論文の概要: Implementation of Quantum Machine Learning for Electronic Structure
Calculations of Periodic Systems on Quantum Computing Devices
- arxiv url: http://arxiv.org/abs/2103.02037v2
- Date: Fri, 28 May 2021 22:20:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-09 11:54:26.254788
- Title: Implementation of Quantum Machine Learning for Electronic Structure
Calculations of Periodic Systems on Quantum Computing Devices
- Title（参考訳）: 量子コンピューティングデバイス上での周期系の電子構造計算のための量子機械学習の実装
- Authors: Shree Hari Sureshbabu, Manas Sajjan, Sangchul Oh, Sabre Kais
- Abstract要約: 我々は,IBM-Q量子コンピュータ上でのハイブリッド量子機械学習のベンチマークテストを実装した。
このベンチマーク結果は、量子コンピュータによって強化されたハイブリッド量子機械学習が、量子多体システムの電子構造を計算する新しい方法を提供することを示唆している。
- 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: Quantum machine learning algorithms, the extensions of machine learning to
quantum regimes, are believed to be more powerful as they leverage the power of
quantum properties. Quantum machine learning methods have been employed to
solve quantum many-body systems and have demonstrated accurate electronic
structure calculations of lattice models, molecular systems, and recently
periodic systems. A hybrid approach using restricted Boltzmann machines and a
quantum algorithm to obtain the probability distribution that can be optimized
classically is a promising method due to its efficiency and ease of
implementation. Here we implement the benchmark test of the hybrid quantum
machine learning on the IBM-Q quantum computer to calculate the electronic
structure of typical 2-dimensional crystal structures: hexagonal-Boron Nitride
and graphene. The band structures of these systems calculated using the hybrid
quantum machine learning are in good agreement with those obtained by the
conventional electronic structure calculation. This benchmark result implies
that the hybrid quantum machine learning, empowered by quantum computers, could
provide a new way of calculating the electronic structures of quantum many-body
systems.
- Abstract（参考訳）: 量子構造への機械学習の拡張である量子機械学習アルゴリズムは、量子特性のパワーを活用することで、より強力であると考えられている。
量子機械学習法は量子多体系を解くために用いられ、格子モデル、分子系、および最近の周期系の正確な電子構造計算を実証してきた。
制限ボルツマンマシンと量子アルゴリズムを用いて古典的に最適化できる確率分布を得るハイブリッドアプローチは、その効率性と実装の容易さのために有望な方法である。
ここでは、IBM-Q量子コンピュータ上でのハイブリッド量子機械学習のベンチマークテストを実施し、典型的な2次元結晶構造である六方晶窒化ホウ素とグラフェンの電子構造を計算する。
ハイブリッド量子機械学習を用いて計算したこれらのシステムのバンド構造は、従来の電子構造計算とよく一致している。
このベンチマーク結果は、量子コンピュータによって強化されたハイブリッド量子機械学習が、量子多体システムの電子構造を計算する新しい方法を提供することを示唆している。
関連論文リスト
- 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) - 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) - 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) - Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。
我々は距離の計算を高速化するために量子現象を利用する。
我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
論文 参考訳（メタデータ） (2022-12-13T16:04:16Z) - Extending the reach of quantum computing for materials science with
machine learning potentials [0.3352108528371308]
本稿では,機械学習のポテンシャルを用いて,量子計算手法の範囲を大規模シミュレーションに拡張する戦略を提案する。
各種ノイズ源を選択する機械学習能力の訓練性について検討する。
我々は、水素分子のための実際のIBM Quantumプロセッサ上で計算されたデータから、最初の機械学習ポテンシャルを構築する。
論文 参考訳（メタデータ） (2022-03-14T15:59:30Z) - 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) - Emerging quantum computing algorithms for quantum chemistry [0.0]
デジタル量子コンピュータはシュリンガー方程式を解くための計算フレームワークを提供する。
これらのシステムの量子シミュレーションのための量子計算アルゴリズムは、最近顕著な成長を目撃している。
論文 参考訳（メタデータ） (2021-09-07T05:18:25Z) - 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) - 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) - Quantum ensemble of trained classifiers [2.048335092363436]
量子コンピュータは、利用可能な量子ビットの数に応じて指数的に大きな状態の集合を表現することができる。
量子機械学習は、機械学習アルゴリズムを強化する量子コンピューティングの可能性を探る。
論文 参考訳（メタデータ） (2020-07-18T01:01:33Z) - Quantum computation of silicon electronic band structure [0.0]
量子プロセッサ上で分子をシミュレートするために設計された量子化学における前例のない手法は、周期的な固体の性質を計算するために拡張可能であることを示す。
特に,変分量子固有解法アルゴリズムを実装した最小深度回路を提案し,シリコンのバンド構造を量子マシン上で初めて計算することに成功した。
論文 参考訳（メタデータ） (2020-06-06T07:45:06Z)
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。