論文の概要: Quantum computing quantum Monte Carlo with hybrid tensor network toward
electronic structure calculations of large-scale molecular and solid systems
- arxiv url: http://arxiv.org/abs/2303.18095v1
- Date: Fri, 31 Mar 2023 14:38:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-03 13:47:54.332460
- Title: Quantum computing quantum Monte Carlo with hybrid tensor network toward
electronic structure calculations of large-scale molecular and solid systems
- Title（参考訳）: 大規模分子・固体系の電子構造計算に向けたハイブリッドテンソルネットワークを用いた量子計算量子モンテカルロ
- Authors: Shu Kanno, Hajime Nakamura, Takao Kobayashi, Shigeki Gocho, Miho
Hatanaka, Naoki Yamamoto, Qi Gao
- Abstract要約: 本稿では,QC-QMCとハイブリッドテンソルネットワーク(HTN)を組み合わせるアルゴリズムを提案する。
提案アルゴリズムは,ハイゼンベルク連鎖モデル,黒鉛系ハバードモデル,水素平面モデル,モノアリルビイミダゾール (MABI) に適用される。
- 参考スコア（独自算出の注目度）: 5.980158149420619
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Quantum computers are expected to solve the problems for quantum chemistry
and materials science with higher accuracy than classical computers. Quantum
computing quantum Monte Carlo (QC-QMC) is a method that can be combined with
quantum algorithms such as variational quantum eigensolver (VQE) to obtain the
ground state with fewer quantum resources and higher accuracy than either VQE
or QMC alone. In this study, we propose an algorithm combining QC-QMC with
hybrid tensor network (HTN) to extend the applicability of QC-QMC for the
system beyond the size of a single quantum device, and we named the algorithm
HTN+QMC. For HTN with the structure of a two-layer quantum-quantum tree tensor,
the proposed algorithm for an $O(n^2)$-qubit reference wave function (trial
wave function) in QMC can be performed by using only a $n$-qubit device
excluding ancilla qubits. Full configuration interaction QMC is adopted as an
example of QMC, and the proposed algorithm is applied to the Heisenberg chain
model, the graphite-based Hubbard model, the hydrogen plane model, and
MonoArylBiImidazole (MABI). The results show that the algorithm can achieve
energy accuracy several orders of magnitude higher than either VQE or QMC
alone. In addition, the energy accuracy of HTN+QMC is as same as QC-QMC when
the system is appropriately decomposed. These results pave the way to
electronic structure calculation for large systems with high accuracy on
current quantum devices.
- Abstract（参考訳）: 量子コンピュータは、古典的コンピュータよりも高い精度で量子化学と材料科学の問題を解決することが期待されている。
量子コンピューティング量子モンテカルロ(quantum computing quantum monte carlo、qc-qmc)は、変分量子固有ソルバ(vqe)のような量子アルゴリズムと組み合わせて、量子リソースが少なく、vqeやqmc単独よりも精度の高い基底状態を得る手法である。
本研究では,QC-QMCとハイブリッドテンソルネットワーク(HTN)を組み合わせて,単一量子デバイスを超越したシステムに対するQC-QMCの適用性を高めるアルゴリズムを提案し,そのアルゴリズムをHTN+QMCと名付けた。
2層量子量子木テンソルの構造を持つHTNの場合、QMCにおける$O(n^2)$-qubit参照波関数(心房波関数)のアルゴリズムは、アンシラ量子ビットを除く$n$-qubitデバイスのみを用いることで実現できる。
完全構成相互作用QMCはQMCの例として採用され,提案アルゴリズムはハイゼンベルク連鎖モデル,グラファイト系ハバードモデル,水素平面モデル,モノアリルビイミダゾール (MABI) に適用される。
その結果,このアルゴリズムはVQEまたはQMC単独よりも数桁高いエネルギー精度が得られることがわかった。
さらに、HTN+QMCのエネルギー精度は、システムが適切に分解されたときにQC−QMCと同じである。
これらの結果は、現在の量子デバイス上で高精度な大規模システムに対する電子構造計算への道を開く。
関連論文リスト
- Extending Quantum Perceptrons: Rydberg Devices, Multi-Class Classification, and Error Tolerance [67.77677387243135]
量子ニューロモーフィックコンピューティング(QNC)は、量子計算とニューラルネットワークを融合して、量子機械学習(QML)のためのスケーラブルで耐雑音性のあるアルゴリズムを作成する
QNCの中核は量子パーセプトロン(QP)であり、相互作用する量子ビットのアナログダイナミクスを利用して普遍的な量子計算を可能にする。
論文 参考訳（メタデータ） (2024-11-13T23:56:20Z) - Non-unitary Coupled Cluster Enabled by Mid-circuit Measurements on Quantum Computers [37.69303106863453]
本稿では,古典計算機における量子化学の柱である結合クラスタ(CC)理論に基づく状態準備法を提案する。
提案手法は,従来の計算オーバーヘッドを低減し,CNOTおよびTゲートの数を平均で28%,57%削減する。
論文 参考訳（メタデータ） (2024-06-17T14:10:10Z) - Simulating electronic structure on bosonic quantum computers [35.884125235274865]
量子コンピューティングの最も有望な応用の1つは、多くのフェルミオン問題のシミュレーションである。
電子構造であるハミルトニアンは、量子ビット支援フェルミオン-クモドマッピングにより、量子モードの系に変換できることを示す。
論文 参考訳（メタデータ） (2024-04-16T02:04:11Z) - Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。
どの場の量子スピードアップが達成できるかという新たな課題が生じる。
量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
論文 参考訳（メタデータ） (2024-02-26T09:32:07Z) - Probing Quantum Efficiency: Exploring System Hardness in Electronic
Ground State Energy Estimation [0.0]
電子構造理論の古典的アルゴリズムと量子アルゴリズムの相関性について考察する。
量子アルゴリズムでは,変分量子固有解法 (VQE) と量子位相推定法 (QPE) を選択した。
論文 参考訳（メタデータ） (2023-10-31T20:07:15Z) - TeD-Q: a tensor network enhanced distributed hybrid quantum machine
learning framework [59.07246314484875]
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) - 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)$トレーニングデータを含むデータセットを用いた数値実験は,本手法の有効性を裏付けるものである。
論文 参考訳（メタデータ） (2022-09-05T13:22:34Z) - On the Super-exponential Quantum Speedup of Equivariant Quantum Machine
Learning Algorithms with SU($d$) Symmetry [14.281289319738633]
我々は、量子計算の自然モデルであるPQC(permutational quantum computing)を強化し、より強力なモデルであるPQC+を定義する。
PQC は,PQC+ マシン上で効率よく解ける問題を示す。
本稿では,PQC+のパラダイムで実現可能な実用的な量子機械学習アルゴリズムについて論じる。
論文 参考訳（メタデータ） (2022-07-15T01:41:53Z) - Dequantizing the Quantum Singular Value Transformation: Hardness and
Applications to Quantum Chemistry and the Quantum PCP Conjecture [0.0]
量子特異値変換は効率的に「等化」できることを示す。
逆多項式精度では、同じ問題がBQP完全となることを示す。
また、この分位化手法が中心量子PCPの進展にどう役立つかについても論じる。
論文 参考訳（メタデータ） (2021-11-17T12:50:13Z) - Estimating Phosphorescent Emission Energies in Ir(III) Complexes using
Large-Scale Quantum Computing Simulations [0.0]
9個のイリジウム錯体の遷移エネルギーの計算に、古典的ハードウェアに反復的クビット結合クラスタ(iQCC)法を適用した。
我々のシミュレーションでは、72個の完全連結かつ誤り訂正された論理量子ビットを持つゲートベースの量子コンピュータが必要である。
iQCC量子法は、微調整DFT関数の精度と一致し、ピアソン相関係数が良く、体系的な改善の可能性がまだ高い。
論文 参考訳（メタデータ） (2021-11-07T20:02:10Z) - 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)
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。