自然の起源を探ろう！ Google の 2022 年末総括の第 7 弾: 「生化学的環境材料」は機械学習の恩恵をどのように得ることができるのか?

機械学習と量子コンピューティングの大きな進歩により、私たちは今、新しい方法で業界全体の研究者と協力し、画期的な科学的発見の進歩を根本的に加速するための、新しくて強力なツールを手に入れました。

Google の年末総括のテーマは 「自然科学」 この記事の著者は、Google Research の優れた科学者である John Platt です。彼は 1989 年にカリフォルニア工科大学を卒業し、博士号を取得しました。

8 年前に Google Research に入社して以来、私はこの分野に専念する才能ある研究者のコミュニティの一員になれることに光栄に思います。最先端のコンピューティング技術を適用して応用科学の可能性を高めることに重点を置き、チーム は現在、世界の タンパク質およびゲノム情報## の整理支援から、物理科学および自然科学のトピック を探索しています。 # 人々の生活に利益をもたらし、量子コンピューターを使用して宇宙の性質についての理解を深めます。

機械学習を使用して生物学の謎を解く

生物学の並外れた複雑さは、脳の謎の探索からタンパク質の構造の探索まで、数え切れないほどの研究者を魅了してきました。 、生命の言語をエンコードするゲノムまで、Google は世界中の他の主要組織の科学者と協力して、コネクトミクス、タンパク質機能予測、ゲノミクスにおける大きな課題に取り組み、イノベーションをより広範なコミュニティに利用できるようにしてきました。科学界。

#神経生物学

2018 年、Google が開発した情報探索アプリケーションは、ゼブラフィッシュの脳内の神経経路を介して伝達され、ゼブラフィッシュが群れをなすなどの社会的行動にどのように関与するかについての洞察が得られます。

論文リンク: https://www.nature.com/articles/s41592-018-0049-4

マックス プランク生物学インテリジェンス研究所の研究者と協力して、研究者らはコンピューターを使用して、魚の脳のゼブラ 3D 電子顕微鏡画像の一部を再現しました。

これは、小脳内の神経回路をマッピングするためのイメージングおよび計算パイプラインの使用におけるマイルストーンでもあります。コネクトミクスの分野におけるもう一つの進歩でもあります。

この研究に含まれるテクノロジーは、神経科学を超えた分野にも適用できます。たとえば、大規模なコネクトミクス データ セットの処理の問題を解決するために、Google の研究者は TensorStore を開発し、リリースしました。 n 次元データを保存および操作するために特別に設計されたオープン ソースの C および Python ソフトウェア ライブラリであり、他の分野の大規模なデータ セットの保存にも適しています。

コードリンク: https://github.com/google/tensorstore

人間の言語処理を自己回帰深層言語モデル (DLM) と比較することで、研究者らは機械学習を使用して、人間の脳が言語と同じくらい特徴的な機能をどのように実行するかを明らかにしました。

論文リンク: https://www.nature.com/articles/s41593-022-01026 -4

この研究では、Google がプリンストン大学およびニューヨーク大学グロスマン医科大学の研究者と協力して、参加者に 30 分間のポッドキャストを聞いてもらいました。皮質電気記録法を使用して記録することもできます。

記録された結果は、人間の脳と DLM が、継続的な次の単語の予測、文脈依存の埋め込み、単語マッチングに基づく発症後の驚きの計算など、言語処理の計算原理を共有していることを示しています。脳は単語の驚きの度合いを測定し、DLM によって驚きの信号と単語の予測の度合いを相関させることができます。

これらの結果は、人間の脳における言語処理に関する新たな結論を提供し、DLM を使用して言語の神経基盤についての貴重な洞察を明らかにできることを示唆しています。

生化学

機械学習は、生物学的配列の理解においても大幅な進歩をもたらしました。 、研究者らは深層学習の最近の進歩を活用して、生のアミノ酸配列からタンパク質の機能を正確に予測します。

#論文リンク: https://www.nature.com/articles/s41587-021-01179-w

##Google はまた、欧州分子生物学研究所の欧州バイオインフォマティクス研究所 (EMBL-EBI) と緊密に連携してモデルのパフォーマンスを慎重に評価し、公開タンパク質データベース UniProt、Pfam/interPro、MGnify の関数アノテーションに数億ドルを追加しました。

論文リンク: https://www.nature.com/articles/s41587-021-01179 -w.epdf

人間によるタンパク質データベースへのアノテーションは、困難で時間がかかるプロセスかもしれませんが、Google が提案した機械学習手法により、アノテーションの速度が大幅に向上しました。

たとえば、Pfam は過去 10 年間に他のすべての取り組みを合わせたよりも多くの注釈を追加しており、毎年これらのデータベースにアクセスする世界中の何百万人もの科学者がその注釈を活用できるようになりました。研究。 。

ヒトゲノムの最初の草案は 2003 年に発表されましたが、配列決定の技術的限界により完成には至りませんでした。技術が不完全です。

2022 年、テロメア 2 テロメア (T2T) コンソーシアムは、これまで入手できなかったこれらの領域 (5 本の完全な染色体アームと約 2 億塩基の新しい DNA 配列を含む) に取り組んでいます。人間の生物学、進化、病気の問題にとって興味深く重要な分野を研究するために研究が行われてきました。

Google のオープンソース ゲノム バリアント呼び出し元である DeepVariant は、T2T コンソーシアムが 30 億 5,500 万塩基対の完全なヒトゲノム配列の公開を準備するために使用するツールの 1 つです。

論文リンク: https://www.nature.com/articles/nbt.4235

T2T コンソーシアムは、包括的なパンゲノム リソースに関する T2T の最新研究において、Google のオープンソース アプローチである DeepConsensus を使用して、Pacific Biosciences のロングリード シーケンス機器にオンデバイス エラー修正を提供しています。 . は、人間の遺伝的多様性の広さを表すことができます。

論文リンク: https://www.nature.com/articles/s41587-022-01435 -7.epdf新しい物理的発見における量子コンピューティングの応用

量子コンピューティングは、科学的発見を促進する上ではまだ初期段階にありますが、大きな可能性があるため、Google は量子コンピューティングが科学的発見と画期的なツールとなるよう、量子コンピューティングの機能を向上させる方法を模索しています。

世界中の物理学者と協力することで、研究者たちは既存の量子コンピューターを使用してまったく新しい物理実験を作成し始めています。量子実験の問題の 1 つは、センサーが測定するときです。物体を検出する場合、センサーからのデータを処理するためにコンピューターが必要です。

従来の処理プロセスでは、処理前にセンサー データを古典的な情報に変換する必要があります。

量子コンピューティングでは、センサーからの量子データを直接処理でき、量子センサーからのデータを測定せずに量子アルゴリズムに直接提供できるため、従来のコンピューターよりも大きな利点があります。

論文リンク: https://www.science.org/doi/10.1126/science.abn7293

Google が複数の大学の研究者と共同で最近発表したサイエンス論文では、量子コンピューターが量子センサーに直接接続されて実行される限り、実験結果が示しています。 a 学習アルゴリズムである量子コンピューティングは、古典的なコンピューティングよりもはるかに少ない実験から情報を抽出できます。

現在未成熟な中規模量子コンピューターであっても、「量子機械学習」はデータセットに対して指数関数的な利点を生み出すことができます。

論文リンク: https://arxiv.org/abs/2112.00778

実験データは科学的発見の制限要因となることが多いため、量子機械学習アルゴリズムには、量子コンピューターの力を最大限に引き出す可能性があります。さらに良いことに、この研究の結果は次のようなものにも適用されます。学習 量子シミュレーションの出力など、量子コンピューティングの出力を抽出するのは困難です。

量子機械学習がなくても、量子コンピューターの有望な用途は、観察もシミュレーションもできない量子システムの実験的探索です。

2022 年、量子 AI チームはこの方法を使用して、超伝導量子ビットを使用した束縛状態にある複数のマイクロ波光子の最初の実験的証拠を観察しました。

論文リンク: https://www.nature.com/articles/s41586-022-05348 -y

光子は通常、相互作用するために追加の非線形要素を必要とし、Google の量子コンピューターによるこれらの相互作用のシミュレーションは研究者らを驚かせました。研究者らは当初、これらの相互作用を予想していました。束縛状態の存在は脆弱なものに依存します。しかし、実際には、比較的強い摂動に対しても堅牢であることが判明しました。

Google が量子コンピューティングを応用して物理学のブレークスルーを達成することに最初に成功したことを考えると、研究者たちはこのテクノロジーの可能性に興奮しています。将来の画期的な発見は、トランジスタや全地球測位システムの開発と同じくらい社会に大きな影響を与える可能性があり、大きな可能性を秘めています。

科学ツールとしての量子コンピューティングは非常に有望です。

以上が自然の起源を探ろう！ Google の 2022 年末総括の第 7 弾: 「生化学的環境材料」は機械学習の恩恵をどのように得ることができるのか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。