論文の概要: Quantum algorithms for scientific applications

• arxiv url: http://arxiv.org/abs/2312.14904v2
• Date: Wed, 24 Jan 2024 09:44:52 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-25 16:38:55.993310
• Title: Quantum algorithms for scientific applications
• Title（参考訳）: 量子アルゴリズムによる科学応用
• Authors: R. Au-Yeung and B. Camino and O. Rathore and V. Kendon
• Abstract要約: ハイパフォーマンスコンピューティングに最も影響を与える可能性のある分野には、量子システムのシミュレーション、最適化、機械学習などがある。 現代の古典的技術に対する控えめな量子増強でさえ、気象予報、工学、航空宇宙、薬物設計、持続可能な開発のための「グリーン」材料の実現といった分野において、はるかに大きな影響を及ぼすことになる。
• 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 computing promises to provide the next step up in computational power for diverse application areas. In this review, we examine the science behind the quantum hype and breakthroughs required to achieve true quantum advantage in real world applications. Areas that are likely to have the greatest impact on high performance computing (HPC) include simulation of quantum systems, optimisation, and machine learning. We draw our examples from materials simulations and computational fluid dynamics which account for a large fraction of current scientific and engineering use of HPC. Potential challenges include encoding and decoding classical data for quantum devices, and mismatched clock speeds between classical and quantum processors. Even a modest quantum enhancement to current classical techniques would have far-reaching impacts in areas such as weather forecasting, engineering, aerospace, drug design, and realising "green" materials for sustainable development. This requires significant effort from the computational science, engineering and quantum computing communities working together.
• Abstract（参考訳）: 量子コンピューティングは、様々なアプリケーション分野の計算能力の次のステップを提供すると約束している。 本稿では,実世界の応用において真の量子優位性を達成するために必要な量子ハイプとブレークスルーの背後にある科学を考察する。 ハイパフォーマンスコンピューティング(HPC)に最も影響を与える可能性のある分野には、量子システムのシミュレーション、最適化、機械学習などがある。 我々は、HPCの現在の科学・工学的利用のかなりの部分を占める材料シミュレーションと計算流体力学の例を引用する。 潜在的な課題は、量子デバイスのための古典的なデータのエンコーディングとデコード、および古典プロセッサと量子プロセッサ間のクロック速度のミスマッチである。 現在の古典的手法への控えめな量子拡張でさえも、気象予報、工学、航空宇宙、薬物設計、持続可能な開発のための「緑の」材料の実現など、広範囲に及ぶ影響をもたらすだろう。 これは計算科学、工学、量子コンピューティングのコミュニティの協力による多大な努力を必要とする。

関連論文リスト

• 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)
• Training Computer Scientists for the Challenges of Hybrid Quantum-Classical Computing [0.5277756703318045]
  本稿では,ハイブリッド量子古典システムに関する講義とエクササイズシリーズを提案する。 学生は、アプリケーションを分解し、ハイブリッド量子古典計算連続体上で計算タスクを実装する方法を学ぶ。 量子システムの根底にある概念を学習している間、学生は自分たちがすでに親しんでいる技術や方法を適用する必要がある。
  論文  参考訳（メタデータ） (2024-03-01T10:14:50Z)
• The QUATRO Application Suite: Quantum Computing for Models of Human Cognition [49.038807589598285]
  量子コンピューティング研究のための新しい種類のアプリケーション -- 計算認知モデリング -- をアンロックします。 我々は、認知モデルから量子コンピューティングアプリケーションのコレクションであるQUATROをリリースする。
  論文  参考訳（メタデータ） (2023-09-01T17:34:53Z)
• 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)
• Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
  本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。 我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。 これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
  論文  参考訳（メタデータ） (2023-06-29T18:00:01Z)
• 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)
• 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)
• Extending the reach of quantum computing for materials science with machine learning potentials [0.3352108528371308]
  本稿では,機械学習のポテンシャルを用いて,量子計算手法の範囲を大規模シミュレーションに拡張する戦略を提案する。 各種ノイズ源を選択する機械学習能力の訓練性について検討する。 我々は、水素分子のための実際のIBM Quantumプロセッサ上で計算されたデータから、最初の機械学習ポテンシャルを構築する。
  論文  参考訳（メタデータ） (2022-03-14T15:59:30Z)
• 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)
• 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。