論文の概要: Feasibility of Homomorphic Inference for a Genomic Foundation Model
- arxiv url: http://arxiv.org/abs/2609.16211v1
- Date: Mon, 14 Sep 2026 18:43:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.177991
- Title: Feasibility of Homomorphic Inference for a Genomic Foundation Model
- Title（参考訳）: ゲノム基盤モデルにおける同型推論の可能性
- Abstract要約: 人間のゲノム配列は個人を識別でき、開示後に置き換えられず、ゲノム基盤モデルが解釈するように設計された入力である。
コンピュータプロバイダが、クエリから派生したゲノム値をプレーンテキストで受信することなく、リリースされたゲノム基盤モデルを実行することができるかどうかを評価する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Human genomic sequences can identify individuals, cannot be replaced after disclosure, and are the inputs that genomic foundation models are designed to interpret. We assess whether a compute provider can execute a released genomic foundation model without receiving query-derived genomic values in plaintext and whether correctness, memory, or cost prevents complete encrypted inference. We first reproduce the released model on three genomic task families and freeze an independently validated numerical reference. We then implement a client-assisted approximate homomorphic encryption protocol: the provider evaluates linear algebra on ciphertexts, while the key-holding data owner evaluates exact normalization, causal softmax, and activation functions at fixed boundaries. A noninteractive configuration completes one released-weight block but exceeds the tested accelerator-memory envelope when configured for composition. The client-assisted configuration executes all released transformer blocks and the task head for one heldout genomic-signal input at its full prompt length. It matches the frozen final label, peaks at 9,839 mebibytes of accelerator memory, and completes in 6,683 seconds on one accelerator. These results establish arithmetic feasibility for a complete classifier, while repeatability, network transport, and private token-index lookup remain unresolved. The biomedical significance is that, under the stated threat model, a served genomic model can process an encoded sequence without exposing plaintext queryderived activations to the compute provider.
- Abstract（参考訳）: 人間のゲノム配列は個人を識別でき、開示後に置き換えられず、ゲノム基盤モデルが解釈するように設計された入力である。
コンピュータプロバイダが、平文でクエリ由来のゲノム値を受信することなく、リリースされたゲノム基盤モデルを実行可能かどうかを評価し、正確性、メモリ、コストが完全に暗号化された推論を妨げているかを評価する。
まず3つのゲノミクス・タスク・ファミリー上で解放されたモデルを再現し、独立に検証された数値参照を凍結する。
鍵保持データ所有者は、正確な正規化、因果ソフトマックス、アクティベーション関数を一定の境界で評価する。
非インタラクティブな構成は、1つの解放された重みブロックを完了させるが、コンポジションの設定時にテストされたアクセラレータメモリエンベロープを超える。
クライアントアシスト構成は、すべての解放されたトランスフォーマーブロックとタスクヘッドを実行し、そのフルプロンプト長で1つのホールトアウトゲノム信号入力を実行する。
凍結した最終ラベルと一致し、ピークは9,839メガバイトのアクセラレータメモリで、1つのアクセラレータで6,683秒で完了する。
これらの結果は完全分類器の算術的実現性を確立し、繰り返し可能性、ネットワークトランスポート、プライベートトークンインデックス検索は未解決のままである。
バイオメディカルな重要性は、宣言された脅威モデルの下で、サーブされたゲノムモデルが、平文クエリによるアクティベーションを計算プロバイダに公開することなく、エンコードされたシーケンスを処理できることである。
関連論文リスト
- Causal dictionary learning reveals and validates transcription-factor binding features in genomic language models [5.237172334460829]
ゲノム基盤モデルにおいて、スパース辞書学習と因果介入を組み合わせて、解釈可能な特徴を抽出し、検証し、因果的にテストする枠組みを導入する。
位置重み行列に対するこれらの特徴の素性検証は,GC合成と反復的要素によって著しく整合されていることを示す。
我々は,特定の特徴が,単にモチーフの存在ではなく,細胞型特異的TF結合を表現するために機能的に用いられていることを確認した。
論文 参考訳（メタデータ） (2026-07-21T22:54:46Z) - When Does a Language Model Commit? A Finite-Answer Theory of Pre-Verbalization Commitment [6.48455847613423]
言語モデルは最終回答を与える前に推論を生成することが多いが、可視性のある答えは、モデルの回答がいつ安定するかを明らかにしない。
我々はこの問題を、狭義の計算可能な対象である無限回答優先安定化(enmphfinite-aswer preference stabilization)を通して研究する。
モデル状態と特定解動詞化子に対しては、モデル自身の継続確率を有限解集合に投影する。
バイナリタスクでは、これは正確なlog-oddsコード、$()=S_(mathrmyesmid)-S_(mathrmnomid)が生成される。
論文 参考訳（メタデータ） (2026-05-07T08:34:59Z) - EvoForest: A Novel Machine-Learning Paradigm via Open-Ended Evolution of Computational Graphs [2.7010154811483162]
本稿では,計算のエンドツーエンドな進化のためのハイブリッド型ニューロシンボリックシステムであるEvoForestを紹介する。
単に機能を生成するのではなく、EvoForestは再利用可能な計算構造、呼び出し可能な関数ファミリー、トレーニング可能な低次元連続コンポーネントを共同で進化させる。
各グラフ構成について、EvoForestは発見された計算を評価し、軽量のリッジベースの読み出しを使用して結果の表現をスコアする。
論文 参考訳（メタデータ） (2026-03-26T00:07:45Z) - Learning to Recall with Transformers Beyond Orthogonal Embeddings [42.18876773867171]
簡単なトークン検索タスクにおいて,勾配降下法で学習したランダム埋め込みを用いた変圧器を解析する。
我々の分析は、勾配降下の初期段階'を追跡分析し、モデル記憶容量の明示的な公式を導出する。
論文 参考訳（メタデータ） (2026-03-16T21:17:01Z) - Causal Identification from Counterfactual Data: Completeness and Bounding Results [54.147490305295456]
本研究では,任意のレイヤ3分布の集合から対実的なクエリを識別するアルゴリズムを開発した。
我々は、物理的に実現可能な分布から反事実を特定できる理論的限界を確立する。
我々は、そのような量の新たな解析的境界を、実現可能な対実データを用いて導出する。
論文 参考訳（メタデータ） (2026-02-26T22:48:12Z) - Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。
このような問題は医学、物理学、機械学習で発生する。
両種類の雑音下で提案アルゴリズムの収束保証を行う。
論文 参考訳（メタデータ） (2024-11-21T10:26:17Z) - Graph Structure Learning with Interpretable Bayesian Neural Networks [10.957528713294874]
独立に解釈可能なパラメータを持つ新しい反復を導入する。
これらのパラメータは、エッジ空間のような推定グラフの特性に影響を与える。
これらの反復を解いた後、そのようなグラフの特徴に関する事前知識は、事前分布を形作る。
高速な実行とパラメータ効率により、高忠実度後部近似が可能となる。
論文 参考訳（メタデータ） (2024-06-20T23:27:41Z) - Posterior Collapse and Latent Variable Non-identifiability [54.842098835445]
柔軟性を犠牲にすることなく識別性を強制する深層生成モデルである,潜時同定可能な変分オートエンコーダのクラスを提案する。
合成および実データ全体にわたって、潜在識別可能な変分オートエンコーダは、後方崩壊を緩和し、データの有意義な表現を提供する既存の方法より優れている。
論文 参考訳（メタデータ） (2023-01-02T06:16:56Z) - A Non-monotonic Self-terminating Language Model [62.93465126911921]
本稿では,不完全復号アルゴリズムによる非終端列の問題に焦点をあてる。
まず、グリーディ探索、トップ$kのサンプリング、核サンプリングを含む不完全確率復号アルゴリズムを定義する。
次に,単調な終端確率の制約を緩和する非単調な自己終端言語モデルを提案する。
論文 参考訳（メタデータ） (2022-10-03T00:28:44Z) - THE-X: Privacy-Preserving Transformer Inference with Homomorphic
Encryption [112.02441503951297]
トランスフォーマーモデルのプライバシ保護推論は、クラウドサービスユーザの要求に基づいています。
我々は、事前訓練されたモデルのプライバシ保存推論を可能にするトランスフォーマーの近似アプローチである$textitTHE-X$を紹介した。
論文 参考訳（メタデータ） (2022-06-01T03:49:18Z) - Autoencoding Variational Autoencoder [56.05008520271406]
我々は,この行動が学習表現に与える影響と,自己整合性の概念を導入することでそれを修正する結果について検討する。
自己整合性アプローチで訓練されたエンコーダは、敵攻撃による入力の摂動に対して頑健な(無神経な)表現につながることを示す。
論文 参考訳（メタデータ） (2020-12-07T14:16:14Z)
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。