論文の概要: A Heuristic Quantum-Classical Algorithm for Modeling Substitutionally
Disordered Binary Crystalline Materials
- arxiv url: http://arxiv.org/abs/2004.00957v3
- Date: Tue, 2 Feb 2021 01:52:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-27 03:25:28.624985
- Title: A Heuristic Quantum-Classical Algorithm for Modeling Substitutionally
Disordered Binary Crystalline Materials
- Title(参考訳): 置換不規則二元晶材料モデリングのためのヒューリスティック量子古典アルゴリズム
- Authors: Tanvi P. Gujarati, Tyler Takeshita, Andreas Hintennach, and Eunseok
Lee
- Abstract要約: 本稿では, 置換不規則二元晶材料のエネルギーを効率的にモデル化し, 予測する量子古典的アルゴリズムを提案する。
具体的には、格子サイト数で線形にスケールする量子回路を設計し、量子化学シミュレーションのエネルギーを予測するために訓練する。
- 参考スコア(独自算出の注目度): 1.5399429731150376
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Improving the efficiency and accuracy of energy calculations has been of
significant and continued interest in the area of materials informatics, a
field that applies machine learning techniques to computational materials data.
Here, we present a heuristic quantum-classical algorithm to efficiently model
and predict the energies of substitutionally disordered binary crystalline
materials. Specifically, a quantum circuit that scales linearly in the number
of lattice sites is designed and trained to predict the energies of quantum
chemical simulations in an exponentially-scaling feature space. This circuit is
trained by classical supervised-learning using data obtained from
classically-computed quantum chemical simulations. As a part of the training
process, we introduce a sub-routine that is able to detect and rectify
anomalies in the input data. The algorithm is demonstrated on the complex
layer-structured of Li-cobaltate system, a widely-used Li-ion battery cathode
material component. Our results shows that the proposed quantum circuit model
presents a suitable choice for modelling the energies obtained from such
quantum mechanical systems. Furthermore, analysis of the anomalous data
provides important insights into the thermodynamic properties of the systems
studied.
- Abstract(参考訳): エネルギー計算の効率と精度の向上は、計算材料データに機械学習技術を適用する分野である材料情報学の分野において、重要かつ継続的な関心を集めている。
本稿では,置換不規則二元晶材料のエネルギーを効率的にモデル化し,予測するヒューリスティック量子古典アルゴリズムを提案する。
具体的には、格子サイト数で線形にスケールする量子回路を設計し、指数的スケーリング特徴空間における量子化学シミュレーションのエネルギーを予測するために訓練する。
この回路は、古典的計算された量子化学シミュレーションから得られたデータを用いて、古典的教師付き学習によって訓練される。
トレーニングプロセスの一環として,入力データの異常を検出し,修正できるサブルーチンを導入する。
このアルゴリズムは、広く使用されているリチウムイオン電池陰極材料であるLi-コバルテート系の複雑な層構造上で実証される。
その結果,提案する量子回路モデルは,そのような量子力学系から得られるエネルギーのモデル化に最適であることがわかった。
さらに、異常データの解析は、研究対象システムの熱力学特性に関する重要な洞察を与える。
関連論文リスト
- Self-Consistent Determination of Single-Impurity Anderson Model Using Hybrid Quantum-Classical Approach on a Spin Quantum Simulator [3.5919681412083038]
本稿では,相関物質に対するハイブリッド量子古典的アプローチを実験的に実証する。
我々は計算の最も計算に要求される側面、すなわちグリーン関数の計算に対処する。
制御率の高い量子ビットの数は増え続けており、実験結果によりさらに複雑なモデルの解法が導かれる。
論文 参考訳(メタデータ) (2024-10-10T10:49:40Z) - Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか?
我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。
我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文 参考訳(メタデータ) (2024-08-22T08:21:28Z) - Electronic Structure Calculations using Quantum Computing [0.0]
本稿では,変分量子固有解法(VQE)アルゴリズムを用いた古典量子計算手法を提案する。
我々のアルゴリズムは古典的手法よりも少ない計算資源を必要とする合理化プロセスを提供する。
結果は,新しい材料や技術の開発を迅速化するアルゴリズムの可能性を示している。
論文 参考訳(メタデータ) (2023-05-13T12:02:05Z) - The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for
Deep Quantum Machine Learning [52.77024349608834]
古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。
鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。
我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
論文 参考訳(メタデータ) (2022-12-22T16:06:24Z) - Fitting a Collider in a Quantum Computer: Tackling the Challenges of
Quantum Machine Learning for Big Datasets [0.0]
この課題に対処するために、特徴とデータプロトタイプの選択手法が研究された。
グリッドサーチが行われ、量子機械学習モデルが訓練され、古典的な浅層機械学習手法に対してベンチマークされた。
量子アルゴリズムの性能は、大規模なデータセットを使用しても、古典的なアルゴリズムに匹敵することがわかった。
論文 参考訳(メタデータ) (2022-11-06T22:45:37Z) - Say NO to Optimization: A Non-Orthogonal Quantum Eigensolver [0.0]
低層状態がほぼ退化した電子系における静的相関と動的相関のバランスの取れた記述は、古典的コンピュータ上でのマルチコンフィグレーション手法の課題である。
本稿では、相関クラスタ演算子の作用を利用して、高品質な波動関数アンゼを提供する量子アルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-05-18T16:20:36Z) - Numerical Simulations of Noisy Quantum Circuits for Computational
Chemistry [51.827942608832025]
短期量子コンピュータは、小さな分子の基底状態特性を計算することができる。
計算アンサッツの構造と装置ノイズによる誤差が計算にどのように影響するかを示す。
論文 参考訳(メタデータ) (2021-12-31T16:33:10Z) - Quantum-tailored machine-learning characterization of a superconducting
qubit [50.591267188664666]
我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。
このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。
このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
論文 参考訳(メタデータ) (2021-06-24T15:58:57Z) - Quantum-Classical Hybrid Algorithm for the Simulation of All-Electron
Correlation [58.720142291102135]
本稿では、分子の全電子エネルギーと古典的コンピュータ上の特性を計算できる新しいハイブリッド古典的アルゴリズムを提案する。
本稿では,現在利用可能な量子コンピュータ上で,化学的に関連性のある結果と精度を実現する量子古典ハイブリッドアルゴリズムの能力を実証する。
論文 参考訳(メタデータ) (2021-06-22T18:00:00Z) - Fixed Depth Hamiltonian Simulation via Cartan Decomposition [59.20417091220753]
時間に依存しない深さの量子回路を生成するための構成的アルゴリズムを提案する。
一次元横フィールドXYモデルにおけるアンダーソン局在化を含む、モデルの特殊クラスに対するアルゴリズムを強調する。
幅広いスピンモデルとフェルミオンモデルに対して正確な回路を提供するのに加えて、我々のアルゴリズムは最適なハミルトニアンシミュレーションに関する幅広い解析的および数値的な洞察を提供する。
論文 参考訳(メタデータ) (2021-04-01T19:06:00Z) - Quantum Solver of Contracted Eigenvalue Equations for Scalable Molecular
Simulations on Quantum Computing Devices [0.0]
エネルギーの古典的方法の量子アナログである縮約固有値方程式の量子解法を導入する。
量子シミュレータと2つのIBM量子処理ユニットで計算を行う。
論文 参考訳(メタデータ) (2020-04-23T18:35:26Z)
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。