Fugu-MT 論文翻訳(概要): Investigating potential energy surfaces of noncollinear molecule using variational quantum circuit

論文の概要: Investigating potential energy surfaces of noncollinear molecule using variational quantum circuit

arxiv url: http://arxiv.org/abs/2109.00401v1
Date: Wed, 1 Sep 2021 14:30:28 GMT
ステータス: 処理完了
システム内更新日: 2023-03-16 11:03:30.307595
Title: Investigating potential energy surfaces of noncollinear molecule using variational quantum circuit
Title（参考訳）: 変分量子回路を用いた非線形分子のポテンシャルエネルギー面の研究
Authors: Anh Pham and Daniel Beaulieu
Abstract要約: 本研究では,変量量子固有解法(VQE)を用いた非線型分子,例えばH2O分子の化学的精度の向上を実証する。
参考スコア（独自算出の注目度）: 0.7106986689736827
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We demonstrate the simulation of a noncollinear molecule, e.g. H2O molecule using Variational Quantum Eigensolver (VQE) with high chemical accuracy. The 2D and 3D potential energy surface (PES) were reported. Taking advantage of the potential speedup in Qiskit runtime program, the optimal initial parameters for the variational quantum circuits were obtained after several consecutive iterations, thus resulting in accurate prediction of water's PES matching result obtained from exact diagonalization of the full Hamiltonian.
Abstract（参考訳）: 変動量子固有ソルバ(vqe)を用いた非線形分子、例えばh2o分子のシミュレーションを高い化学精度で実証する。 2次元および3次元ポテンシャルエネルギー面(PES)が報告された。 Qiskitランタイムプログラムの潜在的な高速化を利用して、変動量子回路の最適初期パラメータが連続的に得られたため、フルハミルトニアンの正確な対角化から得られる水のPSSマッチング結果の正確な予測が得られた。

関連論文リスト

Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
ランダム量子スピン系の進化をモデル化するためにFNOを用いる。量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
論文参考訳（メタデータ） (2024-09-05T07:18:09Z)
Ab initio extended Hubbard model of short polyenes for efficient quantum computing [0.0]
本稿では,ab initioダウンフォールディング法により導出される拡張ハバード・ハミルトンを導入することを提案する。 ab initio拡張ハバード・ハミルトンは量子コンピュータを用いた量子化学計算において大きな可能性を秘めている可能性がある。
論文参考訳（メタデータ） (2024-04-02T04:13:09Z)
A blueprint for a Digital-Analog Variational Quantum Eigensolver using Rydberg atom arrays [0.0]
本研究では,H2,LiH,BeH2分子に対するディジタルアナログ変動量子固有解器の挙動を数値的に検討する。原子レジスタの位置を学習することで、エネルギーを数パーセントの誤差点に推定できることを観察する。
論文参考訳（メタデータ） (2023-01-16T14:56:58Z)
Potential energy surfaces inference of both ground and excited state using hybrid quantum-classical neural network [0.0]
変分量子固有解器のシュロゲートモデリングのためのハイブリッド量子古典ニューラルネットワークが提案されている。サブスペース探索型変分量子固有解法を用いて, 地中および励起状態のPSSを化学的精度で推定できるようにモデルを拡張した。
論文参考訳（メタデータ） (2022-12-06T14:28:44Z)
Studying chirality imbalance with quantum algorithms [62.997667081978825]
我々は(1+1)次元ナムブ・ジョナ・ラシニオ(NJL)モデルを用いて、強相互作用物質のキラル相構造とキラル電荷密度を研究する。量子想像時間進化法 (QITE) を用いて, 格子上の (1+1) 次元NJLモデルを温度$T$, 化学ポテンシャル$mu$, $mu_5$でシミュレートする。
論文参考訳（メタデータ） (2022-10-06T17:12:33Z)
Exploring accurate potential energy surfaces via integrating variational quantum eigensovler with machine learning [8.19234058079321]
この研究で、変分量子アルゴリズムは機械学習(ML)技術と統合可能であることを示す。変分量子固有解法(VQE)のパラメータを表すために,分子幾何学情報をディープニューラルネットワーク(DNN)に符号化する。
論文参考訳（メタデータ） (2022-06-08T01:43:56Z)
Stochastic Variational Approach to Small Atoms and Molecules Coupled to Quantum Field Modes [55.41644538483948]
空洞QEDの量子場に結合した少数の粒子系のエネルギーと波動関数の変動計算(SVM)を提案する。 2次元のトライアン電子や閉じ込められた電子、He原子や水素分子の例を示す。
論文参考訳（メタデータ） (2021-08-25T13:40:42Z)
Computing molecular excited states on a D-Wave quantum annealer [52.5289706853773]
分子系の励起電子状態の計算にD波量子アニールを用いることを実証する。これらのシミュレーションは、太陽光発電、半導体技術、ナノサイエンスなど、いくつかの分野で重要な役割を果たしている。
論文参考訳（メタデータ） (2021-07-01T01:02:17Z)
Quantum Chemistry Calculations using Energy Derivatives on Quantum Computers [0.0]
本研究では、基底状態と励起状態エネルギーの両方のエネルギー微分を計算する方法を提案する。ハイブリッドパラダイムにおける量子回路の詳細な実装を設計する。量子化学のいくつかの重要な応用に組み込むことにより,本手法の有効性を示す。
論文参考訳（メタデータ） (2021-06-10T14:57:34Z)
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)
Benchmarking adaptive variational quantum eigensolvers [63.277656713454284]
VQEとADAPT-VQEの精度をベンチマークし、電子基底状態とポテンシャルエネルギー曲線を計算する。どちらの手法もエネルギーと基底状態の優れた推定値を提供する。勾配に基づく最適化はより経済的であり、勾配のない類似シミュレーションよりも優れた性能を提供する。
論文参考訳（メタデータ） (2020-11-02T19:52:04Z)

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。