生物医学科学中受量子处理器启发的机器学习
量子物理
2021-12-30 v3 基因组学
摘要
高通量基因组技术的最新进展，加上计算机处理与存储的指数级增长，使我们能够从全基因组视角探究人类疾病复杂的异常分子基础。尽管基因组信息的洪流预计还将增加，传统高性能计算中的瓶颈正迅速逼近。部分受物理量子处理器近期进展的启发，我们在真实人类肿瘤数据上评估了若干非常规机器学习（ML）策略。在此，我们首次展示了多种基于退火的 ML 算法对来自癌症基因组图谱的高维、多组学人类癌症数据分类的有效性。为评估算法性能，我们将这些分类器与多种标准 ML 方法进行比较。我们的结果表明，使用基于退火的 ML 对人类癌症类型及关联分子亚型提供有竞争力的分类是可行的，且在较小训练数据集上表现更优，从而为非常规计算架构在生物医学科学中未来应用的潜力提供了令人信服的实证证据。
引用
@article{arxiv.1909.06206,
title = {Quantum processor-inspired machine learning in the biomedical sciences},
author = {Richard Y. Li and Sharvari Gujja and Sweta R. Bajaj and Omar E. Gamel and Nicholas Cilfone and Jeffrey R. Gulcher and Daniel A. Lidar and Thomas W. Chittenden},
journal= {arXiv preprint arXiv:1909.06206},
year = {2021}
}