論文の概要: Ab-initio simulation of excited-state potential energy surfaces with transferable deep quantum Monte Carlo

• arxiv url: http://arxiv.org/abs/2503.19847v1
• Date: Tue, 25 Mar 2025 17:12:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-26 16:53:24.951862
• Title: Ab-initio simulation of excited-state potential energy surfaces with transferable deep quantum Monte Carlo
• Title（参考訳）: 移動可能な深量子モンテカルロを用いた励起状態ポテンシャルエネルギー表面のアブ・イニシアトシミュレーション
• Authors: Zeno Schätzle, P. Bernát Szabó, Alice Cuzzocrea, Frank Noé,
• Abstract要約: 本稿では,ニューラルネットワーク波動関数の幾何変換可能な最適化手法を提案する。 提案手法は, 地上および励起状態のPSSとその交差点を高い精度で効率的に予測することを可能にする。 我々は, エチレン, 炭素二量体, メチルエニモニウムカチオンを含む3つの挑戦的励起状態PSSに対するアプローチを検証した。
• 参考スコア（独自算出の注目度）: 4.437335677401287
• License:
• Abstract: The accurate quantum chemical calculation of excited states is a challenging task, often requiring computationally demanding methods. When entire ground and excited potential energy surfaces (PESs) are desired, e.g., to predict the interaction of light excitation and structural changes, one is often forced to use cheaper computational methods at the cost of reduced accuracy. Here we introduce a novel method for the geometrically transferable optimization of neural network wave functions that leverages weight sharing and dynamical ordering of electronic states. Our method enables the efficient prediction of ground and excited-state PESs and their intersections at the highest accuracy, demonstrating up to two orders of magnitude cost reduction compared to single-point calculations. We validate our approach on three challenging excited-state PESs, including ethylene, the carbon dimer, and the methylenimmonium cation, indicating that transferable deep-learning QMC can pave the way towards highly accurate simulation of excited-state dynamics.
• Abstract（参考訳）: 励起状態の正確な量子化学計算は難しい課題であり、しばしば計算に要求される方法を必要とする。 光励起と構造変化の相互作用を予測するために、地表面と励起ポテンシャル表面(PES)が望まれる場合、精度を下げるコストで安価な計算手法を使わざるを得ないことが多い。 本稿では,電子状態の重み共有と動的順序付けを利用したニューラルネットワーク波動関数の幾何変換可能な最適化手法を提案する。 提案手法は, 地上および励起状態のPSSとその交差点を高精度に予測し, 単点計算と比較して最大2桁のコスト削減効果を示す。 我々は, エチレン, 炭素二量体, メチルエニモニウムカチオンを含む3つの挑戦的励起状態PSSに対するアプローチを検証し, 伝達可能な深層学習QMCが励起状態力学の高精度なシミュレーションへの道を開くことを示唆した。

関連論文リスト

• Thermalization and Criticality on an Analog-Digital Quantum Simulator [133.58336306417294]
  本稿では,69個の超伝導量子ビットからなる量子シミュレータについて述べる。 古典的Kosterlitz-Thouless相転移のシグネチャと,Kibble-Zurekスケール予測からの強い偏差を観測する。 本システムは, 対角二量体状態でディジタル的に調製し, 熱化時のエネルギーと渦の輸送を画像化する。
  論文  参考訳（メタデータ） (2024-05-27T17:40:39Z)
• Deep Quantum Circuit Simulations of Low-Energy Nuclear States [51.823503818486394]
  深部量子回路の高速数値シミュレーションの進歩について述べる。 21キュービットまでの回路と 115,000,000以上のゲートを効率的にシミュレートできる。
  論文  参考訳（メタデータ） (2023-10-26T19:10:58Z)
• Sequence of penalties method to study excited states using VQE [0.0]
  本稿では,より正確なエネルギー推定を実現する変分量子固有解法(VQE)の拡張を提案する。 我々は、全スピンや電荷など、所望の物理的特性を持つ変分状態を生成することができることを示す。
  論文  参考訳（メタデータ） (2023-04-11T14:53:21Z)
• A self-consistent field approach for the variational quantum eigensolver: orbital optimization goes adaptive [52.77024349608834]
  適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。 このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
  論文  参考訳（メタデータ） (2022-12-21T23:15:17Z)
• Potential energy surfaces inference of both ground and excited state using hybrid quantum-classical neural network [0.0]
  変分量子固有解器のシュロゲートモデリングのためのハイブリッド量子古典ニューラルネットワークが提案されている。 サブスペース探索型変分量子固有解法を用いて, 地中および励起状態のPSSを化学的精度で推定できるようにモデルを拡張した。
  論文  参考訳（メタデータ） (2022-12-06T14:28:44Z)
• Excited-state molecular dynamics simulation based on variational quantum algorithms [0.0]
  本稿では,基底状態シミュレーションに匹敵する計算コストで変動量子アルゴリズムに基づく励起状態分子動力学シミュレーション法を提案する。 本法の有効性を示すため, H2およびCH2NH分子のS1励起状態に対する分子動力学シミュレーションを行った。
  論文  参考訳（メタデータ） (2022-11-04T07:59:25Z)
• Equation-of-motion variational quantum eigensolver method for computing molecular excitation energies, ionization potentials, and electron affinities [4.21608910266125]
  短期量子コンピュータは正確な分子シミュレーションを通じて物質と化学の研究を促進することが期待されている。 本稿では,変分量子固有解法に従って励起エネルギーを計算するための運動方程式に基づく手法を提案する。
  論文  参考訳（メタデータ） (2022-06-21T16:21:04Z)
• Exploring accurate potential energy surfaces via integrating variational quantum eigensovler with machine learning [8.19234058079321]
  この研究で、変分量子アルゴリズムは機械学習(ML)技術と統合可能であることを示す。 変分量子固有解法(VQE)のパラメータを表すために,分子幾何学情報をディープニューラルネットワーク(DNN)に符号化する。
  論文  参考訳（メタデータ） (2022-06-08T01:43:56Z)
• Quantum-Classical Hybrid Algorithm for the Simulation of All-Electron Correlation [58.720142291102135]
  本稿では、分子の全電子エネルギーと古典的コンピュータ上の特性を計算できる新しいハイブリッド古典的アルゴリズムを提案する。 本稿では,現在利用可能な量子コンピュータ上で,化学的に関連性のある結果と精度を実現する量子古典ハイブリッドアルゴリズムの能力を実証する。
  論文  参考訳（メタデータ） (2021-06-22T18:00:00Z)
• 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)
• Preparation of excited states for nuclear dynamics on a quantum computer [117.44028458220427]
  量子コンピュータ上で励起状態を作成するための2つの異なる方法を研究する。 シミュレーションおよび実量子デバイス上でこれらの手法をベンチマークする。 これらの結果から,フォールトトレラントデバイスに優れたスケーリングを実現するために設計された量子技術が,接続性やゲート忠実性に制限されたデバイスに実用的なメリットをもたらす可能性が示唆された。
  論文  参考訳（メタデータ） (2020-09-28T17:21:25Z)

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。