使用机器学习阐明精神疾病与累犯之间的关系:一项回顾性研究用量子计算机优化mRNA密码子
机构名称:
¥ 1.0

多肽序列向表达mRNA构建体的反向翻译是NP-硬化的组合优化问题。蛋白质序列中的每个氨基酸都可以由多达六个密码子代表,并且选择最大化表达概率的组合的过程称为密码子优化。这项工作研究了利用量子计算技术对密码子优化的潜在影响。将量子退火器(QA)与具有相同目标函数编程的标准遗传算法(GA)进行了比较。质量保证在识别最佳解决方案方面具有竞争力。还使用模拟器评估了基于门的系统的效用,从而发现,尽管当前几代设备在量子计数和连接性方面都缺乏硬件要求,以解决现实的问题,但未来的一代设备可能高效。

使用机器学习阐明精神疾病与累犯之间的关系:一项回顾性研究用量子计算机优化mRNA密码子

使用机器学习阐明精神疾病与累犯之间的关系:一项回顾性研究用量子计算机优化mRNA密码子PDF文件第1页

使用机器学习阐明精神疾病与累犯之间的关系:一项回顾性研究用量子计算机优化mRNA密码子PDF文件第2页

使用机器学习阐明精神疾病与累犯之间的关系:一项回顾性研究用量子计算机优化mRNA密码子PDF文件第3页

使用机器学习阐明精神疾病与累犯之间的关系:一项回顾性研究用量子计算机优化mRNA密码子PDF文件第4页

使用机器学习阐明精神疾病与累犯之间的关系:一项回顾性研究用量子计算机优化mRNA密码子PDF文件第5页

相关文件推荐

使用量子计算机
2021 年
¥2.0