論文の概要: Efficient optimization of neural network backflow for ab-initio quantum chemistry

• arxiv url: http://arxiv.org/abs/2502.18843v1
• Date: Wed, 26 Feb 2025 05:31:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-27 14:55:38.269409
• Title: Efficient optimization of neural network backflow for ab-initio quantum chemistry
• Title（参考訳）: ab-initio量子化学におけるニューラルネットワークバックフローの効率的な最適化
• Authors: An-Jun Liu, Bryan K. Clark,
• Abstract要約: 第2量子化量子化学ハミルトニアンの基底状態は、分子特性を決定する鍵となる。 本研究では,コンパクトな部分空間構築,ゆがんだ局所エネルギー評価,サンプリングの改善,物理インフォームド修正を含む,これらの波動関数を最適化するための改良を開発した。 アブレーション研究は、各エンハンスメントの寄与を強調し、エネルギーの精度と計算効率が著しく向上したことを示している。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The ground state of second-quantized quantum chemistry Hamiltonians is key to determining molecular properties. Neural quantum states (NQS) offer flexible and expressive wavefunction ansatze for this task but face two main challenges: highly peaked ground-state wavefunctions hinder efficient sampling, and local energy evaluations scale quartically with system size, incurring significant computational costs. In this work, we develop algorithmic improvements for optimizing these wave-functions which includes compact subspace construction, truncated local energy evaluations, improved stochastic sampling, and physics-informed modifications. We apply these improvements to the neural network backflow (NNBF) ansatz finding that they lead to improved accuracy and scalability. Using these techniques, we find NNBF surpasses traditional methods like CCSD and CCSD(T), outperform existing NQS approaches, and achieve competitive energies compared to state-of-the-art quantum chemistry methods such as HCI, ASCI, and FCIQMC. An ablation study highlights the contribution of each enhancement, showing significant gains in energy accuracy and computational efficiency. We also examine the dependence of NNBF expressiveness on the inverse participation ratio (IPR), observing that more delocalized states are generally harder to approximate.
• Abstract（参考訳）: 第二量子化量子化学ハミルトンの基底状態は、分子の性質を決定する鍵となる。 ニューラル量子状態(NQS)は、このタスクに対して柔軟で表現力のある波動関数アンサーゼを提供するが、2つの大きな課題に直面している。 本研究では,コンパクトな部分空間構築,ゆがんだ局所エネルギー評価,確率的サンプリングの改善,物理インフォームド修正を含む,これらの波動関数の最適化のためのアルゴリズム改良を開発する。 ニューラルネットワークのバックフロー(NNBF)にこれらの改善を適用し、精度とスケーラビリティの向上につながることを確かめる。 これらの手法を用いて、NNBFはCCSDやCCSD(T)といった従来の手法を超越し、既存のNQSアプローチより優れ、HCI、ASCI、FCIQMCといった最先端の量子化学手法と比較して競争力を発揮する。 アブレーション研究は、各エンハンスメントの寄与を強調し、エネルギーの精度と計算効率が著しく向上したことを示している。 また, NNBF表現性の逆参加比(IPR)依存性についても検討し, より非局在な状態の方が概ね近似が困難であることを示した。

関連論文リスト

• Deep-Unrolling Multidimensional Harmonic Retrieval Algorithms on Neuromorphic Hardware [78.17783007774295]
  本稿では,高精度かつエネルギー効率の高い単発多次元高調波検索のための変換に基づくニューロモルフィックアルゴリズムの可能性について検討する。 複雑な値の畳み込み層と活性化をスパイクニューラルネットワーク(SNN)に変換する新しい手法を開発した。 変換されたSNNは、元のCNNに比べて性能が低下し、ほぼ5倍の電力効率を実現している。
  論文  参考訳（メタデータ） (2024-12-05T09:41:33Z)
• Enhancing Variational Quantum Circuit Training: An Improved Neural Network Approach for Barren Plateau Mitigation [0.0]
  変分量子アルゴリズム(VQA)は、短期量子コンピューティングにおいて最も有望なアルゴリズムの一つである。 コスト関数を最適化するために回路パラメータを反復的に更新する。 変分量子回路(VQCs)の訓練は、バレンプラトー(BPs)と呼ばれる現象の影響を受けやすい
  論文  参考訳（メタデータ） (2024-11-14T06:43:37Z)
• Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
  ランダム量子スピン系の進化をモデル化するためにFNOを用いる。 量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
  論文  参考訳（メタデータ） (2024-09-05T07:18:09Z)
• Improved Optimization for the Neural-network Quantum States and Tests on the Chromium Dimer [11.985673663540688]
  ニューラルネットワーク量子状態(NQS)は、かなり高度な波動関数アンザッツ研究を持っている。 この研究は、NQSを用いたVMC最適化の計算要求を減らすために、3つのアルゴリズム拡張を導入する。
  論文  参考訳（メタデータ） (2024-04-14T15:07:57Z)
• Neural network backflow for ab-initio quantum chemistry [0.0]
  ニューラルネットワークのバックフロー波動関数を用いて,分子ハミルトニアンの最先端エネルギーを実現する方法を示す。 私たちが研究した分子では、NNBFはCCSDや他のニューラルネットワーク量子状態よりも低いエネルギー状態を与える。
  論文  参考訳（メタデータ） (2024-03-05T19:37:21Z)
• NNQS-Transformer: an Efficient and Scalable Neural Network Quantum States Approach for Ab initio Quantum Chemistry [6.445053535755014]
  電子構造計算のための高性能NNQS法を開発した。 1)量子波関数アンサッツとしてのトランスフォーマーベースアーキテクチャ、(2)データの局所性を保ち、異なる計算アーキテクチャによく適応する変分モンテカルロ(VMC)アルゴリズムのためのデータ中心並列化スキーム、(3)サンプリングコストを削減し、優れた負荷バランスを実現する並列バッチサンプリング戦略、(4)メモリと計算効率の両方に優れた並列ローカルエネルギー評価スキーム、(5)実化学システムの研究は、我々の手法の精度を最先端に示す。
  論文  参考訳（メタデータ） (2023-06-29T06:04:43Z)
• Neural-network quantum states for ultra-cold Fermi gases [49.725105678823915]
  この研究は、メッセージパッシングアーキテクチャに基づいたバックフロー変換を含む、新しいPfaffian-Jastrowニューラルネットワーク量子状態を導入する。 逆スピン対分布関数による強いペアリング相関の出現を観察する。 この結果から, ニューラルネットワーク量子状態は, 超低温フェルミガスの研究に有望な戦略をもたらすことが示唆された。
  論文  参考訳（メタデータ） (2023-05-15T17:46:09Z)
• Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
  単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。 提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
  論文  参考訳（メタデータ） (2023-04-18T11:57:15Z)
• Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
  テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる 本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。 その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
  論文  参考訳（メタデータ） (2022-09-01T17:08:41Z)
• Scalable neural quantum states architecture for quantum chemistry [5.603379389073144]
  量子状態のニューラルネットワーク表現の変分最適化は、相互作用するフェルミオン問題の解決に成功している。 本稿では,Ab-initio量子化学応用のための,ニューラルネットワークに基づく変分量子モンテカルロ計算を改善するための拡張並列化手法を提案する。
  論文  参考訳（メタデータ） (2022-08-11T04:40:02Z)
• Benchmarking adaptive variational quantum eigensolvers [63.277656713454284]
  VQEとADAPT-VQEの精度をベンチマークし、電子基底状態とポテンシャルエネルギー曲線を計算する。 どちらの手法もエネルギーと基底状態の優れた推定値を提供する。 勾配に基づく最適化はより経済的であり、勾配のない類似シミュレーションよりも優れた性能を提供する。
  論文  参考訳（メタデータ） (2020-11-02T19:52:04Z)

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。