論文の概要: A Quantum Platform for Multiomics Data

• arxiv url: http://arxiv.org/abs/2506.14080v1
• Date: Tue, 17 Jun 2025 00:33:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-18 17:34:59.277474
• Title: A Quantum Platform for Multiomics Data
• Title（参考訳）: マルチオミクスデータのための量子プラットフォーム
• Authors: Michael Kubal, Sonika Johri,
• Abstract要約: 量子コンピューティングは、古典的に難解な問題に対処するための新しいパラダイムを提供する。 このギャップを埋めるために設計された、ハイブリッド量子古典機械学習プラットフォームを導入します。 本稿では,分子変数からの表現型状態の量子的分類と,生物学的システムにおける時間的進化の予測を通じて,プラットフォームの有用性を実証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The complexity of biological systems, governed by molecular interactions across hierarchical scales, presents a challenge for computational modeling. While advances in multiomic profiling have enabled precise measurements of biological components, classical computational approaches remain limited in capturing emergent dynamics critical for understanding disease mechanisms and therapeutic interventions. Quantum computing offers a new paradigm for addressing classically intractable problems, yet its integration into biological research remains nascent due to scalability barriers and accessibility gaps. Here, we introduce a hybrid quantum-classical machine learning platform designed to bridge this gap, with an encode-search-build approach which allows for efficiently extracting the most relevant information from biological data to \underline{encode} into a quantum state, provably efficient training algorithms to \underline{search} for optimal parameters, and a stacking strategy that allows one to systematically \underline{build} more complex models as more quantum resources become available. We propose to demonstrate the platform's utility through two initial use cases: quantum-enhanced classification of phenotypic states from molecular variables and prediction of temporal evolution in biological systems.
• Abstract（参考訳）: 階層的なスケールにわたる分子相互作用によって支配される生物学的システムの複雑さは、計算モデリングの課題である。 マルチオミックプロファイリングの進歩により生物学的成分の精密な測定が可能になったが、古典的な計算手法は、疾患のメカニズムや治療介入を理解する上で重要な創発的ダイナミクスを捉えるのに限られている。 量子コンピューティングは、古典的に難解な問題に対処するための新しいパラダイムを提供するが、その生物学的研究への統合は、スケーラビリティの障壁とアクセシビリティのギャップのために、まだ初期段階にある。 本稿では、このギャップを埋めるために設計されたハイブリッドな量子古典機械学習プラットフォームについて、生物学的データから最も関連性の高い情報を量子状態へ効率的に抽出するエンコード-検索-構築アプローチ、最適パラメータを最適パラメータとして \underline{search} に証明可能なトレーニングアルゴリズム、より多くの量子リソースが利用可能になるにつれて、より複雑なモデルを体系的に \underline{build} に組み込むためのスタックング戦略を紹介する。 本稿では,分子変数からの表現型状態の量子的分類と,生物学的システムにおける時間的進化の予測という2つの初期利用事例を通じて,プラットフォームの有用性を実証することを提案する。

関連論文リスト

• Quantum QSAR for drug discovery [41.94295877935867]
  量的構造-活性関係(QSAR)モデリングは、薬物発見の鍵となる。 本研究では,量子支援ベクトルマシン(QSVM)によるQSAR技術の向上を提案する。 量子データ符号化と量子カーネル関数を用いて,より正確かつ効率的な予測モデルの構築を目指す。
  論文  参考訳（メタデータ） (2025-05-06T17:58:33Z)
• Characterizing Non-Markovian Dynamics of Open Quantum Systems [0.0]
  我々はTCLマスター方程式を用いて非マルコフ進化を特徴付ける構造保存手法を開発した。 本稿では,ローレンス・リバモア国立研究所のQuantum Device Integration Testbed (QuDIT) における超伝導量子ビットの実験データを用いた手法について述べる。 これらの知見は、短期量子プロセッサにおける量子制御とエラー軽減に寄与する、オープン量子システムの効率的なモデリング戦略に関する貴重な洞察を提供する。
  論文  参考訳（メタデータ） (2025-03-28T04:43:24Z)
• Robust Quantum Reservoir Computing for Molecular Property Prediction [0.5399129278613575]
  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。
  論文  参考訳（メタデータ） (2024-12-09T18:49:18Z)
• 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)
• Quantifying High-Order Interdependencies in Entangled Quantum States [43.70611649100949]
  シナジーや冗長性に支配される量子状態の識別が可能な情報理論測度であるQ情報を紹介する。 量子系は高次特性を示すために少なくとも4つの変数を必要とすることを示す。 全体として、Q情報は量子系の内部構造と時間進化の新たな側面に光を当てている。
  論文  参考訳（メタデータ） (2023-10-05T17:00:13Z)
• Singular value decomposition quantum algorithm for quantum biology [0.0]
  本稿では,最近開発された特異値分解アルゴリズムを量子生物学における2つのベンチマークシステムに適用する。 このアルゴリズムは,量子シミュレータの実装により,これらのシステムの短時間・長時間の正確なダイナミクスを捉えることができることを示す。
  論文  参考訳（メタデータ） (2023-09-29T16:52:10Z)
• Quantum machine learning for image classification [39.58317527488534]
  本研究では、量子力学の原理を有効計算に活用する2つの量子機械学習モデルを紹介する。 我々の最初のモデルは、並列量子回路を持つハイブリッド量子ニューラルネットワークであり、ノイズの多い中間スケール量子時代においても計算の実行を可能にする。 第2のモデルは、クオン進化層を持つハイブリッド量子ニューラルネットワークを導入し、畳み込みプロセスによる画像の解像度を低下させる。
  論文  参考訳（メタデータ） (2023-04-18T18:23:20Z)

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。