論文の概要: A Block Decomposed QUBO Workflow for Chromosome-Y Phylogeny Reconstruction
- arxiv url: http://arxiv.org/abs/2609.29856v1
- Date: Thu, 24 Sep 2026 14:19:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 21:10:09.994097
- Title: A Block Decomposed QUBO Workflow for Chromosome-Y Phylogeny Reconstruction
- Title（参考訳）: 染色体Y系統再建のためのブロック分解QUBOワークフロー
- Abstract要約: ワークフローは、2つのQUBOの定式化と、 Alternating Direction Method of Multipliers (ADMM) の分解戦略と、プラグインのDigiized Counter-Diabatic Quantum Optimization (DCQO) の解法を組み合わせる。
ワークフローはVCFファイルからジェノタイプ情報を抽出し、トポロジーを再構築し、2つのQUBOの定式化を通してルートし、PhyloTreeを使ってツリーに注釈を付ける。
- 参考スコア（独自算出の注目度）: 0.43981305860983716
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper sets out a computational workflow that reconstructs the phylogeny of human Y-chromosome populations from a Variant Call Format (VCF) file of biallelic Single Nucleotide Polymorphisms (SNP). The two classical phylogenetic decisions - topology selection and root placement - are cast as Quadratic Unconstrained Binary Optimisation (QUBO) problems. The workflow combines two QUBO formulations with an Alternating Direction Method of Multipliers (ADMM) decomposition strategy and a plug-in Digitized Counter-Diabatic Quantum Optimization (DCQO) solver, enabling large phylogenetic optimization problems to be executed across multiple classical or quantum computing resources. The DCQO gate-based optimizer drives each ADMM-block QUBO with short-depth counter-diabatic circuits in the impulse regime, without the necessity for an outer variational loop. The combination of ADMM decomposition and the DCQO block solver facilitates problem sizes that surpass the qubit budget of any individual digital quantum processing unit call, while maintaining the integrity of the original objective. The workflow extracts genotype information from VCF files, reconstructs topology and rooting through two QUBO formulations, and annotates the resulting tree using PhyloTree. The resultant data set comprises a Nexus-annotated rooted tree, in addition to diagnostic figures. The workflow demonstrates the potential of modest-scale QUBO formulations combined with ADMM decomposition to serve as a scalable alternative to greedy heuristics in the domain of population genomics.
- Abstract（参考訳）: 本稿では, ビアルル単核多型 (SNP) のVariant Call Format (VCF) ファイルからヒトY染色体群の系統を再構成する計算ワークフローを提案する。
古典的な系統決定(トポロジーの選択と根の配置)は、二次的非制約バイナリ最適化(QUBO)問題として扱われる。
このワークフローは、2つのQUBO定式化と、 Alternating Direction Method of Multipliers (ADMM)分解戦略とプラグインのDigitalized Counter-Diabatic Quantum Optimization (DCQO)ソルバを組み合わせることで、複数の古典的または量子コンピューティングリソースで大規模な系統最適化問題を実行できる。
DCQOゲートをベースとしたオプティマイザは、各ADMMブロックQUBOをインパルス状態において、外乱ループを必要とせずに、短深さの反断熱回路で駆動する。
ADMM分解とDCQOブロック解決器の組み合わせは、元の目的の整合性を維持しつつ、個々のデジタル量子処理ユニット呼び出しのキュービット予算を超える問題のサイズを容易にする。
このワークフローは、VCFファイルからジェノタイプ情報を抽出し、トポロジーを再構築し、2つのQUBO定式化を通してルートし、PhyloTreeを使用してツリーに注釈を付ける。
結果データセットは、診断図に加えて、Nexus注釈の根木を含む。
このワークフローは、ADMM分解と組み合わされ、人口ゲノム学の領域における欲求的ヒューリスティックスのスケーラブルな代替品として機能する、控えめなスケールのQUBOの定式化の可能性を示す。
関連論文リスト
- Hamming Ideals and Grobner Bases for ISD-like Syndrome Decoding [0.0]
我々は、シンドローム復号問題を解決するために、ICDのような復号法を用いる。
ランダムなバイナリ線形符号に対するシンドローム復号問題の事例に対して,提案手法を実験的に評価した。
論文 参考訳（メタデータ） (2026-09-16T16:05:12Z) - Formulation-Level Auto-Tuning for QUBO-Based Machine Learning: A Case Study Across Multiple Quantum-Inspired Annealers [0.0]
本稿では,サポートベクトルマシン(SVM)のためのOptunaベースの定式化レベル自動チューニングフレームワークを提案する。
連続双対変数は離散化され、2次非制約バイナリ最適化(QUBO)モデルに変換される。
0-20%のラベルノイズを持つ線形および非線形分類タスクの実験では, それぞれ0.8点と2.1点のグリッド探索よりも平均的なゲインが得られた。
論文 参考訳（メタデータ） (2026-07-21T06:56:43Z) - Closed-Form Spectral Regularization for Multi-Task Model Merging [96.82449201305234]
モデルマージは、個別に調整された複数の専門家をトレーニングデータなしで単一のマルチタスクモデルに結合する。
State-of-the-art merging method formulate merging as a layer-wise interference problem。
本稿では,逐次降下の勾配-流路に一致するソフト指数フィルタを組み合わせた閉形式手法SWUDIを提案する。
論文 参考訳（メタデータ） (2026-06-05T14:00:47Z) - Influence-Guided Symbolic Regression: Scientific Discovery via LLM-Driven Equation Search with Granular Feedback [56.69850045068714]
逐次的2段階プロセスとして方程式発見をフレーム化する方法である textitInfluence-Guided Regression (IGSR) を導入する。
LLM-SRBench, 薬理学的PKPDモデル, 疫学シミュレーション, 実世界のゲノムデータなど, IGSRの有効性を示す。
論文 参考訳（メタデータ） (2026-05-27T23:48:01Z) - Efficient Adjoint Matching for Fine-tuning Diffusion Models [47.05085426361986]
本研究では,テキストベースドリフトとテキスト端末コストでSOC問題を修正し,トレーニング効率を大幅に向上するEMAを提案する。
EAMはAMよりも最大4倍早く収束し、PickScore、ImageReward、HPSv2.1、CLIPScore、Aestheticsなど様々なメトリクスにマッチするか、超える。
論文 参考訳（メタデータ） (2026-05-12T03:55:12Z) - BEAM: Bi-level Memory-adaptive Algorithmic Evolution for LLM-Powered Heuristic Design [49.50107918295052]
大規模言語モデルに基づくハイパーヒューリスティック(LHH)は、最近、自動設計の効率的な方法として登場した。
この問題に対処するために textbfBEAM (Bi-level Memory-adaptive Algorithmic Evolution) を提案する。
BEAMは既存のLHHよりも著しく優れており、特に最適性ギャップが37.84%減少している。
論文 参考訳（メタデータ） (2026-04-14T15:46:47Z) - Optimization of the quantization of dense neural networks from an exact QUBO formulation [33.03114296244325]
本研究は,新しいROUNDベースのQUBO定式化による高密度ニューラルネットワークのためのポストトレーニング量子化(PTQ)手法を提案する。
MNIST, FashionMNIST, EMNIST, CIFAR-108 を int から int1 への整数精度で評価し, 従来手法と比較した。
論文 参考訳（メタデータ） (2025-10-17T09:57:28Z) - Comparative Studies of Quantum Annealing, Digital Annealing, and Classical Solvers for Reaction Network Pathway Analysis and mRNA Codon Selection [0.0]
ディジタルアニールと量子アニールは最適化問題に対する準最適解を識別する可能性がある。
本研究は、最適化問題に対するQUBOソルバの有用性を評価するために、2つのユースケースをベンチマークする。
反応経路解析では、古典的なMIP/CPソルバが、妥当な時間枠で最適性の問題を解くために観察される。
論文 参考訳（メタデータ） (2025-09-11T21:22:50Z) - Efficient Pseudomode Representation and Complexity of Quantum Impurity Models [0.7373617024876725]
平衡外フェルミオン量子不純物モデル(英語版)(QIM)は、連続するフェルミオン浴に結合された小さな相互作用系を記述する。
複雑な指数関数の和によって機能する浴槽のファインマン・ヴァーノン効果の核を近似する効率の良い浴槽表現を見いだす。
本研究の成果をQIMに関連付けるため, 複合不純物-擬態系の時間進化を記述した明示的なLiouvillianを導出した。
論文 参考訳（メタデータ） (2024-09-13T13:31:53Z) - Factorization of Multi-Agent Sampling-Based Motion Planning [72.42734061131569]
現代のロボティクスは、共有環境内で複数のエンボディエージェントを動作させることが多い。
標準的なサンプリングベースのアルゴリズムは、ロボットの関節空間における解の探索に使用できる。
我々は、因子化の概念をサンプリングベースアルゴリズムに統合し、既存の手法への最小限の変更しか必要としない。
本稿では, PRM* のサンプル複雑性の観点から解析的ゲインを導出し, RRG の実証結果を示す。
論文 参考訳（メタデータ） (2023-04-01T15:50:18Z) - Inverting brain grey matter models with likelihood-free inference: a
tool for trustable cytoarchitecture measurements [62.997667081978825]
脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。
我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。
次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
論文 参考訳（メタデータ） (2021-11-15T09:08:27Z)
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。