論文の概要: Direct Solving the Many-Electron Schr\"odinger Equation with a Language Model

• arxiv url: http://arxiv.org/abs/2307.09343v1
• Date: Tue, 18 Jul 2023 15:29:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-19 14:03:47.692992
• Title: Direct Solving the Many-Electron Schr\"odinger Equation with a Language Model
• Title（参考訳）: 言語モデルを用いた多電子schr\"odinger方程式の直接解法
• Authors: Honghui Shang, Chu Guo, Yangjun Wu, Jinlong Yang
• Abstract要約: トランスフォーマーに基づくニューラルネットワークアーキテクチャ(QiankunNet)は、多電子シュリンガー方程式を解くために用いられる。 QiankunNetは、Fermionic ansatzと比較して、第一原理計算の精度と効率を著しく改善する。
• 参考スコア（独自算出の注目度）: 2.8470354623829577
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The many-electron Schr\"odinger equation is solved straightforwardly with a Transformer-based neural-network architecture (QiankunNet), which requires no external training data and significantly improves the accuracy and efficiency of first-principles calculations compared to previous Fermionic ansatz. The intricate quantum correlations are effectively captured by incorporating the attention mechanism into our methodology. Additionally, the batched sampling strategy is used to significantly improve the sampling accuracy and efficiency. Furthermore, a pre-training stage which incorporates the truncated configuration interaction solution into the variational ansatz, ensuring high expressiveness and further improving computational efficiency. QiankunNet demonstrates the power of the Transformer-based language model in achieving unprecedented efficiency in quantum chemistry calculations, which opens new avenues to chemical discovery and has the potential to solve the large-scale Schr\"odinger equation with modest computational cost.
• Abstract（参考訳）: マルチ電子Schr\"odinger方程式は、外部トレーニングデータを必要としないトランスフォーマーベースのニューラルネットワークアーキテクチャ(QiankunNet)で簡単に解き、以前のフェルミオンアンザッツと比較して第一原理計算の精度と効率を大幅に改善する。 複雑な量子相関は、我々の方法論に注意機構を組み込むことで効果的に捉えられる。 さらに、サンプリング精度と効率を大幅に向上させるため、バッチサンプリング戦略を用いる。 さらに、縮小構成相互作用解を変分アンサッツに組み込んで高い表現性を確保し、計算効率をさらに向上させる事前学習ステージを提供する。 qiankunnetは、量子化学計算において前例のない効率を達成するためにトランスフォーマーベースの言語モデルの力を実証し、化学発見への新しい道を開き、小さな計算コストで大規模schr\"odinger方程式を解く可能性を秘めている。

関連論文リスト

• Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits [48.33631905972908]
  我々は、事前学習されたニューラルネットワークを用いて変分量子回路(VQC)を強化する革新的なアプローチを導入する。 この手法は近似誤差をキュービット数から効果的に分離し、制約条件の必要性を除去する。 我々の結果はヒトゲノム解析などの応用にまで拡張され、我々のアプローチの幅広い適用性を示している。
  論文  参考訳（メタデータ） (2024-11-13T12:03:39Z)
• Optimal Quantum Circuit Design via Unitary Neural Networks [0.0]
  本稿では,量子回路モデル表現に量子アルゴリズムの機能を合成する自動手法を提案する。 この訓練されたモデルが、元のアルゴリズムと同等の量子回路モデルを効果的に生成できることを実証する。
  論文  参考訳（メタデータ） (2024-08-23T16:41:15Z)
• Evolutionary-enhanced quantum supervised learning model [0.0]
  本研究は,進化的アンサッツフリー教師あり学習モデルを提案する。 パラメタライズド回路とは対照的に、われわれのモデルはエリート的手法によって進化する可変位相を持つ回路を用いる。 我々のフレームワークは不毛の台地を避けることに成功し、結果としてモデルの精度が向上した。
  論文  参考訳（メタデータ） (2023-11-14T11:08:47Z)
• Dissipative learning of a quantum classifier [0.0]
  オープン量子システムとして機能する量子分類器モデルの学習力学を解析する。 モデルは勾配降下(GD)に基づくアルゴリズムでうまく訓練することができる。 これらの最適化プロセスが連続力学で得られたという事実は、微分可能活性化関数の開発を約束することを示している。
  論文  参考訳（メタデータ） (2023-07-23T11:08:51Z)
• 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)
• Automatic and effective discovery of quantum kernels [43.702574335089736]
  量子コンピューティングは、カーネルマシンが量子カーネルを利用してデータ間の類似度を表現できるようにすることで、機械学習モデルを強化することができる。 本稿では,ニューラルアーキテクチャ検索やAutoMLと同じような最適化手法を用いて,異なるアプローチを提案する。 その結果、高エネルギー物理問題に対する我々のアプローチを検証した結果、最良のシナリオでは、手動設計のアプローチに関して、テストの精度を一致または改善できることが示された。
  論文  参考訳（メタデータ） (2022-09-22T16:42:14Z)
• Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
  量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。 変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。 量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
  論文  参考訳（メタデータ） (2021-08-09T18:00:05Z)
• Quantum-tailored machine-learning characterization of a superconducting qubit [50.591267188664666]
  我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。 このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。 このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
  論文  参考訳（メタデータ） (2021-06-24T15:58:57Z)
• Adiabatic Quantum Computing for Solving the Weapon-Target Assignment Problem [0.0]
  近年の技術進歩は、断熱型量子コンピューティング・アンサッツがまもなく実用化される可能性があることを示唆している。 本研究では、この計算パラダイムを用いて、よく知られた兵器目標割り当て問題の量子計算に基づく解法を開発する。
  論文  参考訳（メタデータ） (2021-05-05T12:16:03Z)
• Autoregressive Transformer Neural Network for Simulating Open Quantum Systems via a Probabilistic Formulation [5.668795025564699]
  オープン量子システムのダイナミクスに対処するためのアプローチを提案する。 自己回帰変換ニューラルネットワークを用いて量子状態をコンパクトに表現する。 効率的なアルゴリズムは、リウヴィリア超作用素の力学をシミュレートするために開発された。
  論文  参考訳（メタデータ） (2020-09-11T18:00:00Z)
• Method of spectral Green functions in driven open quantum dynamics [77.34726150561087]
  オープン量子力学のシミュレーションのために,スペクトルグリーン関数に基づく新しい手法を提案する。 この形式主義は、場の量子論におけるグリーン関数の使用と顕著な類似性を示している。 本手法は,完全マスター方程式の解法に基づくシミュレーションと比較して計算コストを劇的に削減する。
  論文  参考訳（メタデータ） (2020-06-04T09:41:08Z)

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。