論文の概要: What the foundations of quantum computer science teach us about chemistry

• arxiv url: http://arxiv.org/abs/2106.03997v1
• Date: Mon, 7 Jun 2021 22:40:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-27 08:38:25.985885
• Title: What the foundations of quantum computer science teach us about chemistry
• Title（参考訳）: 量子コンピュータ科学の基礎が化学について教えてくれるもの
• Authors: Jarrod R. McClean, Nicholas C. Rubin, Joonho Lee, Matthew P. Harrigan, Thomas E. O'Brien, Ryan Babbush, William J. Huggins, Hsin-Yuan Huang
• Abstract要約: フルスケールの量子コンピュータが利用可能になる前から、量子コンピュータ科学は驚くべき成果を上げてきた。 直接化学シミュレーションはデジタル実験として最もよく理解される位置にある。 我々は、この視点は敗北論ではなく、むしろ既存の化学モデルの成功に光を当てるのに役立つと論じている。
• 参考スコア（独自算出の注目度）: 1.956896529646609
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the rapid development of quantum technology, one of the leading applications is the simulation of chemistry. Interestingly, even before full scale quantum computers are available, quantum computer science has exhibited a remarkable string of results that directly impact what is possible in chemical simulation with any computer. Some of these results even impact our understanding of chemistry in the real world. In this perspective, we take the position that direct chemical simulation is best understood as a digital experiment. While on one hand this clarifies the power of quantum computers to extend our reach, it also shows us the limitations of taking such an approach too directly. Leveraging results that quantum computers cannot outpace the physical world, we build to the controversial stance that some chemical problems are best viewed as problems for which no algorithm can deliver their solution in general, known in computer science as undecidable problems. This has implications for the predictive power of thermodynamic models and topics like the ergodic hypothesis. However, we argue that this perspective is not defeatist, but rather helps shed light on the success of existing chemical models like transition state theory, molecular orbital theory, and thermodynamics as models that benefit from data. We contextualize recent results showing that data-augmented models are more powerful rote simulation. These results help us appreciate the success of traditional chemical theory and anticipate new models learned from experimental data. Not only can quantum computers provide data for such models, but they can extend the class and power of models that utilize data in fundamental ways. These discussions culminate in speculation on new ways for quantum computing and chemistry to interact and our perspective on the eventual roles of quantum computers in the future of chemistry.
• Abstract（参考訳）: 量子技術の急速な発展により、主要な応用の一つが化学のシミュレーションである。 興味深いことに、フルスケールの量子コンピュータが利用可能になる前でさえ、量子コンピュータ科学は、あらゆるコンピュータで化学シミュレーションで可能なことに直接影響を与える驚くべき一連の結果を示している。 これらの結果は、現実世界における化学の理解にも影響を与えます。 この観点から、直接化学シミュレーションはデジタル実験として最もよく理解される位置にある。 量子コンピュータのパワーが我々のリーチを伸ばす一方で、そのようなアプローチをあまりにも直接的に行うという限界も示しています。 量子コンピュータが物理世界を上回ることができないという結果を活用することで、いくつかの化学問題は、コンピュータ科学において決定不能な問題として知られる、アルゴリズムが一般に解を提供することができない問題と見なされるという議論の的となっている。 これは熱力学モデルやエルゴード仮説のようなトピックの予測力に影響を及ぼす。 しかし、この観点は敗北論ではなく、遷移状態理論、分子軌道理論、熱力学といった既存の化学モデルの成功を、データから恩恵を受けるモデルとして光を当てるのに役立つ。 データ提供モデルがより強力なroteシミュレーションであることを示す最近の結果を文脈化する。 これらの結果は、従来の化学理論の成功を高く評価し、実験データから学んだ新しいモデルを予測するのに役立つ。 量子コンピュータはそのようなモデルにデータを提供するだけでなく、基本的な方法でデータを利用するモデルのクラスとパワーを拡張することができる。 これらの議論は、量子コンピューティングと化学が相互作用する新しい方法に関する憶測や、将来的な化学における量子コンピュータの役割に関する我々の見解に結実する。

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)
• 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)
• The Basics of Quantum Computing for Chemists [0.0]
  本稿では,量子情報の基本的側面と量子コンピューティングとの関係について概説する。 量子コンピュータにおける量子化学シミュレーションと現在の状況について論じる。
  論文  参考訳（メタデータ） (2022-03-28T20:10:00Z)
• 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)
• Prospects of Quantum Computing for Molecular Sciences [3.203102206226439]
  分子科学は電子の動力学、原子核、および電磁場との相互作用によって支配される。 これらのプロセスに関する信頼性の高い物理化学的理解は、化学物質や経済的価値の材料の設計と合成に不可欠である。 我々は、分子科学における関連する問題を解決するための量子コンピューティングの可能性に焦点を当てる。
  論文  参考訳（メタデータ） (2021-02-19T18:30:10Z)
• Simulating Quantum Materials with Digital Quantum Computers [55.41644538483948]
  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。
  論文  参考訳（メタデータ） (2021-01-21T20:10:38Z)
• Engineering analog quantum chemistry Hamiltonians using cold atoms in optical lattices [69.50862982117127]
  数値的なアナログシミュレータの動作条件をベンチマークし、要求の少ない実験装置を見出す。 また、離散化と有限サイズ効果により生じるシミュレーションの誤差についてより深く理解する。
  論文  参考訳（メタデータ） (2020-11-28T11:23:06Z)
• How will quantum computers provide an industrially relevant computational advantage in quantum chemistry? [0.0]
  量子コンピュータに関する議論で見過ごされがちな量子化学研究の微妙な複雑さについて考察する。 数種類の分子の化学的精度で量子コンピュータ上で計算を行うのに必要な量子コンピュータ資源を推定する。
  論文  参考訳（メタデータ） (2020-09-25T23:21:16Z)
• Quantum Computing Methods for Supervised Learning [0.08594140167290096]
  小型の量子コンピュータと量子アニールが製造され、既に商業的に販売されている。 我々は、教師付き機械学習問題への応用を探求する前に、量子コンピューティングの背景と重要な結果を要約する。
  論文  参考訳（メタデータ） (2020-06-22T06:34:42Z)
• 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。