提案する。 ST-VQCは、実際の量子コンピュータ上の既存のVQCと比較して30%以上の精度向上を達成できる。
論文参考訳（メタデータ） (2023-07-19T06:17:16Z)
Weight Re-Mapping for Variational Quantum Algorithms [54.854986762287126]
変動量子回路(VQC)における重み付けの考え方を紹介する。我々は,8つの分類データセットに対する影響を評価するために,7つの異なる重み再マッピング関数を用いる。以上の結果から,重量再マッピングによりVQCの収束速度が向上することが示唆された。
論文参考訳（メタデータ） (2023-06-09T09:42:21Z)
Quantum Imitation Learning [74.15588381240795]
本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
論文参考訳（メタデータ） (2023-04-04T12:47:35Z)
Quantum Machine Learning Applied to the Classification of Diabetes [0.0]
ハイブリッド量子メソッドは、デプロイと最適化に非常に適しています。弱点として、量子コンピューティングはそのポテンシャルを正当化するのに十分な量子ビットを持っていない。
論文参考訳（メタデータ） (2022-12-31T03:43:07Z)
Universal expressiveness of variational quantum classifiers and quantum kernels for support vector machines [0.0]
量子カーネルを用いた変分量子分類器(VQC)とサポートベクトルマシン(QSVM)は、k-Forrelation問題に基づく分類問題を解くことができることを示す。この結果から,任意のBQP問題に対して,VQCとQSVMを効率的に解ける特徴写像と量子カーネルが存在することが示唆された。
論文参考訳（メタデータ） (2022-07-12T22:03:31Z)
Quantum Machine Learning for Software Supply Chain Attacks: How Far Can We Go? [5.655023007686363]
本稿では、量子機械学習(QML)と呼ばれる機械学習アルゴリズムに適用されたQCの高速化性能について分析する。実際の量子コンピュータの限界により、QML法はQiskitやIBM Quantumといったオープンソースの量子シミュレータ上で実装された。興味深いことに、実験結果は、SSC攻撃の古典的アプローチと比較して計算時間と精度の低下を示すことによって、QCの約束を早めることと異なる。
論文参考訳（メタデータ） (2022-04-04T21:16:06Z)
Quantum circuit architecture search on a superconducting processor [56.04169357427682]
変分量子アルゴリズム(VQA)は、ファイナンス、機械学習、化学といった様々な分野において、証明可能な計算上の優位性を得るための強力な証拠を示している。しかし、現代のVQAで利用されるアンザッツは、表現性と訓練性の間のトレードオフのバランスをとることができない。 8量子ビット超伝導量子プロセッサ上でVQAを強化するために,効率的な自動アンサッツ設計技術を適用した最初の実証実験を実証する。
論文参考訳（メタデータ） (2022-01-04T01:53:42Z)
Investigation of Quantum Support Vector Machine for Classification in NISQ era [0.0]
本稿では,量子支援ベクトルマシン(QSVM)アルゴリズムとその回路バージョンについて検討する。量子回路におけるトレーニングおよびテストデータサンプルを符号化し,QSVM回路実装手法の効率性を計算する。我々は、現在のNISQデバイスにQSVMアルゴリズムを適用する際に直面する技術的困難を強調した。
論文参考訳（メタデータ） (2021-12-13T18:59:39Z)
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)

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。