論文の概要: SubQuad: Near-Quadratic-Free Structure Inference with Distribution-Balanced Objectives in Adaptive Receptor framework

• arxiv url: http://arxiv.org/abs/2602.17330v1
• Date: Thu, 19 Feb 2026 12:51:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-20 15:21:29.034302
• Title: SubQuad: Near-Quadratic-Free Structure Inference with Distribution-Balanced Objectives in Adaptive Receptor framework
• Title（参考訳）: SubQuad: アダプティブ・レセプタ・フレームワークにおける分布型オブジェクトを用いたニア・クアドラティック・フリーな構造推論
• Authors: Rong Fu, Zijian Zhang, Wenxin Zhang, Kun Liu, Jiekai Wu, Xianda Li, Simon Fong,
• Abstract要約: SubQuadは、抗原認識、ほぼ四分法検索、GPUアクセラレーションされたアフィニティカーネル、学習されたマルチモーダル融合、フェアネス制約クラスタリングを組み合わせたエンドツーエンドパイプラインである。 システムでは、コンパクトなMinHashプリフィルタを使用して、候補比較を鮮明に削減している。 大規模なウイルスおよび腫瘍レパートリーでは、SubQuadは、recall@k、クラスタ純度、サブグループのエクイティを保存または改善しながら、スループットとピークメモリ使用量の測定値を取得する。
• 参考スコア（独自算出の注目度）: 6.863360555178146
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Comparative analysis of adaptive immune repertoires at population scale is hampered by two practical bottlenecks: the near-quadratic cost of pairwise affinity evaluations and dataset imbalances that obscure clinically important minority clonotypes. We introduce SubQuad, an end-to-end pipeline that addresses these challenges by combining antigen-aware, near-subquadratic retrieval with GPU-accelerated affinity kernels, learned multimodal fusion, and fairness-constrained clustering. The system employs compact MinHash prefiltering to sharply reduce candidate comparisons, a differentiable gating module that adaptively weights complementary alignment and embedding channels on a per-pair basis, and an automated calibration routine that enforces proportional representation of rare antigen-specific subgroups. On large viral and tumor repertoires SubQuad achieves measured gains in throughput and peak memory usage while preserving or improving recall@k, cluster purity, and subgroup equity. By co-designing indexing, similarity fusion, and equity-aware objectives, SubQuad offers a scalable, bias-aware platform for repertoire mining and downstream translational tasks such as vaccine target prioritization and biomarker discovery.
• Abstract（参考訳）: 集団規模での適応型免疫レパートリーの比較分析は、2対の親和性評価のほぼ4分の1のコストと、臨床的に重要でないマイノタイプであるデータセットの不均衡という2つの実用的なボトルネックによって妨げられている。 本稿では,これらの課題に対処するエンドツーエンドパイプラインであるSubQuadを紹介する。抗原認識,GPU加速アフィニティカーネル,マルチモーダル融合の学習,公正制約付きクラスタリングなどだ。 本システムは、コンパクトなMinHashプリフィルタを用いて、候補比較を鮮明に削減し、相補的アライメントと埋め込みチャネルをペアごとに適応的に重み付けする分化可能なゲーティングモジュール、および希少抗原特異的サブグループの比例表現を強制する自動校正ルーチンを用いる。 大規模なウイルスおよび腫瘍レパートリーでは、SubQuadは、recall@k、クラスタ純度、サブグループのエクイティを保存または改善しながら、スループットとピークメモリ使用量の測定値を取得する。 SubQuadは、インデックス作成、類似性融合、およびエクイティ対応の目標を共同設計することで、レパートリーマイニングとワクチンターゲットの優先順位付けやバイオマーカー発見といった下流翻訳タスクのためのスケーラブルでバイアス対応のプラットフォームを提供する。

関連論文リスト

• Adjustment of Cluster-Then-Predict Framework for Multiport Scatterer Load Prediction [41.99844472131922]
  マルチポート散乱器における相互依存負荷値の予測は, インピーダンスと散乱能力の複雑な依存性と高次元性により困難である。 マルチポート散乱器における複数負荷値予測のための2段階クラスタ列予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-08T21:26:05Z)
• AbRank: A Benchmark Dataset and Metric-Learning Framework for Antibody-Antigen Affinity Ranking [3.6572710422983445]
  AbRankは、アフィニティ予測をペアのランキング問題として再設定する大規模なベンチマークと評価フレームワークである。 グラフベースのアプローチであるWALLE-Affinityを導入し、タンパク質言語モデルの埋め込みを構造情報と統合し、相互結合の嗜好を予測する。
  論文  参考訳（メタデータ） (2025-06-21T23:34:46Z)
• Semiparametric conformal prediction [79.6147286161434]
  ベクトル値の非整合性スコアの結合相関構造を考慮した共形予測セットを構築する。 スコアの累積分布関数(CDF)を柔軟に推定する。 提案手法は,現実の回帰問題に対して,所望のカバレッジと競争効率をもたらす。
  論文  参考訳（メタデータ） (2024-11-04T14:29:02Z)
• Rethinking Clustered Federated Learning in NOMA Enhanced Wireless Networks [60.09912912343705]
  本研究では,新しいクラスタ化フェデレーション学習(CFL)アプローチと,非独立かつ同一に分散した(非IID)データセットを統合することのメリットについて検討する。 データ分布における非IIDの度合いを測定する一般化ギャップの詳細な理論的解析について述べる。 非IID条件によって引き起こされる課題に対処する解決策は、特性の分析によって提案される。
  論文  参考訳（メタデータ） (2024-03-05T17:49:09Z)
• Noisy Correspondence Learning with Self-Reinforcing Errors Mitigation [63.180725016463974]
  クロスモーダル検索は、実際は精力的な、十分に整合した大規模データセットに依存している。 我々は、新しい雑音対応学習フレームワーク、textbfSelf-textbfReinforcing textbfErrors textbfMitigation(SREM)を導入する。
  論文  参考訳（メタデータ） (2023-12-27T09:03:43Z)
• Near-Optimal Resilient Aggregation Rules for Distributed Learning Using 1-Center and 1-Mean Clustering with Outliers [24.88026399458157]
  ビザンティンの機械学習は、予測不可能な欠陥によってかなりの注目を集めている。 分散学習におけるマシンのセキュア化の鍵は、レジリエントな集約メカニズムである。
  論文  参考訳（メタデータ） (2023-12-20T08:36:55Z)
• Balanced Classification: A Unified Framework for Long-Tailed Object Detection [74.94216414011326]
  従来の検出器は、分類バイアスによる長期データを扱う際の性能劣化に悩まされる。 本稿では,カテゴリ分布の格差に起因する不平等の適応的是正を可能にする,BAlanced CLassification (BACL) と呼ばれる統一フレームワークを提案する。 BACLは、さまざまなバックボーンとアーキテクチャを持つさまざまなデータセット間で、一貫してパフォーマンス改善を実現している。
  論文  参考訳（メタデータ） (2023-08-04T09:11:07Z)
• Correlation Clustering Reconstruction in Semi-Adversarial Models [70.11015369368272]
  相関クラスタリングは多くのアプリケーションにおいて重要なクラスタリング問題である。 本研究では,ランダムノイズや対向的な修正によって崩壊した潜伏クラスタリングを再構築しようとする,この問題の再構築版について検討する。
  論文  参考訳（メタデータ） (2021-08-10T14:46:17Z)
• Predictive Modeling of ICU Healthcare-Associated Infections from Imbalanced Data. Using Ensembles and a Clustering-Based Undersampling Approach [55.41644538483948]
  本研究は,集中治療室における危険因子の同定と医療関連感染症の予測に焦点をあてる。 感染発生率の低減に向けた意思決定を支援することを目的とする。
  論文  参考訳（メタデータ） (2020-05-07T16:13:12Z)

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。