論文の概要: QHap: Quantum-Inspired Haplotype Phasing

• arxiv url: http://arxiv.org/abs/2603.25762v1
• Date: Thu, 26 Mar 2026 03:06:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-30 21:49:48.188648
• Title: QHap: Quantum-Inspired Haplotype Phasing
• Title（参考訳）: QHap:量子に触発されたハプロタイプファスティング
• Abstract要約: 量子インスパイアされた最適化を利用するハプロタイプ処理ツールであるQHapを紹介する。 QHapは、既存のペースティングツールに匹敵する精度を維持しながら、ペースティングを加速する。 キャプチャデータの統合は、位相ブロックの連続性を最大15倍に拡張し、近染色体スパンニングハプロタイプ再構築を可能にする。
• 参考スコア（独自算出の注目度）: 15.820593441492662
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Haplotype phasing, the process of resolving parental allele inheritance patterns in diploid genomes, is critical for precision medicine and population genetics, yet the underlying optimization is NP-hard, posing a scalability challenge. To address this, we introduce QHap, a haplotype phasing tool that leverages quantum-inspired optimization. By reformulating haplotype phasing as a Max-Cut problem and deploying a GPU-accelerated ballistic simulated bifurcation solver, QHap accelerates phasing while maintaining accuracy comparable to established phasing tools. On the highly polymorphic human major histocompatibility complex region, QHap demonstrates 4- to 20-fold acceleration with zero switch error across multiple long read sequencing platforms. The framework implements two strategies: a read-based method for regional phasing, and a single nucleotide polymorphism-based method that, through quality-weighted probabilistic edge construction, efficiently scales to chromosome-scale tasks. Integration of chromatin conformation capture data extends phase block contiguity by up to 15-fold, enabling near-chromosome-spanning haplotype reconstruction. QHap demonstrates that quantum-inspired algorithms operating on classical hardware offer a promising approach to addressing the growing computational demands of sequencing data, establishing a new paradigm for applying physics-inspired optimization to fundamental challenges in computational genomics.
• Abstract（参考訳）: ハプロタイプ・ファスティング(Haplotype phasing)は、二倍体ゲノムにおける親のアレルの遺伝パターンを解明するプロセスであり、精密な医学や集団遺伝学において重要であるが、根底にある最適化はNPハードであり、拡張性に挑戦している。 これを解決するために、量子インスパイアされた最適化を利用するハプロタイプ処理ツールであるQHapを紹介する。 最大カッツ問題としてのハプロタイプファスティングを再構成し、GPUアクセラレーションされた弾道シミュレーション分岐解器を配置することにより、QHapは、確立されたパスティングツールに匹敵する精度を維持しながら、ファスティングを加速する。 高度に多型なヒト大組織適合性複合体領域において、QHapは複数の長読みシークエンシングプラットフォームにまたがるスイッチエラーをゼロにする4倍から20倍の加速を示す。 このフレームワークは2つの戦略を実装している: 地域的投薬のための読み取りベースの方法と、品質の重み付けされた確率的エッジ構築を通じて、染色体スケールのタスクに効率よくスケールする単一のヌクレオチド多型ベースの方法である。 クロマチンコンホメーションキャプチャーデータの統合は、位相ブロックの連続性を最大15倍に拡張し、近染色体スパンニングハプロタイプ再構成を可能にする。 QHapは、古典的ハードウェアで動く量子インスパイアされたアルゴリズムが、データシークエンシングの増大する計算要求に対処するための有望なアプローチを提供し、計算ゲノム学の基本的な課題に物理インスパイアされた最適化を適用するための新しいパラダイムを確立することを実証している。

関連論文リスト

• Resource-Efficient Bio-Molecular Docking on a NISQ-era Digital Quantum Computer [16.44284103525396]
  分子ドッキングのためのハイブリッド量子古典的アプローチを提案する。 FBEの目的のグローバルな最小化は、常に純粋な製品状態として選択可能であることを証明します。 また、IBM量子コンピュータ上で回路を実行する。
  論文  参考訳（メタデータ） (2026-08-20T10:27:47Z)
• PUBO Formulation for MST and Application to Optimum-Path Forest [0.6501025489527175]
  我々は,オプティマルパスフォレスト(OPF)分類器のプロトタイプ選択に量子的に着想を得たアプローチを提案する。 PUBOの定式化はキュービットの必要性を減らし、補助変数の必要性をなくす。 実世界のデータセットの実験では、FALQONに最適化されたMSTが古典的なプリムのアルゴリズムに匹敵する精度を達成した。
  論文  参考訳（メタデータ） (2026-05-20T02:46:56Z)
• Quantum Approximate Optimization Algorithm for MIMO with Quantized b-bit Beamforming [47.98440449939344]
  多重入力多重出力(MIMO)は6G通信において重要であり、スペクトル効率と信頼性の向上を提供する。 本稿では、送信機と受信機の両方でbビット量子化位相シフト器の問題に対処するために、量子近似最適化アルゴリズム(QAOA)と交互最適化を適用することを検討する。 この量子化ビームフォーミング問題の構造はQAOAのようなハイブリッド古典的手法と自然に一致し、ビームフォーミングで使われる位相シフトは量子回路の回転ゲートに直接マッピングできる。
  論文  参考訳（メタデータ） (2025-10-07T17:53:02Z)
• Qumode-Based Variational Quantum Eigensolver for Molecular Excited States [43.148034499498586]
  分子励起状態を計算するためのハイブリッド量子古典アルゴリズムであるQumode Subspace Variational Quantum Eigensolver (QSS-VQE)を紹介する。 本研究では, ジヒドロゲンおよびシトシンの円錐交差を含む分子励起状態のシミュレーションによるQSS-VQEの性能を示す。
  論文  参考訳（メタデータ） (2025-09-05T00:53:51Z)
• Quantum-Classical Hybrid Quantized Neural Network [8.382617481718643]
  本稿では、任意のアクティベーションと損失関数の使用を可能にする、量子化されたニューラルネットワークトレーニングのための新しい擬似バイナリ最適化(QBO)モデルを提案する。 我々はQCBO問題を直接解くために量子コンピューティングを利用するQCGD(Quantum Gradient Conditional Descent)アルゴリズムを用いる。
  論文  参考訳（メタデータ） (2025-06-23T02:12:36Z)
• QAMA: Scalable Quantum Annealing Multi-Head Attention Operator for Deep Learning [48.12231190677108]
  QAMA(Quantum Annealing Multi-Head Attention)は、エネルギーベースのハミルトン最適化問題として注目を集める新しいドロップイン演算子である。 この枠組みでは、トークン相互作用を二項二項項に符号化し、低エネルギー構成の探索に量子アニールを用いる。 経験的に、自然言語と視覚のベンチマークによる評価は、タスク全体にわたって、標準的なマルチヘッドの注意から少なくとも2.7ポイントの精度が低下していることを示している。
  論文  参考訳（メタデータ） (2025-04-15T11:29:09Z)
• Optimization of the Qubit Coupled Cluster Ansatz on classical computers [0.0]
  繰り返し量子ビット結合クラスタ(iQCC)法において,振幅最適化を改善するための2つの手法について報告する。 第一のスキームは、QCCユニタリを与えられた順序に結合されたジェネレータの和として近似する。 第2のスキームは、QCCユニタリが生成される拡張空間のサイズを制限する。
  論文  参考訳（メタデータ） (2025-02-24T19:11:40Z)
• GloptiNets: Scalable Non-Convex Optimization with Certificates [61.50835040805378]
  本稿では,ハイパーキューブやトーラス上のスムーズな関数を扱う証明書を用いた非キューブ最適化手法を提案する。 スペクトルの減衰に固有の対象関数の正則性を活用することにより、正確な証明を取得し、高度で強力なニューラルネットワークを活用することができる。
  論文  参考訳（メタデータ） (2023-06-26T09:42:59Z)
• Q-FW: A Hybrid Classical-Quantum Frank-Wolfe for Quadratic Binary Optimization [44.96576908957141]
  本稿では,量子コンピュータ上での2次線形反復問題を解くために,フランク・ウルフアルゴリズム(Q-FW)に基づく古典量子ハイブリッドフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-03-23T18:00:03Z)
• Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
  マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。 その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
  論文  参考訳（メタデータ） (2021-06-24T20:16:02Z)
• Q-Match: Iterative Shape Matching via Quantum Annealing [64.74942589569596]
  形状対応を見つけることは、NP-hard quadratic assignment problem (QAP)として定式化できる。 本稿では,アルファ拡大アルゴリズムに触発されたQAPの反復量子法Q-Matchを提案する。 Q-Match は、実世界の問題にスケールできるような長文対応のサブセットにおいて、反復的に形状マッチング問題に適用できる。
  論文  参考訳（メタデータ） (2021-05-06T17:59:38Z)
• Convergence Analysis of Homotopy-SGD for non-convex optimization [43.71213126039448]
  ホモトピー法とSGDを組み合わせた一階述語アルゴリズム、Gradienty-Stoch Descent (H-SGD)を提案する。 いくつかの仮定の下で、提案した問題の理論的解析を行う。 実験の結果,H-SGDはSGDより優れていた。
  論文  参考訳（メタデータ） (2020-11-20T09:50:40Z)
• Preparation of excited states for nuclear dynamics on a quantum computer [117.44028458220427]
  量子コンピュータ上で励起状態を作成するための2つの異なる方法を研究する。 シミュレーションおよび実量子デバイス上でこれらの手法をベンチマークする。 これらの結果から,フォールトトレラントデバイスに優れたスケーリングを実現するために設計された量子技術が,接続性やゲート忠実性に制限されたデバイスに実用的なメリットをもたらす可能性が示唆された。
  論文  参考訳（メタデータ） (2020-09-28T17:21:25Z)
• MoG-VQE: Multiobjective genetic variational quantum eigensolver [0.0]
  変分量子固有解法 (VQE) は、近距離量子コンピュータのための最初の実用的なアルゴリズムとして登場した。 本稿では,低深度と精度の向上を両立させる手法を提案する。 2ビットゲート数の10倍近く削減されるのを、標準のハードウェア効率のアンサッツと比較して観察する。
  論文  参考訳（メタデータ） (2020-07-08T20:44:50Z)
• GeneCAI: Genetic Evolution for Acquiring Compact AI [36.04715576228068]
  ディープニューラルネットワーク(DNN)は、より高い推論精度を達成するために、より複雑なアーキテクチャへと進化している。 モデル圧縮技術は、リソース制限されたモバイルデバイスにそのような計算集約的なアーキテクチャを効率的に展開するために利用することができる。 本稿では,階層ごとの圧縮ハイパーパラメータのチューニング方法を自動的に学習する新しい最適化手法であるGeneCAIを紹介する。
  論文  参考訳（メタデータ） (2020-04-08T20:56:37Z)

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。