論文の概要: OpenQDC: Open Quantum Data Commons

• arxiv url: http://arxiv.org/abs/2411.19629v1
• Date: Fri, 29 Nov 2024 11:25:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-02 15:18:39.332137
• Title: OpenQDC: Open Quantum Data Commons
• Title（参考訳）: OpenQDC: Open Quantum Data Commons
• Authors: Cristian Gabellini, Nikhil Shenoy, Stephan Thaler, Semih Canturk, Daniel McNeela, Dominique Beaini, Michael Bronstein, Prudencio Tossou,
• Abstract要約: 我々は、37のQMデータセットを単一のアクセス可能なリソースに統合するopenQDCパッケージを紹介します。 これらのデータセットは慎重に前処理され、MLIPトレーニングのために標準化され、有機化学に関連する幅広い化学的要素と相互作用をカバーしている。 OpenQDCには正規化と統合のためのツールが含まれている。
• 参考スコア（独自算出の注目度）: 4.347149276713065
• License:
• Abstract: Machine Learning Interatomic Potentials (MLIPs) are a highly promising alternative to force-fields for molecular dynamics (MD) simulations, offering precise and rapid energy and force calculations. However, Quantum-Mechanical (QM) datasets, crucial for MLIPs, are fragmented across various repositories, hindering accessibility and model development. We introduce the openQDC package, consolidating 37 QM datasets from over 250 quantum methods and 400 million geometries into a single, accessible resource. These datasets are meticulously preprocessed, and standardized for MLIP training, covering a wide range of chemical elements and interactions relevant in organic chemistry. OpenQDC includes tools for normalization and integration, easily accessible via Python. Experiments with well-known architectures like SchNet, TorchMD-Net, and DimeNet reveal challenges for those architectures and constitute a leaderboard to accelerate benchmarking and guide novel algorithms development. Continuously adding datasets to OpenQDC will democratize QM dataset access, foster more collaboration and innovation, enhance MLIP development, and support their adoption in the MD field.
• Abstract（参考訳）: 機械学習原子間ポテンシャル(MLIP)は、分子動力学(MD)シミュレーションのための力場に非常に有望な代替手段であり、精密で迅速なエネルギーと力の計算を提供する。 しかし、MLIPに不可欠なQuantum-Mechanical (QM)データセットは、さまざまなリポジトリで断片化されており、アクセシビリティやモデル開発を妨げる。 我々は、250以上の量子メソッドと4億のジオメトリから37のQMデータセットを単一のアクセス可能なリソースに統合するopenQDCパッケージを紹介します。 これらのデータセットは慎重に前処理され、MLIPトレーニングのために標準化され、有機化学に関連する幅広い化学的要素と相互作用をカバーしている。 OpenQDCには正規化と統合のためのツールが含まれている。 SchNet、TorchMD-Net、DimeNetといった有名なアーキテクチャの実験は、これらのアーキテクチャの課題を明らかにし、ベンチマークを加速し、新しいアルゴリズム開発を導くためのリーダーボードを構成する。 OpenQDCにデータセットを継続的に追加することで、QMデータセットアクセスの民主化、コラボレーションとイノベーションの向上、MLIP開発の向上、MD分野への導入のサポートが可能になる。

関連論文リスト

• 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)
• LLMC: Benchmarking Large Language Model Quantization with a Versatile Compression Toolkit [55.73370804397226]
  鍵圧縮技術である量子化は、大きな言語モデルを圧縮し、加速することにより、これらの要求を効果的に軽減することができる。 本稿では,プラグアンドプレイ圧縮ツールキットであるLLMCについて,量子化の影響を公平かつ体系的に検討する。 この汎用ツールキットによって、我々のベンチマークはキャリブレーションデータ、アルゴリズム(3つの戦略)、データフォーマットの3つの重要な側面をカバーしています。
  論文  参考訳（メタデータ） (2024-05-09T11:49:05Z)
• Quantum-Assisted Simulation: A Framework for Developing Machine Learning Models in Quantum Computing [0.0]
  本稿では、量子コンピューティングの歴史を調査し、既存のQMLアルゴリズムを検証し、QMLアルゴリズムのシミュレーションを作成するための簡易な手順を提案する。 従来の機械学習と量子機械学習の両方のアプローチを用いて、データセット上でシミュレーションを行う。
  論文  参考訳（メタデータ） (2023-11-17T07:33:42Z)
• QKSAN: A Quantum Kernel Self-Attention Network [53.96779043113156]
  量子カーネル法(Quantum Kernel Methods, QKM)のデータ表現能力とSAMの効率的な情報抽出能力を組み合わせた量子カーネル自己認識機構(Quantum Kernel Self-Attention Mechanism, QKSAM)を導入する。 量子カーネル自己保持ネットワーク(QKSAN)フレームワークは,DMP(Dederred Measurement Principle)と条件測定技術を巧みに組み込んだQKSAMに基づいて提案されている。 4つのQKSANサブモデルはPennyLaneとIBM Qiskitプラットフォームにデプロイされ、MNISTとFashion MNISTのバイナリ分類を実行する。
  論文  参考訳（メタデータ） (2023-08-25T15:08:19Z)
• QH9: A Quantum Hamiltonian Prediction Benchmark for QM9 Molecules [69.25826391912368]
  QH9と呼ばれる新しい量子ハミルトンデータセットを生成し、999または2998の分子動力学軌道に対して正確なハミルトン行列を提供する。 現在の機械学習モデルでは、任意の分子に対するハミルトン行列を予測する能力がある。
  論文  参考訳（メタデータ） (2023-06-15T23:39:07Z)
• Open Source Variational Quantum Eigensolver Extension of the Quantum Learning Machine (QLM) for Quantum Chemistry [0.0]
  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。
  論文  参考訳（メタデータ） (2022-06-17T14:24:22Z)
• When BERT Meets Quantum Temporal Convolution Learning for Text Classification in Heterogeneous Computing [75.75419308975746]
  本研究は,変分量子回路に基づく垂直連合学習アーキテクチャを提案し,テキスト分類のための量子化事前学習BERTモデルの競争性能を実証する。 目的分類実験により,提案したBERT-QTCモデルにより,SnipsおよびATIS音声言語データセットの競合実験結果が得られた。
  論文  参考訳（メタデータ） (2022-02-17T09:55:21Z)
• QDataset: Quantum Datasets for Machine Learning [1.160208922584163]
  QDataSetは、QMLアルゴリズムのトレーニングと開発を容易にするために設計された量子データセットである。 データセットは、機械学習の実践者がQDataSetを使用して、応用量子計算の問題を解決するために、豊富な情報を提供するように構成されている。 関連するGitHubリポジトリのデータセットは、さまざまな最適化コンテキストにおけるQDataSetの使用を実証するセットである。
  論文  参考訳（メタデータ） (2021-08-15T05:30:59Z)
• Quantum Federated Learning with Quantum Data [87.49715898878858]
  量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。 本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-30T12:19:27Z)
• A backend-agnostic, quantum-classical framework for simulations of chemistry in C++ [62.997667081978825]
  本稿では,量子古典ソフトウェアをプロトタイピング,開発,デプロイするためのプラットフォームとして,XACCシステムレベルの量子コンピューティングフレームワークを提案する。 現在XACCで実装されている最先端の化学アルゴリズムのいくつかを示す一連の例を示す。
  論文  参考訳（メタデータ） (2021-05-04T16:53:51Z)

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。