論文の概要: Energy-efficient codon optimization on thermodynamic hardware
- arxiv url: http://arxiv.org/abs/2606.17327v1
- Date: Mon, 15 Jun 2026 22:20:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-17 17:15:32.156893
- Title: Energy-efficient codon optimization on thermodynamic hardware
- Title（参考訳）: 熱力学ハードウェアにおけるエネルギー効率の良いコドン最適化
- Authors: Andraz Jelincic, Ross C. Walker,
- Abstract要約: 熱力学ハードウェアにマッピングされた最初のコンクリート製薬アプリケーションについて, 試作機で得られたエネルギー推定値について述べる。
医薬品開発において日常的に解決されるmRNAコドン最適化をIsingモデルからのサンプリングに還元し、熱力学的サンプリングユニット(TSU)で直接実行可能にする。
いずれも同等の最適化品質を実現する(スコア234-240)が、検証されたハードウェアモデルに基づくエネルギー推定は、TSが従来のGPUの約10e6倍のエネルギーでこの問題を解決できることを示唆している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The growing energy demand for computation is becoming increasingly unsustainable. Thermodynamic computing, which harnesses physical thermal fluctuations as a computational resource rather than suppressing them, offers orders-of-magnitude energy savings for probabilistic and combinatorial tasks. Pharmaceutical R&D, heavily reliant on computational optimization and sampling, is a natural application domain. Here we present what is, to our knowledge, the first concrete pharmaceutical application mapped to thermodynamic hardware with energy estimates grounded in prototype measurements. We reduce mRNA codon optimization, a combinatorial problem routinely solved in drug development, to sampling from an Ising model, making it directly executable on a thermodynamic sampling unit (TSU). Benchmarking three approaches (Potts sampling, Ising sampling, and a genetic algorithm baseline) on the SARS-CoV-2 spike protein, we find that all achieve comparable optimization quality (scores ~234-240), but energy estimates based on validated hardware models indicate that a TSU could solve this problem using approximately 10e6 times less energy than a conventional GPU. All code is released under an open-source license.
- Abstract（参考訳）: 計算に対するエネルギー需要の増大は、ますます持続不可能になりつつある。
熱力学計算は、物理的熱ゆらぎを計算資源として利用するが、確率的および組合せ的なタスクに対して、マグニチュードのオーダー・オブ・マグニチュード・エネルギ・セーブを提供する。
計算最適化とサンプリングに大きく依存している薬学R&Dは、自然の応用分野である。
ここでは、我々が知る限り、最初に熱力学ハードウェアにマッピングされたコンクリート製薬の応用について紹介する。
医薬品開発において日常的に解決される組合せ問題であるmRNAコドン最適化をIsingモデルからサンプリングし、熱力学的サンプリングユニット(TSU)上で直接実行可能にする。
SARS-CoV-2スパイクタンパク質上での3つのアプローチ(ポッツサンプリング、アイシングサンプリング、遺伝的アルゴリズムベースライン)をベンチマークした結果、全てのアルゴリズムが同等の最適化品質(スコア ~234-240)を達成することがわかった。
すべてのコードはオープンソースライセンスでリリースされている。
関連論文リスト
- Thermodynamic significance of QUBO encoding on quantum annealers [0.0]
ペナルティ重みによって制御される2パラメータのエンコーディングファミリを用いたジョブショップスケジューリングインスタンスについて検討する。
計算硬度を管理するのと同じ符号化遷移も散逸を再編成する。
以上の結果から,QUBOのペナルティを熱力学制御ノブとして確立し,ノイズの多い中規模量子アニールに対する熱力学の符号化戦略を動機づけた。
論文 参考訳（メタデータ） (2026-01-07T21:18:54Z) - Energy Scaling Laws for Diffusion Models: Quantifying Compute and Carbon Emissions in Image Generation [50.21021246855702]
本稿では,計算複雑性(FLOP)に基づく拡散モデルに対するGPUエネルギー消費予測のためのKaplanスケーリング法の適用法を提案する。
提案手法は, テキストエンコーディング, 反復的復号化, 復号化コンポーネントへの拡散モデル推論を分解し, 複数の推論ステップをまたいだ繰り返し実行により, 演算の復号化がエネルギー消費を支配しているという仮説を導いた。
この結果は拡散予測の計算バウンドの性質を検証し、持続可能なAIデプロイメント計画と炭素フットプリント推定の基礎を提供する。
論文 参考訳（メタデータ） (2025-11-21T08:12:47Z) - Quantum thermodynamics and semi-definite optimization [3.7498611358320733]
量子熱力学において、系はハミルトニアンによって記述され、システムの最小エネルギーを決定することが目的である。
最適化理論では、半定値プログラム(SDP)は正半定値作用素の錐上で最適化された線形目的関数を含む。
量子熱力学に動機づけられたJaynesの考え方を採用することで、上記の熱力学問題における自由エネルギーの最小化は、エネルギーの代わりにエレガントな解をもたらすことを観察する。
論文 参考訳（メタデータ） (2025-05-07T15:40:15Z) - PearSAN: A Machine Learning Method for Inverse Design using Pearson Correlated Surrogate Annealing [66.27103948750306]
PearSANは、大きな設計空間を持つ逆設計問題に適用可能な機械学習支援最適化アルゴリズムである。
ピアソン相関代理モデルを用いて、真の設計計量のメリットの図形を予測する。
最先端の最大設計効率は97%で、少なくとも以前の方法よりも桁違いに高速である。
論文 参考訳（メタデータ） (2024-12-26T17:02:19Z) - Predicting Probabilities of Error to Combine Quantization and Early Exiting: QuEE [68.6018458996143]
本稿では,量子化と早期出口動的ネットワークを組み合わせたより一般的な動的ネットワークQuEEを提案する。
我々のアルゴリズムは、ソフトアーリーエグジットや入力依存圧縮の一形態と見なすことができる。
提案手法の重要な要素は、さらなる計算によって実現可能な潜在的な精度向上の正確な予測である。
論文 参考訳（メタデータ） (2024-06-20T15:25:13Z) - Solving Boltzmann Optimization Problems with Deep Learning [0.21485350418225244]
Isingモデルは、高エネルギー効率計算のための将来のフレームワークとして、特に有望であることを示している。
イジングシステムは、計算のエネルギー消費に対する熱力学的限界に近づくエネルギーで操作することができる。
Isingベースのハードウェアを作成する際の課題は、基本的な非決定論的ハードウェア上で正しい結果を生成する有用な回路を最適化することである。
論文 参考訳（メタデータ） (2024-01-30T19:52:02Z) - Error Mitigation for Thermodynamic Computing [0.0]
熱力学コンピューティングにおけるエラーの主な原因は、アナログハードウェアコンポーネントのインプレクションである。
本稿では,線形から二次依存への全体的な誤差を低減させる手法を提案する。
我々は,1000以上の次元に対して,この手法のスケーラビリティを数値的に示す。
論文 参考訳（メタデータ） (2024-01-29T15:30:47Z) - Thermodynamic Computing System for AI Applications [0.0]
熱力学計算のような物理ベースのハードウェアは、AIプリミティブを加速する高速で低消費電力の手段を提供する可能性がある。
処理ユニット(SPU)と呼ばれる最初の連続可変熱力学コンピュータを提示する。
論文 参考訳（メタデータ） (2023-12-08T05:22:04Z) - Gradual Optimization Learning for Conformational Energy Minimization [69.36925478047682]
ニューラルネットワークによるエネルギー最小化のためのGradual Optimization Learning Framework(GOLF)は、必要な追加データを大幅に削減する。
GOLFでトレーニングしたニューラルネットワークは,種々の薬物様分子のベンチマークにおいて,オラクルと同等に動作することを示す。
論文 参考訳（メタデータ） (2023-11-05T11:48:08Z) - Simulation of Thermal Relaxation in Spin Chemistry Systems on a Quantum
Computer Using Inherent Qubit Decoherence [53.20999552522241]
我々は,実世界の量子システムの振舞いをシミュレーションする資源として,キュービットデコヒーレンスを活用することを目指している。
熱緩和を行うための3つの方法を提案する。
結果,実験データ,理論的予測との間には,良好な一致が得られた。
論文 参考訳（メタデータ） (2020-01-03T11:48:11Z)
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。