論文の概要: Simulating Quantum Materials with Digital Quantum Computers
- arxiv url: http://arxiv.org/abs/2101.08836v2
- Date: Mon, 1 Feb 2021 20:00:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-14 08:30:00.552810
- Title: Simulating Quantum Materials with Digital Quantum Computers
- Title（参考訳）: デジタル量子コンピュータによる量子材料シミュレーション
- Authors: Lindsay Bassman, Miroslav Urbanek, Mekena Metcalf, Jonathan Carter,
Alexander F. Kemper, Wibe de Jong
- Abstract要約: デジタル量子コンピュータ(DQC)は、古典的コンピュータでは引き起こせない量子シミュレーションを効率的に行うことができる。
このレビューの目的は、物理量子優位性を達成するために行われた進歩の要約を提供することである。
- 参考スコア（独自算出の注目度）: 55.41644538483948
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum materials exhibit a wide array of exotic phenomena and practically
useful properties. A better understanding of these materials can provide deeper
insights into fundamental physics in the quantum realm as well as advance
technology for entertainment, healthcare, and sustainability. The emergence of
digital quantum computers (DQCs), which can efficiently perform quantum
simulations that are otherwise intractable on classical computers, provides a
promising path forward for testing and analyzing the remarkable, and often
counter-intuitive, behavior of quantum materials. Equipped with these new
tools, scientists from diverse domains are racing towards achieving physical
quantum advantage (i.e., using a quantum computer to learn new physics with a
computation that cannot feasibly be run on any classical computer). The aim of
this review, therefore, is to provide a summary of progress made towards this
goal that is accessible to scientists across the physical sciences. We will
first review the available technology and algorithms, and detail the myriad
ways to represent materials on quantum computers. Next, we will showcase the
simulations that have been successfully performed on currently available DQCs,
emphasizing the variety of properties, both static and dynamic, that can be
studied with this nascent technology. Finally, we work through two examples of
how to map a materials problem onto a DQC, with full code included in the
Supplementary Material. It is our hope that this review can serve as an
organized overview of progress in the field for domain experts and an
accessible introduction to scientists in related fields interested in beginning
to perform their own simulations of quantum materials on DQCs.
- Abstract（参考訳）: 量子材料は幅広いエキゾチックな現象と実用的な性質を示す。
これらの材料をより深く理解することで、量子領域の基本物理学に関する深い洞察と、エンターテイメント、医療、持続可能性のための先進技術を提供することができる。
デジタル量子コンピュータ(DQC)の出現は、古典的コンピュータでは引き起こせない量子シミュレーションを効率的に行うことができ、量子物質の顕著で直感に反する振る舞いをテストし分析するための、有望な道筋を提供する。
これらの新しいツールを備えた多様な領域の科学者は、物理量子の優位性(量子コンピュータを使って、どんな古典的コンピュータでも実行できない計算で新しい物理学を学ぶ)を達成するために競い合っている。
したがって、このレビューの目的は、物理科学の科学者がアクセス可能なこの目標に向けての進捗の概要を提供することである。
まず、利用可能な技術とアルゴリズムをレビューし、量子コンピュータ上で材料を表現する無数の方法を詳細に説明する。
次に、現在利用可能なDQCで成功したシミュレーションを紹介し、この初期段階の技術で研究できる静的および動的特性の多様性を強調します。
最後に、材料問題をDQCにマッピングする方法の2つの例を紹介します。
このレビューは、ドメインエキスパートの分野における進歩の組織的な概要と、DQCの量子材料に関する独自のシミュレーションの開始に関心のある分野の科学者へのアクセシビリティな紹介として役立てられることを願っている。
関連論文リスト
- Quantum algorithms for scientific computing [0.0]
ハイパフォーマンスコンピューティングに最も影響を与えるであろう分野には、量子システムのシミュレーション、最適化、機械学習などがある。
現代の古典的技術に対する控えめな量子増強でさえ、気象予報、航空宇宙工学、持続可能な開発のための「グリーン」材料の設計といった分野において、はるかに大きな影響を及ぼすであろう。
論文 参考訳（メタデータ） (2023-12-22T18:29:31Z) - 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) - Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。
機械学習の観点からQGLMの現状を概観する。
従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
論文 参考訳（メタデータ） (2022-06-07T07:32:57Z) - Evolution of Quantum Computing: A Systematic Survey on the Use of
Quantum Computing Tools [5.557009030881896]
我々は体系的な調査を行い、量子コンピューティングを促進する論文、ツール、フレームワーク、プラットフォームを分類する。
我々は、現在の本質を議論し、オープン課題を特定し、今後の研究方向性を提供する。
我々は、ここ数年でフレームワーク、ツール、プラットフォームのスコアが出現しており、現在利用可能な施設の改善は量子研究コミュニティにおける研究活動を活用するだろうと結論付けている。
論文 参考訳（メタデータ） (2022-04-04T21:21:12Z) - Recompilation-enhanced simulation of electron-phonon dynamics on IBM
Quantum computers [62.997667081978825]
小型電子フォノン系のゲートベース量子シミュレーションにおける絶対的資源コストについて考察する。
我々は、弱い電子-フォノン結合と強い電子-フォノン結合の両方のためのIBM量子ハードウェアの実験を行う。
デバイスノイズは大きいが、近似回路再コンパイルを用いることで、正確な対角化に匹敵する電流量子コンピュータ上で電子フォノンダイナミクスを得る。
論文 参考訳（メタデータ） (2022-02-16T19:00:00Z) - Standard Model Physics and the Digital Quantum Revolution: Thoughts
about the Interface [68.8204255655161]
量子システムの分離・制御・絡み合いの進歩は、かつての量子力学の興味深い特徴を、破壊的な科学的・技術的進歩のための乗り物へと変えつつある。
本稿では,3つの領域科学理論家の視点から,絡み合い,複雑性,量子シミュレーションのインターフェースについて考察する。
論文 参考訳（メタデータ） (2021-07-10T06:12:06Z) - Quantum Embedding Theories to Simulate Condensed Systems on Quantum
Computers [0.6299766708197883]
量子コンピュータは、物質の量子シミュレーションの効率を改善することを約束している。
これらは将来の量子通信のためのコンピュータ、センサー、デバイスなど、将来の量子技術を構築するための有望なシステムである。
量子アーキテクチャに関する量子シミュレーションは初期段階にあるが、現実的なシステムには期待できる結果が届いているようだ。
論文 参考訳（メタデータ） (2021-05-11T01:12:46Z) - Machine Learning for Quantum Matter [0.0]
本稿では,量子物質研究の進展をめざして,機械学習のアイデアの最近の発展と適応を概観する。
機械学習と量子多体物理学の交わる領域における今後の発展の展望について論じる。
論文 参考訳（メタデータ） (2020-03-24T18:00:30Z) - Quantum algorithms for quantum chemistry and quantum materials science [2.867517731896504]
本稿では, 電子構造, 量子統計力学, 量子力学の分野において, 量子コンピュータ上での解に対する潜在的な関心について, 化学・材料科学の中心的な問題を簡潔に述べる。
我々は、基底状態、力学、熱状態シミュレーションのための量子アルゴリズムの現在の進歩の詳細なスナップショットを取得し、将来の発展のためにそれらの強みと弱点を分析する。
論文 参考訳（メタデータ） (2020-01-10T22:49:56Z)
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。