論文の概要: Quantum Computing: Fundamentals, Trends and Perspectives for Chemical
and Biochemical Engineers
- arxiv url: http://arxiv.org/abs/2201.02823v1
- Date: Sat, 8 Jan 2022 12:49:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-01 23:31:20.517653
- Title: Quantum Computing: Fundamentals, Trends and Perspectives for Chemical
and Biochemical Engineers
- Title（参考訳）: 量子コンピューティング : 化学・生化学技術者の基礎・動向・展望
- Authors: Amirhossein Nourbakhsh and Mark Nicholas Jones and Kaur Kristjuhan and
Deborah Carberry and Jay Karon and Christian Beenfeldt and Kyarash Shahriari
and Martin P. Andersson and Mojgan A. Jadidi and Seyed Soheil Mansouri
- Abstract要約: 本論文の主目的は、量子計算に精通していないかもしれない化学・生化学の研究者と技術者について概説することである。
QCは、アルゴリズムのスピードアップを活用するために、さまざまな業界領域で大規模な採用の初期段階にある。
コンピュータ科学、数学、化学・生化学工学、金融産業など様々な分野に適用できる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We use the benefits and components of classical computers every day. However,
there are many types of problems which, as they grow in size, their
computational complexity grows larger than classical computers will ever be
able to solve. Quantum computing (QC) is a computation model that uses quantum
physical properties to solve such problems. QC is at the early stage of
large-scale adoption in various industry domains to take advantage of the
algorithmic speed-ups it has to offer. It can be applied in a variety of areas,
such as computer science, mathematics, chemical and biochemical engineering,
and the financial industry. The main goal of this paper is to give an overview
to chemical and biochemical researchers and engineers who may not be familiar
with quantum computation. Thus, the paper begins by explaining the fundamental
concepts of QC. The second contribution this publication tries to tackle is the
fact that the chemical engineering literature still lacks a comprehensive
review of the recent advances of QC. Therefore, this article reviews and
summarizes the state of the art to gain insight into how quantum computation
can benefit and optimize chemical engineering issues. A bibliography analysis
covers the comprehensive literature in QC and analyzes quantum computing
research in chemical engineering on various publication topics, using Clarivate
analytics covering the years 1990 to 2020. After the bibliographic analysis,
relevant applications of QC in chemical and biochemical engineering are
highlighted and a conclusion offers an outlook of future directions within the
field.
- Abstract（参考訳）: 私たちはクラシックコンピュータの利点とコンポーネントを毎日使います。
しかし、その大きさが大きくなるにつれて、それらの計算の複雑さは、従来のコンピュータが解けるよりも大きくなるという、多くのタイプの問題が存在する。
量子コンピューティング(Quantum Computing、QC)は、量子物理特性を用いてそのような問題を解決する計算モデルである。
QCは、アルゴリズムのスピードアップを活用するために、さまざまな業界領域で大規模な採用の初期段階にある。
コンピュータ科学、数学、化学・生化学工学、金融産業など様々な分野に応用できる。
本論文の主な目的は,量子計算に精通していないかもしれない化学生化学の研究者や技術者に概要を説明することである。
この論文はqcの基本概念を説明することから始める。
この出版物が取り組もうとしている2つ目の貢献は、化学工学の文献には最近のQCの進歩に関する包括的なレビューがないという事実である。
そこで本稿では,量子計算が化学工学の課題にどのように貢献し,最適化できるかを考察し,その技術の現状について概説する。
書誌分析は、QCにおける包括的な文献を網羅し、1990年から2020年にかけてのClarivate分析を用いて、様々な出版トピックに関する化学工学における量子コンピューティングの研究を分析する。
文献分析の後、化学・生化学工学におけるQCの関連応用が強調され、結論は分野における今後の方向性の展望を提供する。
関連論文リスト
- Quantum Machine Learning: An Interplay Between Quantum Computing and Machine Learning [54.80832749095356]
量子機械学習(QML)は、量子コンピューティングの原理と従来の機械学習を組み合わせた急速に成長する分野である。
本稿では,変分量子回路を用いてQMLアーキテクチャを開発する機械学習パラダイムの量子コンピューティングについて述べる。
論文 参考訳（メタデータ） (2024-11-14T12:27:50Z) - Quantum Computing: Vision and Challenges [16.50566018023275]
本稿では,量子コンピュータハードウェアの最先端開発と量子暗号,量子ソフトウェア,高スケール性量子コンピュータの今後の進歩について論じる。
量子技術の研究と開発における多くの潜在的な課題とエキサイティングな新しいトレンドが、より広範な議論のためにこの論文で強調されている。
論文 参考訳（メタデータ） (2024-03-04T17:33:18Z) - 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) - Shape it Better than Skip it: Mapping the Territory of Quantum Computing
and its Transformative Potential [0.0]
量子コンピューティングは、計算機科学と量子重ね合わせや量子絡み合いのような量子力学を組み合わせる。
本稿では,最も関連性の高いQC研究,科学コミュニティ,関連ドメインが記述されている領域と,その古典計算との関係を地図化することを目的とする。
論文 参考訳（メタデータ） (2022-10-24T09:16:15Z) - 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) - 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) - 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) - 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 Computation [0.0]
量子計算の中核となる原理と応用分野について論じ,要約する。
物理系の挙動に対する計算のマッピングは歴史的課題である。
量子コンピュータが正しく機能するために必要な技術を評価する。
論文 参考訳（メタデータ） (2020-06-04T11:57:18Z) - An Application of Quantum Annealing Computing to Seismic Inversion [55.41644538483948]
小型地震インバージョン問題を解決するために,D波量子アニールに量子アルゴリズムを適用した。
量子コンピュータによって達成される精度は、少なくとも古典的コンピュータと同程度である。
論文 参考訳（メタデータ） (2020-05-06T14:18:44Z)
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。