.Toward a quantum computer that calculates molecular energy
http://blog.naver.com/mssoms
http://jl0620.blogspot.com
http://jk0620.tripod.com
https://www.facebook.com/junggoo.lee.9
.Toward a quantum computer that calculates molecular energy
분자 에너지를 계산하는 양자 컴퓨터를 향하여
컬럼비아 대학교 하이브리드 알고리즘은 고전 및 양자 컴퓨터를 사용하여 바닥 상태 에너지를 계산합니다. 이것은 연구자들이 지속 가능성 목표를 포함하여 다양한 응용을 위한 새로운 재료를 개발하는 데 도움이 될 것입니다. 크레딧: Nicoletta Barolini MARCH 16, 2022
양자 컴퓨터는 점점 더 커지고 있지만 추가 컴퓨팅 성능을 활용할 수 있는 실용적인 방법은 여전히 거의 없습니다. 이 장애물을 극복하기 위해 연구원들은 고전 컴퓨터에서 양자 컴퓨터로의 전환을 용이하게 하는 알고리즘을 설계하고 있습니다. Nature 의 새로운 연구에서 연구원들은 화학 방정식을 처리할 때 양자 비트 또는 큐비트에 의해 생성되는 통계적 오류 또는 노이즈를 줄이는 알고리즘을 공개했습니다.
콜롬비아 화학 교수 David Reichman과 박사후 연구원 이준호가 Google Quantum AI 연구원과 함께 개발한 이 알고리즘 은 Google의 53 큐비트 컴퓨터 인 Sycamore에서 최대 16큐비트를 사용 하여 분자의 가장 낮은 에너지 상태인 바닥 상태 에너지를 계산합니다. "이것은 실제 양자 장치에서 수행된 가장 큰 양자 화학 계산입니다."라고 Reichman이 말했습니다. 바닥 상태 에너지를 정확하게 계산하는 능력은 화학자들이 새로운 물질을 개발할 수 있게 해줄 것이라고 Google Quantum AI의 방문 연구원인 Lee가 말했습니다.
그는 이 알고리즘을 사용하여 농업용 질소 고정 및 청정 에너지 생성을 위한 가수분해 속도를 높이는 재료를 설계할 수 있다고 말했습니다. 이 알고리즘은 룰렛 게임과 같이 많은 수의 무작위적이고 알려지지 않은 변수가 플레이에 있을 때 확률을 계산하는 방법인 양자 몬테카를로(Monte Carlo)를 사용합니다. 여기에서 연구원들은 알고리즘을 사용하여 세 분자의 바닥 상태 에너지를 결정했습니다. 계산을 위해 8개 큐비트를 사용하는 헬리오사이드(H4); 12 큐비트를 사용하는 분자 질소(N 2 ); 16큐비트를 사용하는 솔리드 다이아몬드. 바닥 상태 에너지는 분자 내 전자의 수, 전자가 회전하는 방향, 핵을 도는 경로와 같은 변수의 영향을 받습니다.
이 전자 에너지는 슈뢰딩거 방정식으로 인코딩됩니다. 기존 컴퓨터에서 방정식을 푸는 것은 분자가 커질수록 기하급수적으로 더 어려워지지만 솔루션을 추정하는 방법으로 프로세스가 더 쉬워졌습니다. 양자 컴퓨터가 지수 확장 문제를 어떻게 우회할 수 있는지는 현장에서 미해결 문제였습니다. 원칙적으로 양자 컴퓨터는 슈뢰딩거 방정식을 푸는 데 필요한 것과 같이 기하급수적으로 크고 복잡한 계산을 처리할 수 있어야 합니다. 그 이유는 컴퓨터를 구성하는 큐비트가 양자 상태를 활용하기 때문입니다.
1과 0으로 구성된 이진수 또는 비트와 달리 큐비트는 두 가지 상태로 동시에 존재할 수 있습니다. 그러나 큐비트는 깨지기 쉽고 오류가 발생하기 쉽습니다. 큐비트를 많이 사용할수록 최종 답변의 정확도가 떨어집니다. Lee의 알고리즘은 양자 컴퓨터의 실수를 최소화하면서 화학 방정식을 보다 효율적으로 풀기 위해 고전 컴퓨터와 양자 컴퓨터의 결합된 능력을 활용합니다. Lee는 "두 세계의 최고입니다. "우리는 이미 가지고 있는 도구와 양자 정보 과학에서 최첨단으로 간주되는 도구를 활용하여 양자 계산 화학을 개선했습니다."
고전 적인 컴퓨터 는 Lee의 양자 몬테카를로 시뮬레이션의 대부분을 처리할 수 있습니다. Sycamore는 계산적으로 가장 복잡한 마지막 단계로 뛰어듭니다. 즉, 시험 파동 함수(양자 컴퓨터로 구현할 수 있는 바닥 상태 에너지의 수학적 설명에 대한 추측)와 샘플 파동 함수 사이의 중첩 계산입니다. 몬테카를로 통계 프로세스의 일부입니다. 이 중첩은 계산의 통계적 효율성을 보장하는 Monte Carlo 샘플링에 경계 조건으로 알려진 일련의 제약 조건을 제공합니다(수학에 대한 자세한 내용은 Lee의 웨비나 참조 ). 기저 상태 에너지를 푸는 이전 기록은 12큐비트와 VQE(Variational quantum eigensolver)라는 방법을 사용했습니다. 그러나 VQE 는 Lee의 양자 몬테카를로 알고리즘이 현재 포함하고 있는 바닥 상태 에너지 를 계산하는 중요한 변수인 상호 작용 전자의 영향을 무시했습니다 .
고전 컴퓨터에서 가상 상관 기술을 추가하면 화학자들이 더 큰 분자를 다루는 데 도움이 될 수 있다고 Lee가 말했습니다. 이 새로운 연구에서 하이브리드 고전 양자 계산은 최고의 고전 방법 중 일부만큼 정확한 것으로 밝혀졌습니다. 이는 양자 컴퓨팅의 핵심 이정표인 양자 컴퓨터가 없을 때보다 양자 컴퓨터 를 사용 하여 문제를 더 정확하고 빠르게 해결할 수 있음을 시사합니다 . Lee와 그의 동료들은 엔지니어들이 더 나은 양자 하드웨어를 구축하기 위해 노력하는 동안 더 효율적으로 알고리즘을 계속 조정할 것입니다.
Lee는 "더 크고 더 어려운 화학 문제를 해결할 가능성은 시간이 지남에 따라 증가할 것입니다."라고 말했습니다. "이는 개발 중인 양자 기술이 실질적으로 유용할 것이라는 희망을 줍니다."
추가 탐색 양자 컴퓨터는 얼마나 커야 합니까? 추가 정보: 이준호, 양자 컴퓨터를 사용한 Unbiasing 페르미온 양자 몬테카를로, 네이처 (2022). DOI: 10.1038/s41586-021-04351-z . www.nature.com/articles/s41586-021-04351-z 저널 정보: 네이처 컬럼비아 대학교 제공
https://phys.org/news/2022-03-quantum-molecular-energy.html
.Most Brain Studies Have Too Few Participants To Yield Reliable Findings
대부분의 뇌 연구는 신뢰할 수 있는 결과를 도출하기에는 참가자가 너무 적습니다
주제:뇌정신 건강신경 과학정신과세인트루이스에 있는 워싱턴 대학교워싱턴 대학교 의과대학 작성자: WASHINGTON UNIVERSITY SCHOOL OF MEDICINE 2022년 3월 17일 뇌 스캔 개념 애니메이션
연구 결과는 더 많은 데이터 공유와 연구원 간의 협력을 장려할 것입니다. 최근 수십 년 동안 뇌 스캔이 보다 상세하고 정보를 제공함에 따라 신경 영상은 의사와 과학자가 정신 질환이나 신경학적 상태가 있는 사람들의 뇌 내부에서 무엇이 잘못되고 있는지 "볼" 수 있는 방법을 약속하는 것처럼 보였습니다. 이러한 영상은 뇌의 해부학적 구조나 기능과 질병 사이의 상관관계를 밝혀냈고, 이는 정신과적, 심리적, 신경학적 상태를 진단하고 치료할 수 있는 잠재적인 새로운 방법을 제시합니다. 그러나 그 약속은 아직 실현되지 않았으며 새로운 연구는 그 이유를 설명합니다. 대부분의 연구 결과는 너무 적은 수의 참가자가 참여했기 때문에 신뢰할 수 없습니다. 과학자들은 MRI 뇌 스캔을 사용하여 뇌 구조와 기능을 측정하고 이를 성격, 행동, 인지, 신경학적 상태, 정신 질환과 같은 복잡한 특성과 연결하기 위해 뇌 전체의 연관성 연구에 의존합니다. 그러나 2022년 3월 16일 네이처 에 발표된 세인트루이스의 워싱턴 의과대학과 미네소타 대학의 연구원이 수행한 연구에 따르면 대부분의 발표된 뇌 전체 연관성 연구는 신뢰할 수 있는 결과를 산출하기에는 너무 적은 수의 참가자를 대상으로 수행됩니다. 총 50,000명에 가까운 참가자가 포함된 공개적으로 사용 가능한 데이터 세트를 사용하여 연구원들은 다양한 샘플 크기를 분석하고 뇌 전체의 연관성 연구에서 더 높은 재현성을 달성하기 위해 수천 명의 개인이 필요하다는 것을 발견했습니다. 일반적인 뇌 전체 연관성 연구에는 수십 명만 등록됩니다.
-뇌 구조 및 기능 과학자들은 뇌 스캔을 사용하여 뇌 구조와 기능을 측정하고 이를 정신 질환 및 기타 복잡한 행동과 연결하기 위해 뇌 전반의 연관성 연구에 의존합니다. 그러나 세인트루이스에 있는 워싱턴 의과대학과 미네소타 대학의 연구원들이 3월 16일 네이처에 발표한 연구에 따르면 대부분의 발표된 뇌 전체 연관성 연구는 신뢰할 수 있는 결과를 얻기에 너무 적은 수의 참가자를 대상으로 수행됩니다. 크레딧: Alex Berdis
-이러한 소위 underpowered 연구는 강력하지만 가짜 연관성을 우연히 발견하는 반면 실제이지만 약한 연관성은 놓치기 쉽습니다. 정기적으로 힘이 부족한 뇌 전체의 연관성 연구는 뇌가 어떻게 작동하는지 이해하는 과정을 느리게 만드는 놀랍도록 강력하지만 재현할 수 없는 발견의 과잉을 초래한다고 연구원들은 말했습니다. 선임 저자인 니코 도센바흐(Nico Dosenbach, MD, PhD) 워싱턴 대학 신경과 부교수는 “우리의 발견은 뇌와 행동과 같은 두 가지 복잡한 사물 사이의 상관관계를 찾기 위해 고안된 연구의 체계적이고 구조적인 문제를 반영합니다.
-“개인 연구원이나 연구의 문제가 아닙니다. 신경 영상에만 국한된 것은 아닙니다. 유전체학 분야는 약 10년 전 유전체 데이터에서 유사한 문제를 발견하고 이를 해결하기 위한 조치를 취했습니다. NIH(National Institutes of Health)는 더 큰 데이터 수집 노력에 자금을 지원하고 데이터를 공개적으로 공유하도록 의무화하기 시작했습니다. 이는 편견을 줄이고 결과적으로 게놈 과학이 훨씬 더 좋아졌습니다. 때로는 연구 패러다임을 바꿔야 합니다. 유전체학은 우리에게 길을 보여주었습니다.” 제1저자인 워싱턴 대학의 정신의학 강사인 Scott Marek 박사와 공동 제1저자인 매사추세츠 종합병원/하버드 의과대학의 박사후 연구원인 Brenden Tervo-Clemmens 박사는 일반적으로 뇌 전반에 걸친 연관성 연구에 문제가 있음을 깨달았습니다.
자신의 연구 결과를 복제할 수 없을 때 수행됩니다. 마렉은 “우리는 인지 능력이 뇌에서 어떻게 표현되는지 알아내는 데 관심이 있었다”고 말했다. “우리는 1,000명의 어린이 샘플에 대한 분석을 실행했고 유의미한 상관 관계를 발견했으며 '훌륭합니다!' 하지만 우리는 '우리가 이것을 다른 1000명의 아이들에게 재현할 수 있을까?'라고 생각했습니다. 그리고 우리는 할 수 없다는 것이 밝혀졌습니다. 1,000개의 샘플이 충분히 커야 했기 때문에 그것은 나를 완전히 날려버렸습니다. 무슨 일인가 싶어 머리를 긁적였습니다.”
뇌 전반에 걸친 연관성 연구의 문제를 식별하기 위해 연구팀은 Dosenbach, Marek, Tervo-Clemmens, 공동 수석 저자인 Damien A. Fair, PhD, University of Minnesota 뇌 개발 연구소 소장 및 기타 — 3개의 가장 큰 신경영상 데이터세트인 Adolescent Brain Cognitive Development Study(참가자 11,874명), Human Connectome Project(참가자 1,200명) 및 UK Biobank(참가자 35,375명)에 액세스하여 시작되었습니다. 그런 다음 다양한 크기의 하위 집합을 사용하여 뇌 기능과 다양한 인구 통계학적, 인지적, 정신 건강 및 행동 측정 간의 상관 관계에 대한 데이터 세트를 분석했습니다. 별도의 하위 집합을 사용하여 식별된 상관 관계를 복제하려고 했습니다.
전체적으로 수십억 개의 분석을 실행했으며, 연구자들은 25개의 샘플 크기(출판된 논문의 중간 샘플 크기)를 사용하여 식별된 뇌-행동 상관관계가 일반적으로 별도의 샘플에서 복제되지 않는다는 것을 발견했습니다. 표본 크기가 수천 개로 늘어남에 따라 상관 관계가 재현될 가능성이 높아졌습니다. 또한 효과 크기로 알려진 척도인 상관 관계의 추정된 강도는 가장 작은 샘플에서 가장 큰 경향이 있습니다.
효과 크기는 0에서 1까지 조정되며 0은 상관 관계가 없고 1은 완벽한 상관 관계가 있습니다. 0.2의 효과 크기는 매우 강한 것으로 간주됩니다. 표본 크기가 증가하고 상관 관계가 더 재현 가능해짐에 따라 효과 크기는 감소했습니다. 재현 가능한 효과 크기의 중앙값은 .01이었습니다. 그러나 뇌 전반에 걸친 연관성 연구에 대한 출판된 논문은 일반적으로 0.2 이상의 효과 크기를 보고합니다. 돌이켜보면 보고된 효과 크기가 너무 크다는 것이 분명했어야 한다고 Marek은 말했습니다. "문헌에서 0.8의 효과 크기를 찾을 수 있지만 자연에서 0.8의 효과 크기를 갖는 것은 없습니다."라고 Marek이 말했습니다. “키와 몸무게의 상관관계는 0.4입니다.
고도와 일교차의 상관관계는 0.3입니다. 그것들은 강력하고 명백하며 쉽게 측정할 수 있는 상관 관계이며 0.8에 가깝습니다. 그렇다면 왜 우리는 뇌 기능과 우울증과 같은 매우 복잡한 두 가지 사이의 상관 관계가 0.8이라고 생각했을까요? 스니프 테스트를 통과하지 못했습니다.” 신경 영상 연구는 비용이 많이 들고 시간이 많이 걸립니다. MRI 기계의 시간은 $1,000입니다. 개별 조사자는 각 연구에 대해 수천 명의 참가자를 스캔할 시간이나 돈이 없습니다. 그러나 통계적으로 무의미한 결과와 아주 작은 효과 크기를 포함하여 여러 소규모 연구의 모든 데이터를 통합하고 함께 분석하면 결과가 아마도 정답에 근접할 것이라고 Dosenbach는 말했습니다.
Fair는 "이 분야의 미래는 이제 밝으며 대규모 데이터 세트를 사용하려는 모든 과학자가 사용할 수 있도록 하기 위해 공개 과학, 데이터 공유 및 기관 간 리소스 공유에 달려 있습니다."라고 말했습니다. "바로 이 논문이 그 놀라운 예입니다." 생물의학 공학, 작업 치료, 소아과 및 방사선과 부교수이기도 한 Dosenbach는 다음과 같이 덧붙였습니다. 좋은 소식은 뇌 영상이 정신 건강 관리에 혁명을 일으키겠다는 약속을 아직 이행하지 못한 주된 이유를 확인했다는 것입니다. 이 작업은 이전의 장애물뿐만 아니라 앞으로의 유망한 새로운 경로를 명확하게 정의함으로써 두뇌 활동과 행동을 연결하는 주요 전환점을 나타냅니다.”
참조: Scott Marek, Brenden Tervo-Clemmens, Finnegan J. Calabro, David F. Montez, Benjamin P. Kay, Alexander S. Hatoum, Meghan Rose Donohue, William Foran의 "재현 가능한 뇌 전체 관련 연구에는 수천 명의 개인이 필요합니다.", Ryland L. Miller, Timothy J. Hendrickson, Stephen M. Malone, Sridhar Kandala, Eric Feczko, Oscar Miranda-Dominguez, Alice M. Graham, Eric A. Earl, Anders J. Perrone, Michaela Cordova, Olivia Doyle, Lucille A. Moore, Gregory M. Conan, Johnny Uriarte, Kathy Snider, Benjamin J. Lynch, James C. Wilgenbusch, Thomas Pengo, Angela Tam, Jianzhong Chen, Dillan J. Newbold, Annie Zheng, Nicole A. Seider, Andrew N. Van, Athanasia Metoki, Roselyne J. Chauvin, Timothy O. Laumann, Deanna J. Greene, Steven E. Petersen, Hugh Garavan, Wesley K. Thompson, Thomas E. Nichols, BT Thomas Yeo, Deanna M. Barch, Beatriz Luna,Damien A. Fair 및 Nico UF Dosenbach, 2022년 3월 16일,자연 . DOI: 10.1038/s41586-022-04492-9
https://scitechdaily.com/most-brain-studies-have-too-few-participants-to-yield-reliable-findings/
-Brain structure and function Scientists rely on brain-wide association studies to use brain scans to measure brain structure and function and link them to mental illness and other complex behaviors. However, most published whole-brain association studies are conducted with too few participants to get reliable results, according to a March 16 study in Nature by researchers from the Washington Medical School and the University of Minnesota in St. Louis. .
-These so-called underpowered studies stumble upon strong but fake associations, while real but weak associations are easy to miss. Regularly underpowered brain-wide association studies lead to a plethora of surprisingly powerful but non-reproducible discoveries that slow the process of understanding how the brain works, the researchers said. Lead author Nico Dosenbach, MD, PhD, associate professor of neurology at the University of Washington, said, "Our findings address the systematic and structural problem of research designed to find correlations between two complex objects, such as the brain and behavior. reflect.
- “It is not a matter of personal research or research. It's not limited to neuroimaging. The field of genomics discovered a similar problem in genomic data about a decade ago and took steps to address it. The National Institutes of Health (NIH) are starting to fund larger data collection efforts and mandate that data be shared publicly. This reduces bias and as a result genomic science is much better. Sometimes we have to change our research paradigm. Genomics has shown us the way.” Lead author Dr. Scott Marek, a psychiatry lecturer at the University of Washington, and co-first author, Dr. Brenden Tervo-Clemmens, postdoctoral fellow at Massachusetts General Hospital/Harvard School of Medicine, noted that there are problems with brain-wide association studies in general. Realized.
===================
memo 2203171940 my thought experiment oms storytelling
With fewer data or fewer participants, so-called underpowered studies are prone to stumble upon strong but spurious associations, while missing real but weak associations.
What if there is a lot of data related to my magic square but few people are interested? My sampling oms,qoms,poms, oss might seem weak, but various associations are found cosmically, while scientific weak associations are very vague.
Sample a.oms (standard)
b0acfd 0000e0
000ac0 f00bde
0c0fab 000e0d
e00d0c 0b0fa0
f000e0 b0dac0
d0f000 cae0b0
0b000f 0ead0c
0deb00 ac000f
ced0ba 00f000
a0b00e 0dc0f0
0ace00 df000b
0f00d0 e0bc0a
sample b.quasi oms(standard)
0100000010=0,2
0010000100
0001000001
0010001000
0001010000
0000100100
0000100010
2000000000
0000001001
samplea1.prime oms(standard)
q0000000000
00q00000000
0000q000000
000000q0000
00000000q00
000000000q
0q000000000
000q0000000
00000q00000
0000000q000
000000000q0
sample c_oss(standard)
zxdxybzyz
zxdzxezxz
xxbyyxzzx
zybzzfxzy
cadccbcdc
cdbdcbdbb
xzezxdyyx
zxezybzyy
bddbcbdca
=bigrip/zerosum, npir+c(dark energy)
sample c.oss
domain(2203080543):
Sample hypothesis 1.2 domain (2203140640):
댓글