論文の概要: Quantum-centric Supercomputing for Materials Science: A Perspective on Challenges and Future Directions

• arxiv url: http://arxiv.org/abs/2312.09733v1
• Date: Thu, 14 Dec 2023 18:14:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-18 16:06:20.042909
• Title: Quantum-centric Supercomputing for Materials Science: A Perspective on Challenges and Future Directions
• Title（参考訳）: 物質科学のための量子中心型スーパーコンピュータ : 課題と今後の展望
• Authors: Yuri Alexeev, Maximilian Amsler, Paul Baity, Marco Antonio Barroca, Sanzio Bassini, Torey Battelle, Daan Camps, David Casanova, Young jai Choi, Frederic T. Chong, Charles Chung, Chris Codella, Antonio D. Corcoles, James Cruise, Alberto Di Meglio, Jonathan Dubois, Ivan Duran, Thomas Eckl, Sophia Economou, Stephan Eidenbenz, Bruce Elmegreen, Clyde Fare, Ismael Faro, Cristina Sanz Fern\'andez, Rodrigo Neumann Barros Ferreira, Keisuke Fuji, Bryce Fuller, Laura Gagliardi, Giulia Galli, Jennifer R. Glick, Isacco Gobbi, Pranav Gokhale, Salvador de la Puente Gonzalez, Johannes Greiner, Bill Gropp, Michele Grossi, Emmanuel Gull, Burns Healy, Benchen Huang, Travis S. Humble, Nobuyasu Ito, Artur F. Izmaylov, Ali Javadi-Abhari, Douglas Jennewein, Shantenu Jha, Liang Jiang, Barbara Jones, Wibe Albert de Jong, Petar Jurcevic, William Kirby, Stefan Kister, Masahiro Kitagawa, Joel Klassen, Katherine Klymko, Kwangwon Koh, Masaaki Kondo, Doga Murat Kurkcuoglu, Krzysztof Kurowski, Teodoro Laino, Ryan Landfield, Matt Leininger, Vicente Leyton-Ortega, Ang Li, Meifeng Lin, Junyu Liu, Nicolas Lorente, Andre Luckow, Simon Martiel, Francisco Martin-Fernandez, Margaret Martonosi, Claire Marvinney, Arcesio Castaneda Medina, Dirk Merten, Antonio Mezzacapo, Kristel Michielsen, Abhishek Mitra, Tushar Mittal, Kyungsun Moon, Joel Moore, Mario Motta, Young-Hye Na, Yunseong Nam, Prineha Narang, Yu-ya Ohnishi, Daniele Ottaviani, Matthew Otten, Scott Pakin, Vincent R. Pascuzzi, Ed Penault, Tomasz Piontek, Jed Pitera, Patrick Rall, Gokul Subramanian Ravi, Niall Robertson, Matteo Rossi, Piotr Rydlichowski, Hoon Ryu, Georgy Samsonidze, Mitsuhisa Sato, Nishant Saurabh, Vidushi Sharma, Kunal Sharma, Soyoung Shin, George Slessman, Mathias Steiner, Iskandar Sitdikov, In-Saeng Suh, Eric Switzer, Wei Tang, Joel Thompson, Synge Todo, Minh Tran, Dimitar Trenev, Christian Trott, Huan-Hsin Tseng, Esin Tureci, David Garc\'ia Valinas, Sofia Vallecorsa, Christopher Wever, Konrad Wojciechowski, Xiaodi Wu, Shinjae Yoo, Nobuyuki Yoshioka, Victor Wen-zhe Yu, Seiji Yunoki, Sergiy Zhuk, Dmitry Zubarev
• Abstract要約: 材料科学におけるハードな計算タスクは、既存の高性能スーパーコンピュータセンターの限界を延長する。 一方、量子コンピューティングは、材料科学に必要な多くの計算タスクを加速する可能性を持つ新興技術である。
• 参考スコア（独自算出の注目度）: 20.785521465797203
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Computational models are an essential tool for the design, characterization, and discovery of novel materials. Hard computational tasks in materials science stretch the limits of existing high-performance supercomputing centers, consuming much of their simulation, analysis, and data resources. Quantum computing, on the other hand, is an emerging technology with the potential to accelerate many of the computational tasks needed for materials science. In order to do that, the quantum technology must interact with conventional high-performance computing in several ways: approximate results validation, identification of hard problems, and synergies in quantum-centric supercomputing. In this paper, we provide a perspective on how quantum-centric supercomputing can help address critical computational problems in materials science, the challenges to face in order to solve representative use cases, and new suggested directions.
• Abstract（参考訳）: 計算モデルは、新しい材料の設計、評価、発見に不可欠なツールである。 材料科学におけるハードな計算タスクは、既存の高性能スーパーコンピューティングセンターの限界を拡張し、シミュレーション、分析、データリソースの多くを消費する。 一方で量子コンピューティングは、材料科学に必要な多くの計算タスクを加速する可能性を持つ新興技術である。 そのためには、量子技術は、近似結果の検証、難題の同定、量子中心のスーパーコンピュータにおけるシナジーなど、従来の高性能コンピューティングと相互作用する必要がある。 本稿では,量子中心型スーパーコンピュータが材料科学における重要な計算問題,代表的なユースケースを解決するために直面する課題,そして提案する新たな方向性について考察する。

関連論文リスト

• How to Build a Quantum Supercomputer: Scaling Challenges and Opportunities [3.864855748348313]
  数百の物理量子ビット上の量子アルゴリズムプリミティブに対して、小さなデモが可能になった。 大幅な進歩と興奮にもかかわらず、フルスタックのスケーラブルな技術への道のりはほとんど不明である。 既存の半導体技術を採用して、より高品質な量子ビットを構築することで、スケーリングへの道が拓けることを示す。
  論文  参考訳（メタデータ） (2024-11-15T18:22:46Z)
• A Review of Quantum Scientific Computing Algorithms for Engineering Problems [0.0]
  スーパーポジションや絡み合いのような量子現象を活用する量子コンピューティングは、コンピューティング技術における変革的な力として現れつつある。 本稿では,量子力学の基礎概念と,その計算発展への意義を体系的に検討する。
  論文  参考訳（メタデータ） (2024-08-25T21:40:22Z)
• From Graphs to Qubits: A Critical Review of Quantum Graph Neural Networks [56.51893966016221]
  量子グラフニューラルネットワーク(QGNN)は、量子コンピューティングとグラフニューラルネットワーク(GNN)の新たな融合を表す。 本稿では,QGNNの現状を批判的にレビューし,様々なアーキテクチャを探求する。 我々は、高エネルギー物理学、分子化学、ファイナンス、地球科学など多種多様な分野にまたがる応用について論じ、量子的優位性の可能性を強調した。
  論文  参考訳（メタデータ） (2024-08-12T22:53:14Z)
• Assessing and Advancing the Potential of Quantum Computing: A NASA Case Study [11.29246196323319]
  我々は、量子コンピューティングの可能性を評価し、前進させるNASAの取り組みについて説明する。 本稿では,近・長期のアルゴリズムの進歩と,現在のハードウェアとシミュレーションによる探索結果について論じる。 この研究には物理にインスパイアされた古典的アルゴリズムも含まれており、今日のアプリケーションスケールで使用することができる。
  論文  参考訳（メタデータ） (2024-06-21T19:05:42Z)
• Quantifying fault tolerant simulation of strongly correlated systems using the Fermi-Hubbard model [31.805673346157665]
  強い相関のある物質の全体的理解を構築することが重要である。 フォールトトレラントな量子コンピュータは、これらの困難を克服するための道として提案されている。 我々は, 耐故障性量子コンピュータを用いて, 実験量を得るために必要な資源コストを見積もる。
  論文  参考訳（メタデータ） (2024-06-10T17:50:56Z)
• Quantum Computing for High-Energy Physics: State of the Art and Challenges. Summary of the QC4HEP Working Group [33.8590861326926]
  本論文はCERN, DESY, IBMが主導し,高エネルギー物理量子計算の現状について述べる。 近い将来に対処できる理論的および実験的なターゲットベンチマークアプリケーションの例を示す。 可能であれば、IBM 100 x 100の課題を念頭に置いて、エラー軽減量子コンピューティングを使用した例のリソース推定も提供する。
  論文  参考訳（メタデータ） (2023-07-06T18:01:02Z)
• Reliable AI: Does the Next Generation Require Quantum Computing? [71.84486326350338]
  デジタルハードウェアは、最適化、ディープラーニング、微分方程式に関する問題の解決に本質的に制約されていることを示す。 対照的に、Blum-Shub-Smale マシンのようなアナログコンピューティングモデルは、これらの制限を克服する可能性を示している。
  論文  参考訳（メタデータ） (2023-07-03T19:10:45Z)
• 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)
• 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)
• 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)
• 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。