論文の概要: Feasibility and optimum recovery in warm-start quantum optimization for a drug-response model on a trapped-ion processor

• arxiv url: http://arxiv.org/abs/2609.22748v1
• Date: Sat, 19 Sep 2026 04:12:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:00.532652
• Title: Feasibility and optimum recovery in warm-start quantum optimization for a drug-response model on a trapped-ion processor
• Title（参考訳）: トラップイオンプロセッサ上での薬物応答モデルに対するウォームスタート量子最適化の可能性と最適回復
• Abstract要約: 7つの組み合わせの薬物応答モデルにおいて、IonQ Forte-1上のウォームスタート量子近似最適化(QAOA)はランダムビットストリングよりも頻繁に有効な割り当てを返す。 グロバーミキサーは、全10試験モデルにおいて、実現可能性を維持し、有効サンプリングよりも最適確率を改善した。
• 参考スコア（独自算出の注目度）: 5.878541801109294
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: On a seven-compound drug-response model, warm-start quantum approximate optimization (QAOA) on IonQ Forte-1 returned valid assignments more often than random bitstrings, but this alone did not show effective optimization. Ideal QAOA raised optimum probability above uniform feasible sampling in only four of twelve reference circuits. Hardware often fell below its own noiseless circuits, while greedy search solved all hardware models within 200 objective evaluations. Expanded simulations showed a gain over feasible sampling in 28 of 35 CAMA-1 panels and none of four 647-V panels. Annealing solved all these panels in every seed. A Grover mixer preserved feasibility and improved optimum probability over feasible sampling in all ten tested models. We analyzed 25 completed tasks containing 5,300 shots from 18 circuits and 14 instances. The encodings use 6-35 qubits and at most 4,900 feasible assignments, which we enumerated to establish exact optima. Noiseless references now cover both the original six circuits and six wider circuits. At 35 qubits, with 4,900 feasible assignments, ideal feasibility was 35.85%, compared with 7 of 200 valid hardware outputs. Its ideal optimum probability was below both sampling controls. The circuits sample assignments in a model built from measured single-agent and pairwise responses.
• Abstract（参考訳）: 7つの組み合わせの薬物応答モデルにおいて、IonQ Forte-1上のウォームスタート量子近似最適化(QAOA)はランダムなビットストリングよりも頻繁に有効な割り当てを返すが、これは単独で効果的な最適化を示さなかった。 理想的なQAOAは、12の基準回路のうち4つで一様サンプリング以上の最適確率を上げた。 ハードウェアはしばしば独自のノイズレス回路以下に落ち、欲求検索は200の客観的評価の範囲内で全てのハードウェアモデルを解決した。 拡張されたシミュレーションでは、35個のCAMA-1パネルのうち28個以上のサンプリングが可能であり、4つの647-Vパネルは存在しなかった。 アナリングはすべての種でこれらのパネルを解いた。 グロバーミキサーは、全10試験モデルにおいて、実現可能性を維持し、有効サンプリングよりも最適確率を改善した。 18の回路と14のインスタンスから5,300のショットを含む25の完了タスクを分析した。 符号化には6-35キュービットと少なくとも4,900の可能な割り当てを使用します。 ノイズのない参照は、元の6つの回路と6つのより広い回路の両方をカバーする。 35キュービットで4,900の割り当てが可能であり、理想的な実現性は35.85%であり、200の有効なハードウェア出力のうち7つであった。 その理想的な最適確率は、両方のサンプリング制御の下であった。 回路は、測定された単エージェントとペアの応答から構築されたモデルにおけるサンプル割り当てをサンプリングする。

関連論文リスト

• Marginal Fidelity Does Not Establish User Simulation in Demographic Synthetic Survey Panels: Response Contracts, Support Collapse and Conditioning Failure [51.736723807086385]
  人口密着協定は、個別のシミュレーションの証拠ではなく、エスカレーション契約の証拠であり、シミュレーションされた回答者なしで得られる推定値である。 9つのアライメントされたモデルバッテリペアでは、非個人個体数のクエリの平均は6.27 MAE対12.39であり、9つの比較すべてで勝利する。
  論文  参考訳（メタデータ） (2026-09-07T10:22:22Z)
• Gemma 4, Phi-4, and Qwen3: Accuracy-Efficiency Tradeoffs in Dense and MoE Reasoning Language Models [6.396911723204044]
  Mixture-of-experts (MoE)言語モデルは、高密度モデルよりも優れた品質と効率のトレードオフをもたらすことがしばしば期待されている。 そこで本研究では,高密度および高密度なMoE設計にまたがる7つの推論指向命令調整モデルのベンチマークを示す。
  論文  参考訳（メタデータ） (2026-04-08T12:50:52Z)
• Uncertainty Makes It Stable: Curiosity-Driven Quantized Mixture-of-Experts [6.221156050218661]
  本稿では、資源制約のあるデバイス上でのディープニューラルネットワークのための好奇心駆動型量子化混合処理フレームワークを提案する。 われわれの4ビット量子化は、16ビットの精度(0.858対0.859 F1)の99.9%を維持し、4倍の圧縮と41%の省エネを実現している。 我々の情報理論的ルーティングは、適応量子化が精度(0.858 F1, 1.2M params)、エネルギー効率(3.87 F1/mJ)、予測可能なエッジモデルをもたらすことを示す。
  論文  参考訳（メタデータ） (2025-11-13T15:32:41Z)
• ProofAug: Efficient Neural Theorem Proving via Fine-grained Proof Structure Analysis [50.020850767257095]
  本稿では,LLMに様々な粒度で自動化手法を付加するProofAugを提案する。 本手法は,オープンソースのDeep-math-7bベースモデルとIsabelle証明アシスタントを用いて,MiniF2Fベンチマークで検証した。 また、ProofAugのLean 4バージョンを実装し、Kimina-Prover-seek-Distill-1.5Bのパス@1のパフォーマンスを44.3%から50.4%に改善します。
  論文  参考訳（メタデータ） (2025-01-30T12:37:06Z)
• Preference Optimization for Reasoning with Pseudo Feedback [100.62603571434167]
  提案手法では,解のラベル付けを関連するテストケースに対する評価として行うことで,推論タスクに対する疑似フィードバックを生成する手法を提案する。 本研究では,擬似フィードバックを優先最適化に用いる数学的推論と符号化の両タスクについて実験を行い,両タスク間の改善を観察する。
  論文  参考訳（メタデータ） (2024-11-25T12:44:02Z)
• Adaptive Inference-Time Compute: LLMs Can Predict if They Can Do Better, Even Mid-Generation [51.127054971591924]
  本稿では,生成サンプル数を適応的に削減する新たな自己評価手法を提案する。 平均1.2サンプルだけで16サンプルの使用による改善の74%が達成できることを実証した。
  論文  参考訳（メタデータ） (2024-10-03T17:47:29Z)
• Advancing LLM Reasoning Generalists with Preference Trees [119.57169648859707]
  推論に最適化された大規模言語モデル(LLM)のスイートであるEulusを紹介する。 Eurusモデルは、様々なベンチマークでオープンソースのモデルの間で最先端の結果を得る。
  論文  参考訳（メタデータ） (2024-04-02T16:25:30Z)
• Exploring the neighborhood of 1-layer QAOA with Instantaneous Quantum Polynomial circuits [0.0]
  我々は1層QAOA回路をパラメータ化即時量子多項式回路のより大きなクラスに埋め込む。 最適パラメータを求めるために解析式を用いることで、我々のプロトコルはバレンプラトーやハードウェアノイズに対して堅牢である。 我々のプロトコルは、最近リリースされたQuantinuum H2トラップイオン量子ハードウェアとエミュレータの1層QAOAよりも優れている。
  論文  参考訳（メタデータ） (2022-10-11T15:16:44Z)

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。