論文の概要: COMET: Combinatorial Optimization for Multiplex Editing Targets Via Constraint-Preserving QAOA

• arxiv url: http://arxiv.org/abs/2607.02622v1
• Date: Thu, 02 Jul 2026 08:37:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.362441
• Title: COMET: Combinatorial Optimization for Multiplex Editing Targets Via Constraint-Preserving QAOA
• Title（参考訳）: COMET: 制約付きQAOAによる多重編集ターゲットの組合せ最適化
• Abstract要約: 多重CRISPR-Cas9遺伝子編集では、遺伝子間相互作用の対象となる標的遺伝子ごとに1つのガイドRNAを選択する必要がある。 遺伝子単位の1ホット制約は、コストハミルトニアンにペナルティ条件を加えることによって、伝統的に強制される。 もう一つの方法は、構造上の制約をXYミキサーを通じて強制することである。
• 参考スコア（独自算出の注目度）: 0.010923877073891442
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multiplex CRISPR-Cas9 gene editing requires selecting one guide RNA per target gene subject to cross-gene interactions: a constrained combinatorial problem that can be formulated as a Quadratic Unconstrained Binary Optimization (QUBO) and solved via the Quantum Approximate Optimization Algorithm (QAOA). The one-hot per-gene constraint is conventionally enforced by adding quadratic penalty terms to the cost Hamiltonian, but penalty coefficient selection is heuristic and penalties amplify hardware noise. An alternative is to enforce the constraint structurally via the XY-mixer, which preserves feasibility by construction. We present COMET, a systematic comparison of penalty-based and XY-mixer QAOA on a three-gene, twelve-qubit multiplex editing instance targeting the immune-checkpoint genes PDCD1, LAG3, and HAVCR2. In simulation, the XY-mixer exceeds 95% probability of the optimum by QAOA depth p=3, while three penalty variants spanning an order of magnitude in penalty coefficient remain below 6% at every depth. On IBM's ibm_kingston (Heron r2) processor, the XY-mixer's simulator-hardware energy gap stays within |0.8| across all depths, while the worst-tuned penalty variant's gap reaches +53.9. We provide an honest account of where the structural guarantee partially breaks under gate-level noise. The twelve-qubit instance is classically trivial; our contribution is a methodological comparison of constraint-enforcement strategies in a biologically motivated domain, with real-hardware validation.
• Abstract（参考訳）: 多重CRISPR-Cas9遺伝子編集では、標的遺伝子毎の1つのガイドRNAをクロスジェネティックな相互作用によって選択する必要がある:量子近似最適化アルゴリズム(QAOA)によって解決された、準拘束的非拘束的バイナリ最適化(QUBO)として定式化できる制約付き組合せ問題。 1遺伝子あたりの1ホット制約は、コストハミルトニアンに二次的なペナルティ項を追加することで伝統的に強制されるが、ペナルティ係数の選択はヒューリスティックであり、ハードウェアノイズを増幅する。 もう一つの方法は、構造上の制約をXYミキサーを通じて強制することである。 免疫チェックポイント遺伝子PDCD1, LAG3, HAVCR2を標的とした3世代12ビット多重編集インスタンス上で, ペナルティベースのQAOAとXYミキサーQAOAの系統比較を行った。 シミュレーションでは、XYミキサーはQAOA深さp=3で最適値の95%を超えるが、ペナルティ係数の桁数にまたがる3種類のペナルティ変種は、全ての深さで6%以下である。 IBM の ibm_kingston (Heron r2) プロセッサでは、XY-mixer のシミュレータとハードウェアのエネルギーギャップは、すべての深さにわたって 0.8| の範囲内に留まる。 ゲートレベルの雑音下で構造保証が部分的に壊れる場所を正直に説明する。 我々の貢献は、生物学的に動機付けられた領域における制約強化戦略の方法論的比較であり、実際のハードウェア検証である。

関連論文リスト

• Quantum Optimisation for Protein-Protein Interaction Network Alignment [0.4763980315619087]
  タンパク質-タンパク質相互作用(PPI)ネットワークアライメントは、トポロジカル情報とシーケンス情報を組み合わせて、種間で保存されたモジュールを識別する。 我々は、アライメントを重み付き最大共通誘導部分グラフ問題としてモデル化し、モジュラー積グラフを通してそれを再構成する。 カーネル化,ブランチ・アンド・バウンド,および7つの量子近似最適化アルゴリズムを組み合わせたハイブリッドフレームワークを開発した。
  論文  参考訳（メタデータ） (2026-09-04T15:04:55Z)
• Denoised Variance-Based Pruning with Optimal Brain Bias Compensation [45.88028371034407]
  VBP(Variance-Based Pruning)は、ニューロンを活性化分散に基づいて選択することで有望なパラダイムを導入した。 Denoized Variance-based Pruning with Optimal Brain Bias Compensation (DVBP + OB$2$C)を紹介する。 最先端のトレーニングフリーのパフォーマンスを実現し、50%のプルーニングで、オリジナルのTop-1の精度の90%以上を維持できる。
  論文  参考訳（メタデータ） (2026-08-18T11:23:49Z)
• Polynomial Time Quantum Approximation Schemes for Constrained Optimisation [0.2578242050187029]
  制約強化QAOAに対する有限深度および有限ショット保証を構築した。 本稿では,これらの条件付き保証を保ちつつ,保持された候補セットと古典処理コストを問題サイズの1つのパワーで削減するヘビーヒッターQAOAを紹介する。 IBM Eagle r3プロセッサのハードウェア実験は、100以上の論理変数を持つインスタンスをカバーするか、テストされたQOptlib参照ツアーを全て改善する。
  論文  参考訳（メタデータ） (2026-08-02T09:35:42Z)
• Hardware-Aware QUBO Reformulation of Constrained Binary Optimization via the Walsh-Fourier Transform [1.3423094548772225]
  本稿では,制約付きバイナリ最適化を準拘束型バイナリ最適化(QUBO)として再構成する新しいフレームワークを提案する。 このハードウェアネイティブサロゲートは、厳密な近似空間から引き出されたにもかかわらず、より高密度な全対射影よりも優れていることを示す。 この利点は量子アニーラーにQUBOが埋め込まれてサンプル化されると、不均衡なペナル化やハードウェアブラインドによる全ての2次項への投射と比較して、最悪のケースと平均的な客観的なギャップを持つサンプルが得られる。
  論文  参考訳（メタデータ） (2026-07-28T23:45:18Z)
• Constraint Preserving XY-Mixers under Trotterized Adiabatic Evolution [0.0]
  制約保存型XYミキサーとTrotterized Adiabatic Evolution(TAE)の相互作用について検討する。 主な貢献は、問題全体の規模よりも、個々の制約のサイズと構造に依存していることが示される。 制約が複数の非結合な局所ブロックに分解される問題に対して、XYミキサーはトロッター化進化の下でも数桁のXミキサーより優れている。
  論文  参考訳（メタデータ） (2026-05-04T11:08:34Z)
• EQE-QAOA: An Equivalence-Preserving Qubit Efficient Framework for Combinatorial Optimization [54.05451096499336]
  既存の技術は情報損失のコストで量子ビットの削減に依存しており、計算性能は劣化している。 等価保存量子ビット効率QAOAを提案し、性能を劣化させることなく必要なキュービット数を著しく削減する。 完全独立変数を持つ非制約問題を除いて,大規模最適化問題に広く適用可能であることを示す。
  論文  参考訳（メタデータ） (2026-04-20T13:57:49Z)
• Nonvariational quantum optimisation approaches to pangenome-guided sequence assembly [0.42970700836450487]
  ゲノム組立問題に対する短期量子最適化手法を開発した。 固定された線形ランプQAOAスケジュールと反復的ウォームスタートバイアス更新を組み合わせたIterative-QAOAフレームワークを使用する。 カスタム回路コンパイル戦略は、標準ツールと比較してハードウェアゲートのオーバーヘッドを最大67%削減する。
  論文  参考訳（メタデータ） (2026-04-07T17:17:34Z)
• 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)
• Provably Optimal Quantum Circuits with Mixed-Integer Programming [0.0]
  量子回路コンパイルのための奥行き対応最適化フレームワークを提案する。 対象ユニタリの正確な合成のために、線形大域的同値性を持つ混合整数線形プログラム(MILP)を定式化する。 正確なMILPを超越したスケーリングを実現するために,本研究では,主に時間とともに回転し,アクティブキュービットをカプセル化し,キュービット当たりのクロージャを強制する,新しい圧延回路最適化(RHO)を提案する。
  論文  参考訳（メタデータ） (2025-10-01T08:25:43Z)
• Stochastic Optimal Control Matching [53.156277491861985]
  最適制御のための新しい反復拡散最適化(IDO)技術である最適制御マッチング(SOCM)を導入する。 この制御は、一致するベクトル場に適合しようとすることで、最小二乗問題を通じて学習される。 実験により,本アルゴリズムは最適制御のための既存のすべての IDO 手法よりも低い誤差を実現する。
  論文  参考訳（メタデータ） (2023-12-04T16:49:43Z)
• An Expressive Ansatz for Low-Depth Quantum Approximate Optimisation [0.23999111269325263]
  量子近似最適化アルゴリズム(QAOA)は、最適化問題を解くために用いられるハイブリッド量子古典アルゴリズムである。 QAOAはNISQデバイスに実装できるが、物理的制限は回路深さを制限し、性能を低下させる。 この研究は、より古典的なパラメータをアンサッツに割り当て、低深さでの性能を改善するeXpressive QAOA (XQAOA)を導入している。
  論文  参考訳（メタデータ） (2023-02-09T07:47:06Z)
• QAOA-in-QAOA: solving large-scale MaxCut problems on small quantum machines [81.4597482536073]
  量子近似最適化アルゴリズム(QAOAs)は、量子マシンのパワーを利用し、断熱進化の精神を継承する。 量子マシンを用いて任意の大規模MaxCut問題を解くためにQAOA-in-QAOA(textQAOA2$)を提案する。 提案手法は,大規模最適化問題におけるQAOAsの能力を高めるために,他の高度な戦略にシームレスに組み込むことができる。
  論文  参考訳（メタデータ） (2022-05-24T03:49:10Z)
• Constrained mixers for the quantum approximate optimization algorithm [55.41644538483948]
  ヒルベルト空間全体の部分空間への発展を制限する混合作用素を構築するための枠組みを提案する。 我々は,「ワンホット」状態の部分空間を保存するために設計された「XY」ミキサーを,多くの計算基底状態によって与えられる部分空間の一般の場合に一般化する。 我々の分析は、現在知られているよりもCXゲートが少ない"XY"ミキサーのトロタライズも有効である。
  論文  参考訳（メタデータ） (2022-03-11T17:19:26Z)

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。