論文の概要: Pauli Correlation Encoding for mRNA Secondary Structure Prediction: Problem-Aware Decoding for Dense-Constraint QUBOs

• arxiv url: http://arxiv.org/abs/2605.20163v1
• Date: Tue, 19 May 2026 17:49:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:09.568027
• Title: Pauli Correlation Encoding for mRNA Secondary Structure Prediction: Problem-Aware Decoding for Dense-Constraint QUBOs
• Title（参考訳）: mRNA二次構造予測のためのパウリ相関符号化:Dense-Constraint QUBOにおける問題認識復号
• Authors: Triet Friedhoff, Mihir Metkar, Wade Davis, Vaibhaw Kumar, Alexey Galda,
• Abstract要約: Pauli correlation plex (PCE) は$m$バイナリ変数を$n=O(m1/k)$ qubitsに圧縮する。 我々は,PCEをmRNA二次構造予測に適用し,QUBOを厳密に制約したQUBOとして定式化し,QUBOのペナルティ構造を保存するQUBO空間のシグモノイド損失を訓練する。 Problem-Aware Guided Decoder (PAGD) は、限界QUBOエネルギー削減とトレーニングされた期待値とを組み合わせることで、候補変数のコミットメントをスコアする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Pauli Correlation Encoding (PCE) compresses $m$ binary variables onto $n=O(m^{1/k})$ qubits by mapping them to commuting Pauli correlators, but its continuous expectation values must be decoded into feasible binary solutions, a challenge for dense-constraint problems. We apply PCE to mRNA secondary-structure prediction, formulated as a densely constrained QUBO, and train with a QUBO-space sigmoid loss thatpreserves the QUBO penalty structure. For decoding, we introduce the Problem-Aware Guided Decoder (PAGD), which scores candidate variable commitments by combining marginal QUBO energy reduction with a trained expectation-value prior and constraint-aware feasibility pruning. On six benchmark mRNA sequences (30-60 nt, 50-240 variables, 7-14 qubits), PAGD with 100 restarts achieves 75-100 percent near-optimal recovery, defined as $P(\mathrm{gap}<1\%)$, for sequences up to 152 variables, compared with 0-30 percent for a sign-rounding plus local-search baseline. On the 240-variable instance, trained PAGD reaches 50 percent $P(\mathrm{gap}<1\%)$ at 200 restarts, outperforming untrained-circuit and random-expectation-value controls. Hardware-scale tests extend the pipeline to three 102-105 nt instances (694-745 variables, 172,000-193,000 pair constraints, 23 qubits) on IBM Heron processors. The circuits transpile SWAP-free into 480 native two-qubit gates at depth 256, and PAGD decoded gaps on QPU runs match or beat simulator means for all three instances, including exact CPLEX-optimum recovery for one sequence. These results show that PCE-trained priors can survive deployment to noisy superconducting hardware at biologically relevant scale.
• Abstract（参考訳）: パウリ相関符号化(PCE)は、$m$バイナリ変数を$n=O(m^{1/k})$ qubitsに圧縮し、それを交換するパウリ相関子にマッピングする。 我々は,PCEをmRNA二次構造予測に適用し,QUBOを厳密に制約したQUBOとして定式化し,QUBOのペナルティ構造を保存するQUBO空間のシグモノイド損失を訓練する。 復号化には,QUBOエネルギー削減とトレーニング済み期待値と制約対応実現可能性プルーニングを組み合わせることで,候補となる可変コミットメントをスコアリングする問題認識ガイドデコーダ(PAGD)を導入する。 6つのベンチマークmRNA配列(30-60 nt, 50-240 変数, 7-14 qubits)において、100個のリスタートを持つ PAGD は、最大152変数の$P(\mathrm{gap}<1\%)$と定義され、符号ラウンドと局所探索ベースラインの 0-30% に対して 75-100% に近い回復を達成する。 240変数のインスタンスでは、トレーニング済みのPAGDが50パーセントのP(\mathrm{gap}<1\%)$を200再起動し、トレーニングされていないサーキットとランダムな予測値の制御よりも優れています。 ハードウェアスケールのテストでは、IBM Heronプロセッサ上でパイプラインを3つの102-105 ntインスタンス(694-745変数、172,000-193,000ペア制約、23キュービット)に拡張している。 SWAPフリーの回路は、深さ256で480個のネイティブ2ビットゲートにトランスパイルされ、QPU上のPAGDデコードされたギャップは、1つのシークエンスに対する正確なCPLEX最適リカバリを含む3つのインスタンスすべてに対してマッチまたはビートシミュレータ手段を実行する。 これらの結果から,PCEをトレーニングした前駆体は生物学的に関係のある規模で,ノイズの多い超伝導ハードウェアへの展開に耐えることができることがわかった。

関連論文リスト

• Fair Decoder Baselines and Rigorous Finite-Size Scaling for Bivariate Bicycle Codes on the Quantum Erasure Channel [0.14323566945483496]
  BB符号のBP-OSDデコードと並行して,非インフォームおよびエンフェラジャー対応のサーフェスコードベースラインを動作させる。 標準偏極重みMWPMと消去情報がないため、消去チャネル上でのランダムな推測と性能は一致しない。 BB at $N=1296$は、表面符号の2倍の閾値で、12$times$より低い正規化オーバーヘッドを持つ。
  論文  参考訳（メタデータ） (2026-03-19T15:53:51Z)
• Decoder Performance in Hybrid CV-Discrete Surface-Code Threshold Estimation Using LiDMaS+ [3.833542530785707]
  閾値推定はフォールトトレラント量子コンピューティングの中心であるが、報告された閾値はコードやノイズモデルだけでなく、シンドロームデータを解釈するデコーダにも依存する。 標準パウリノイズモデルとGKP方式のディジタル化を動機としたハイブリッド連続変数/離散モデルの両方による表面符号閾値推定の依存性について検討する。
  論文  参考訳（メタデータ） (2026-03-06T03:33:00Z)
• BPDQ: Bit-Plane Decomposition Quantization on a Variable Grid for Large Language Models [56.504879072674015]
  本稿では,ビットプレーンとスカラー係数による可変量子化グリッドを構成するビットプレーン分解量子化(BPDQ)を提案する。 BPDQは、1つのGTX 3090上でQwen2.5-72Bを83.85%のGSM8Kの精度で提供できる(ただし16ビットでは90.83%)。
  論文  参考訳（メタデータ） (2026-02-04T02:54:37Z)
• Inter-branch message transfer on superconducting quantum processors: a multi-architecture benchmark [0.0]
  我々は、Wigner's-Friend回路における分岐間メッセージ転送を、短期超伝導量子プロセッサの実用的なベンチマークとして扱う。 IBM Eagle、Nighthawk、Heronプロセッサでメッセージサイズを最大$n=32$まで比較する。
  論文  参考訳（メタデータ） (2026-01-27T16:25:56Z)
• Noise-Adaptive Quantum Circuit Mapping for Multi-Chip NISQ Systems via Deep Reinforcement Learning [0.0]
  本稿では,双方向長短期記憶に基づく動的雑音適応ネットワークを統合した深層強化学習フレームワークDeepQMapを提案する。 本手法は,量子系の動作の時間的表現を学習することで,ハードウェアのダイナミクスに継続的に適応する。 DeepQMapは平均回路忠実度が0.920 pm 0.023$であり、最先端のQUBO法よりも統計的に49.3%向上している。
  論文  参考訳（メタデータ） (2025-11-22T14:27:55Z)
• Protein Structure Tokenization via Geometric Byte Pair Encoding [36.39587248348813]
  原理的タンパク質構造プロテタイザ(PST)であるGeoBPEを紹介する。 GeoBPEは、連続的でノイズの多いマルチスケールのバックボーンコンフォメーションを、大域的な制約を課しながら、幾何学の離散文'に変換する。 圧縮(類似の歪み率で1ビットあたり10倍の圧縮)、データ効率(10倍のトレーニングデータ)、一般化を提供する。
  論文  参考訳（メタデータ） (2025-11-13T22:53:29Z)
• Far from Perfect: Quantum Error Correction with (Hyperinvariant) Evenbly Codes [38.729065908701585]
  Evenbly コードと呼ばれる新しいクビット符号のクラスを導入します。 我々の研究は、イブリー符号が実用的な量子コンピューティングアプリケーションにとって有望であることを示している。
  論文  参考訳（メタデータ） (2024-07-16T17:18:13Z)
• Extrapolating Pauli Checks for Expectation Value Estimation on Noisy Quantum Devices [6.2796020299013735]
  Pauli Check Extrapolation (PCE) は量子回路の誤差軽減手法である。 我々はPCEが最先端のロバスト・シャドウ推定よりも高い忠実性が得られることを示す。
  論文  参考訳（メタデータ） (2024-06-20T22:07:42Z)
• SpacTor-T5: Pre-training T5 Models with Span Corruption and Replaced Token Detection [49.43407207482008]
  SpacTorは、スパン汚職(SC)とトークン置換検出(RTD)を組み合わせたハイブリッド目標からなる新しいトレーニング手順である。 各種NLPタスクにおけるエンコーダ・デコーダアーキテクチャ(T5)による実験では、SpacTor-T5は標準のSCプリトレーニングと同じダウンストリーム性能が得られる。
  論文  参考訳（メタデータ） (2024-01-24T00:36:13Z)
• Simulation of IBM's kicked Ising experiment with Projected Entangled Pair Operator [71.10376783074766]
  我々は最近,誤りを軽減した量子回路を用いてエミュレートされた127量子ビットキックド・イジングモデルの古典的シミュレーションを行った。 提案手法はハイゼンベルク図の射影的絡み合ったペア作用素(PEPO)に基づいている。 我々はクリフォード展開理論を開発し、正確な期待値を計算し、それらをアルゴリズムの評価に利用する。
  論文  参考訳（メタデータ） (2023-08-06T10:24:23Z)
• Composed Fine-Tuning: Freezing Pre-Trained Denoising Autoencoders for Improved Generalization [93.95299500688286]
  本稿では,出力の妥当性制約を考慮した構造化出力の予測問題に焦点をあてる。 本稿では,事前学習したデノイザを組み込んだ予測器を微調整するファインチューニングを提案する。 2層ReLUネットワークの場合、構成した微調整が予測器の複雑さを著しく低減することを示す。
  論文  参考訳（メタデータ） (2020-06-29T17:14:35Z)

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。