論文の概要: hqQUBO: A Hybrid-querying Quantum Optimization Model Validated with 16-qubits on an Ion Trap Quantum Computer for Life Science Applications
- arxiv url: http://arxiv.org/abs/2506.01559v1
- Date: Mon, 02 Jun 2025 11:36:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-04 21:47:34.292868
- Title: hqQUBO: A Hybrid-querying Quantum Optimization Model Validated with 16-qubits on an Ion Trap Quantum Computer for Life Science Applications
- Title（参考訳）: hqQUBO: ライフサイエンス応用のためのイオントラップ量子コンピュータ上で16量子ビットで検証されたハイブリッドクエリ量子最適化モデル
- Authors: Rong Chen, Quan-Xin Mei, Wen-Ding Zhao, Lin Yao, Hao-Xiang Yang, Shun-Yao Zhang, Jiao Chen, Hong-Lin Li,
- Abstract要約: 本稿では,ライフサイエンス問題に対する最大16キュービットの量子コンピュータ上でのディジタルシミュレーションの大規模実装について述べる。
我々の研究は、実際の量子プロセッサ上でのライフサイエンスタスクの大規模シミュレーションへの道を開いた。
- 参考スコア（独自算出の注目度）: 4.529849615658088
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: AlphaFold has achieved groundbreaking advancements in protein structure prediction, exerting profound influence across biology, medicine, and drug discovery. However, its reliance on multiple sequence alignment (MSA) is inherently time-consuming due to the NP-hard nature of constructing MSAs. Quantum computing emerges as a promising alternative, compared to classical computers, offering the potentials for exponential speedup and improved accuracy on such complex optimization challenges. This work bridges the gap between quantum computing and MSA task efficiently and successfully, where we compared classical and quantum computational scaling as the number of qubits increases, and assessed the role of quantum entanglement in model performance. Furthermore, we proposed an innovative hybrid query encoding approach hyQUBO to avoid redundancy, and thereby the quantum resources significantly reduced to a scaling of $\mathcal{O}(NL)$. Additionally, coupling of VQE and the quenched CVaR scheme was utilized to enhance the robustness and convergence. The integration of multiple strategies facilitates the robust deployment of the quantum algorithm from idealized simulators (on CPU and GPU) to real-world, noisy quantum devices (HYQ-A37). To the best of our knowledge, our work represented the largest-scale implementation of digital simulation using up to 16 qubits on a trapped-ion quantum computer for life science problem, which achieved state of the art performance in both simulation and experimental results. Our work paves the way towards large-scale simulations of life science tasks on real quantum processors.
- Abstract（参考訳）: AlphaFoldはタンパク質構造予測における画期的な進歩を達成し、生物学、医学、薬物発見に多大な影響を与えている。
しかし、マルチシークエンスアライメント(MSA)への依存は本質的に、MSAを構成するNPハードの性質のため、時間を要する。
量子コンピューティングは、古典的コンピュータと比較して有望な代替として登場し、指数的スピードアップの可能性と、そのような複雑な最適化課題における精度の向上を提供する。
この研究は、量子コンピューティングとMSAタスクのギャップを効率的にかつうまく埋め、量子ビットの数が増加するにつれて古典的および量子的計算スケーリングを比較し、モデル性能における量子絡み合いの役割を評価した。
さらに、冗長性を回避するために、革新的なハイブリッドクエリエンコーディング手法hyQUBOを提案し、量子リソースを$\mathcal{O}(NL)$へと大幅に削減した。
さらに,VQEと焼成CVaRスキームの結合を利用して,ロバスト性と収束性を高めた。
複数の戦略の統合により、理想化されたシミュレータ(CPUとGPU)から現実のノイズの多い量子デバイス(HYQ-A37)への量子アルゴリズムの堅牢な展開が容易になる。
我々の知る限り、我々の研究は、生命科学問題のための閉じ込められたイオン量子コンピュータに最大16キュービットの量子シミュレーションを用いた、最大規模のデジタルシミュレーションの実装であり、シミュレーションと実験の両方で最先端のパフォーマンスを達成した。
我々の研究は、実際の量子プロセッサ上でのライフサイエンスタスクの大規模シミュレーションへの道を開いた。
関連論文リスト
- Training Hybrid Deep Quantum Neural Network for Reinforcement Learning Efficiently [2.7812018782449073]
量子機械学習(QML)は、最近、新しい学際研究の方向性として登場した。
ノイズの多い中間スケール量子コンピュータと互換性のあるハイブリッドQMLモデルに関する最近の研究は、性能の向上を示唆している。
課題を克服し、PQCブロックによる効率的なバッチ最適化を示すスケーラブルなQMLアーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-03-12T07:12:02Z) - Parallel Quantum Computing Simulations via Quantum Accelerator Platform Virtualization [44.99833362998488]
本稿では,量子回路実行の並列化モデルを提案する。
このモデルはバックエンドに依存しない機能を利用することができ、任意のターゲットバックエンド上で並列量子回路の実行を可能にする。
論文 参考訳（メタデータ） (2024-06-05T17:16:07Z) - Resource-Efficient Hybrid Quantum-Classical Simulation Algorithm [0.0]
デジタル量子コンピュータは、量子時間進化の実行において指数的なスピードアップを約束する。
中間時間ステップで所望の量子特性を抽出するタスクは、依然として計算ボトルネックである。
我々は,従来のコンピュータがFTQCデバイスや量子時間プロパゲータを利用でき,このボトルネックを克服できるハイブリッドシミュレータを提案する。
論文 参考訳（メタデータ） (2024-05-17T04:17:27Z) - Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。
どの場の量子スピードアップが達成できるかという新たな課題が生じる。
量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
論文 参考訳（メタデータ） (2024-02-26T09:32:07Z) - Hamiltonian Encoding for Quantum Approximate Time Evolution of Kinetic
Energy Operator [2.184775414778289]
時間進化作用素は、量子コンピュータにおける化学実験の正確な計算において重要な役割を果たす。
我々は、運動エネルギー演算子の量子化のための新しい符号化法、すなわち量子近似時間発展法(QATE)を提案している。
論文 参考訳（メタデータ） (2023-10-05T05:25:38Z) - 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) - Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the
Race to Practical Quantum Advantage [43.3054117987806]
本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。
本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。
古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
論文 参考訳（メタデータ） (2022-08-29T15:24:03Z) - Tensor Network Quantum Virtual Machine for Simulating Quantum Circuits
at Exascale [57.84751206630535]
本稿では,E-scale ACCelerator(XACC)フレームワークにおける量子回路シミュレーションバックエンドとして機能する量子仮想マシン(TNQVM)の近代化版を提案する。
新バージョンは汎用的でスケーラブルなネットワーク処理ライブラリであるExaTNをベースにしており、複数の量子回路シミュレータを提供している。
ポータブルなXACC量子プロセッサとスケーラブルなExaTNバックエンドを組み合わせることで、ラップトップから将来のエクサスケールプラットフォームにスケール可能なエンドツーエンドの仮想開発環境を導入します。
論文 参考訳（メタデータ） (2021-04-21T13:26:42Z) - 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。
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。