論文の概要: Open Source Variational Quantum Eigensolver Extension of the Quantum Learning Machine (QLM) for Quantum Chemistry

• arxiv url: http://arxiv.org/abs/2206.08798v4
• Date: Mon, 28 Nov 2022 17:41:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-09 02:00:15.865659
• Title: Open Source Variational Quantum Eigensolver Extension of the Quantum Learning Machine (QLM) for Quantum Chemistry
• Title（参考訳）: 量子化学のための量子学習マシン(qlm)のオープンソースの変分量子固有ソルバ拡張
• Authors: Mohammad Haidar, Marko J. Ran\v{c}i\'c, Thomas Ayral, Yvon Maday, Jean-Philip Piquemal
• Abstract要約: 我々は,化学に着想を得た適応手法の使用と開発のための新しいオープンソースQCパッケージ,Open-VQEを紹介した。 Atos Quantum Learning Machine (QLM)は、コンピュータプログラムを記述、最適化できる汎用プログラミングフレームワークである。 OpenVQEとともに、新しいオープンソースモジュールであるmyQLMFermion(QC開発において重要な重要なQLMリソースを含む)を紹介します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum Chemistry (QC) is one of the most promising applications of Quantum Computing. However, present quantum processing units (QPUs) are still subject to large errors. Therefore, noisy intermediate-scale quantum (NISQ) hardware is limited in terms of qubits counts and circuit depths. Specific algorithms such as Variational Quantum Eigensolvers (VQEs) can potentially overcome such issues. We introduce here a novel open-source QC package, denoted Open-VQE, providing tools for using and developing chemically-inspired adaptive methods derived from Unitary Coupled Cluster (UCC). It facilitates the development and testing of VQE algorithms. It is able to use the Atos Quantum Learning Machine (QLM), a general quantum programming framework enabling to write, optimize and simulate quantum computing programs. Along with Open-VQE, we introduce myQLM-Fermion, a new open-source module (that includes the key QLM ressources that are important for QC developments (fermionic second quantization tools etc...). The Open-VQE package extends therefore QLM to QC providing: (i) the functions to generate the different types of excitations beyond the commonly used UCCSD ans{\"a}tz;(ii) a new implementation of the "adaptive derivative assembled pseudo-Trotter method" (ADAPT-VQE), written in simple class structure python codes. Interoperability with other major quantum programming frameworks is ensured thanks to myQLM, which allows users to easily build their own code and execute it on existing QPUs. The combined Open-VQE/myQLM-Fermion quantum simulator facilitates the implementation, tests and developments of variational quantum algorithms towards choosing the best compromise to run QC computations on present quantum computers while offering the possibility to test large molecules. We provide extensive benchmarks for several molecules associated to qubit counts ranging from 4 up to 24.
• Abstract（参考訳）: 量子化学 (qc) は量子コンピューティングの最も有望な応用の一つである。 しかし、現在の量子処理ユニット(QPU)は依然として大きなエラーにさらされている。 したがって、ノイズの多い中間スケール量子(NISQ)ハードウェアは、量子ビット数と回路深さの点で制限される。 変分量子固有解法(VQE)のような特定のアルゴリズムは、そのような問題を克服することができる。 本稿では,オープンVQE(Open-VQE)と呼ばれる新しいオープンソースQCパッケージについて紹介する。 VQEアルゴリズムの開発とテストを容易にする。 atos quantum learning machine (qlm)は、量子コンピューティングプログラムを書き、最適化し、シミュレートできる一般的な量子プログラミングフレームワークである。 私たちは、open-vqeとともに、新しいオープンソースモジュールであるmyqlm-fermion(qc開発で重要な重要なqlm再資源を含む)を紹介します(fermionic second quantization toolsなど)。 Open-VQEパッケージはQLMをQCに拡張します。 (i)一般的に使用されるuccsd ans{\"a}tz以外の異なる種類の励起を生成する関数 (ii) 単純なクラス構造ピソン符号で書かれた"adaptive derivative assembled pseudo-Trotter method"(ADAPT-VQE)の新たな実装。 他の主要な量子プログラミングフレームワークとの相互運用性は、myqlmのおかげで保証されている。 open-vqe/myqlm-fermion量子シミュレータを組み合わせることで、変分量子アルゴリズムの実装、テスト、開発が容易になり、現在の量子コンピュータでqc計算を実行するための最良の妥協を選択し、大きな分子をテストできる。 4から24までの量子ビット数に関連する分子の広範なベンチマークを提供する。

関連論文リスト

• QSteed: Quantum Software of Compilation for Supporting Real Quantum Device [20.400502031534007]
  本稿では、実際の量子コンピューティングデバイスや量子コンピューティングクラスタにデプロイ可能な量子コンパイルシステムであるQSteedを紹介する。 量子タスクを効果的にコンパイルし、複数の量子バックエンドを管理するという課題を満たすように設計されている。
  論文  参考訳（メタデータ） (2025-01-13T00:59:27Z)
• 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)
• MQT Qudits: A Software Framework for Mixed-Dimensional Quantum Computing [4.306566710489809]
  MQT Quditsは、混合次元のquditデバイス用のアプリケーションの設計と実装を支援するオープンソースツールである。 混合次元システムのための標準化された言語を定義し、回路仕様、ハードウェアゲートセットへのコンパイル、効率的な回路シミュレーション、オープンチャレンジについて議論する。
  論文  参考訳（メタデータ） (2024-10-03T18:00:01Z)
• Delegated variational quantum algorithms based on quantum homomorphic encryption [69.50567607858659]
  変分量子アルゴリズム(VQA)は、量子デバイス上で量子アドバンテージを達成するための最も有望な候補の1つである。 クライアントのプライベートデータは、そのような量子クラウドモデルで量子サーバにリークされる可能性がある。 量子サーバが暗号化データを計算するための新しい量子ホモモルフィック暗号(QHE)スキームが構築されている。
  論文  参考訳（メタデータ） (2023-01-25T07:00:13Z)
• TeD-Q: a tensor network enhanced distributed hybrid quantum machine learning framework [48.491303218786044]
  TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。 古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。 量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
  論文  参考訳（メタデータ） (2023-01-13T09:35:05Z)
• 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)
• Optimal Stochastic Resource Allocation for Distributed Quantum Computing [50.809738453571015]
  本稿では,分散量子コンピューティング(DQC)のためのリソース割り当て方式を提案する。 本評価は,提案手法の有効性と,量子コンピュータとオンデマンド量子コンピュータの両立性を示すものである。
  論文  参考訳（メタデータ） (2022-09-16T02:37:32Z)
• Deterministic and random features for large-scale quantum kernel machine [0.9404723842159504]
  提案した決定論的およびランダムな特徴を用いて量子カーネル法(QKM)をスケーラブルにすることができることを示す。 O(1,000) sim O(10,000)$トレーニングデータを含むデータセットを用いた数値実験は,本手法の有効性を裏付けるものである。
  論文  参考訳（メタデータ） (2022-09-05T13:22:34Z)
• Universal expressiveness of variational quantum classifiers and quantum kernels for support vector machines [0.0]
  量子カーネルを用いた変分量子分類器(VQC)とサポートベクトルマシン(QSVM)は、k-Forrelation問題に基づく分類問題を解くことができることを示す。 この結果から,任意のBQP問題に対して,VQCとQSVMを効率的に解ける特徴写像と量子カーネルが存在することが示唆された。
  論文  参考訳（メタデータ） (2022-07-12T22:03:31Z)
• 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)
• Quantum Machine Learning for Software Supply Chain Attacks: How Far Can We Go? [5.655023007686363]
  本稿では、量子機械学習(QML)と呼ばれる機械学習アルゴリズムに適用されたQCの高速化性能について分析する。 実際の量子コンピュータの限界により、QML法はQiskitやIBM Quantumといったオープンソースの量子シミュレータ上で実装された。 興味深いことに、実験結果は、SSC攻撃の古典的アプローチと比較して計算時間と精度の低下を示すことによって、QCの約束を早めることと異なる。
  論文  参考訳（メタデータ） (2022-04-04T21:16:06Z)

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。