論文の概要: Density functionals and Kohn-Sham potentials with minimal wavefunction
preparations on a quantum computer
- arxiv url: http://arxiv.org/abs/2008.05592v3
- Date: Tue, 17 Nov 2020 12:44:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-06 11:16:30.553399
- Title: Density functionals and Kohn-Sham potentials with minimal wavefunction
preparations on a quantum computer
- Title(参考訳): 量子コンピュータ上の最小波動関数を持つ密度汎関数とコーンシャムポテンシャル
- Authors: Thomas E. Baker and David Poulin
- Abstract要約: 量子コンピュータの潜在的な応用の1つは、量子化学システムを解くことである。
本稿では,十分に強力な量子コンピュータから,機械学習モデルとしての正確な機能を得る方法を示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: One of the potential applications of a quantum computer is solving quantum
chemical systems. It is known that one of the fastest ways to obtain somewhat
accurate solutions classically is to use approximations of density functional
theory. We demonstrate a general method for obtaining the exact functional as a
machine learned model from a sufficiently powerful quantum computer. Only
existing assumptions for the current feasibility of solutions on the quantum
computer are used. Several known algorithms including quantum phase estimation,
quantum amplitude estimation, and quantum gradient methods are used to train a
machine learned model. One advantage of this combination of algorithms is that
the quantum wavefunction does not need to be completely re-prepared at each
step, lowering a sizable pre-factor. Using the assumptions for solutions of the
ground-state algorithms on a quantum computer, we demonstrate that finding the
Kohn-Sham potential is not necessarily more difficult than the ground state
density. Once constructed, a classical user can use the resulting machine
learned functional to solve for the ground state of a system self-consistently,
provided the machine learned approximation is accurate enough for the input
system. It is also demonstrated how the classical user can access commonly used
time- and temperature-dependent approximations from the ground state model.
Minor modifications to the algorithm can learn other types of functional
theories including exact time- and temperature-dependence. Several other
algorithms--including quantum machine learning--are demonstrated to be
impractical in the general case for this problem.
- Abstract(参考訳): 量子コンピュータの潜在的な応用の1つは、量子化学系の解法である。
古典的に幾分正確な解を得る最速の方法の1つは密度汎関数論の近似を用いることである。
本稿では,十分に強力な量子コンピュータから機械学習モデルとして機能する汎用的な手法を示す。
量子コンピュータ上の解の実現可能性に関する既存の仮定のみが用いられる。
量子位相推定、量子振幅推定、および量子勾配法などの既知のアルゴリズムを用いて、学習されたモデルのトレーニングを行う。
このアルゴリズムの組み合わせの利点の1つは、量子波動関数が各ステップで完全に再準備される必要がなく、かなりの事前因子を下げることである。
量子コンピュータ上の基底状態アルゴリズムの解に対する仮定を用いて、コーン・シャムポテンシャルの発見は基底状態密度よりも必ずしも困難ではないことを示す。
学習された近似が入力システムに十分正確であれば、システム構築後、古典的な利用者は学習した関数を用いてシステムの基底状態を自己整合的に解くことができる。
また、古典的ユーザは、基底状態モデルから一般に使用される時間および温度依存近似にどのようにアクセスできるかを実証する。
アルゴリズムのマイナーな修正は、正確な時間と温度依存性を含む他の種類の機能理論を学ぶことができる。
量子機械学習を含む他のいくつかのアルゴリズムは、この問題の一般的なケースでは実用的でないことが示されている。
関連論文リスト
- Rapidly Achieving Chemical Accuracy with Quantum Computing Enforced Language Model [22.163742052849432]
QiankunNet-VQEは量子コンピューティングを用いて量子状態の学習と生成を行うトランスフォーマーベースの言語モデルである。
最大12キュービットで実装され、最先端の古典的手法と競合する精度のレベルに達した。
論文 参考訳(メタデータ) (2024-05-15T07:50:57Z) - Quantum algorithms: A survey of applications and end-to-end complexities [90.05272647148196]
期待されている量子コンピュータの応用は、科学と産業にまたがる。
本稿では,量子アルゴリズムの応用分野について検討する。
私たちは、各領域における課題と機会を"エンドツーエンド"な方法で概説します。
論文 参考訳(メタデータ) (2023-10-04T17:53:55Z) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳(メタデータ) (2023-06-29T18:00:01Z) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳(メタデータ) (2023-01-04T23:37:45Z) - Perturbation theory with quantum signal processing [0.0]
量子コンピュータ上で摂動エネルギーを得る量子アルゴリズムを提案する。
提案アルゴリズムはこの目的を達成するために量子信号処理(QSP)を用いる。
この研究は、フォールトトレラント量子コンピュータにおける「説明可能な」量子シミュレーションへの第一歩である。
論文 参考訳(メタデータ) (2022-10-03T05:20:26Z) - On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。
私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
論文 参考訳(メタデータ) (2021-06-29T14:01:40Z) - Variational quantum algorithm based on the minimum potential energy for
solving the Poisson equation [7.620967781722716]
ポアソン方程式を解くための変分量子アルゴリズムを提案する。
提案手法はポアソン方程式の全ポテンシャルエネルギーをハミルトニアンとして定義する。
項の数は問題の大きさとは無関係であるため、この方法は比較的少ない量子測定を必要とする。
論文 参考訳(メタデータ) (2021-06-17T09:01:53Z) - Imaginary Time Propagation on a Quantum Chip [50.591267188664666]
想像時間における進化は、量子多体系の基底状態を見つけるための顕著な技術である。
本稿では,量子コンピュータ上での仮想時間伝搬を実現するアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-02-24T12:48:00Z) - Iterative Quantum Assisted Eigensolver [0.0]
我々は、ハミルトニアン基底状態を近似するハイブリッド量子古典アルゴリズムを提供する。
我々のアルゴリズムは、現在の量子コンピュータに適した方法で、強力なKrylov部分空間法に基づいている。
論文 参考訳(メタデータ) (2020-10-12T12:25:16Z) - Electronic structure with direct diagonalization on a D-Wave quantum
annealer [62.997667081978825]
本研究は、D-Wave 2000Q量子アニール上の分子電子ハミルトニアン固有値-固有ベクトル問題を解くために、一般量子アニール固有解法(QAE)アルゴリズムを実装した。
そこで本研究では,D-Waveハードウェアを用いた各種分子系における基底および電子励起状態の取得について述べる。
論文 参考訳(メタデータ) (2020-09-02T22:46:47Z)
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。