論文の概要: Molecular Quantum Transformer
- arxiv url: http://arxiv.org/abs/2503.21686v1
- Date: Thu, 27 Mar 2025 16:54:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-28 18:49:11.616813
- Title: Molecular Quantum Transformer
- Title（参考訳）: 分子量子トランス
- Authors: Yuichi Kamata, Quoc Hoan Tran, Yasuhiro Endo, Hirotaka Oshima,
- Abstract要約: 分子量子系における相互作用をモデル化するための分子量子変換器(MQT)を提案する。
分子構成の注意機構を実装するために量子回路を利用することで、MQTは全ての構成に対する基底状態エネルギーを効率的に計算できる。
提案手法は, 既存の量子アルゴリズムの代替として, 基底状態エネルギーを推定し, 量子化学と材料科学の新しい道を開く。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Transformer model, renowned for its powerful attention mechanism, has achieved state-of-the-art performance in various artificial intelligence tasks but faces challenges such as high computational cost and memory usage. Researchers are exploring quantum computing to enhance the Transformer's design, though it still shows limited success with classical data. With a growing focus on leveraging quantum machine learning for quantum data, particularly in quantum chemistry, we propose the Molecular Quantum Transformer (MQT) for modeling interactions in molecular quantum systems. By utilizing quantum circuits to implement the attention mechanism on the molecular configurations, MQT can efficiently calculate ground-state energies for all configurations. Numerical demonstrations show that in calculating ground-state energies for H_2, LiH, BeH_2, and H_4, MQT outperforms the classical Transformer, highlighting the promise of quantum effects in Transformer structures. Furthermore, its pretraining capability on diverse molecular data facilitates the efficient learning of new molecules, extending its applicability to complex molecular systems with minimal additional effort. Our method offers an alternative to existing quantum algorithms for estimating ground-state energies, opening new avenues in quantum chemistry and materials science.
- Abstract（参考訳）: Transformerモデルは、その強力な注意機構で知られ、様々な人工知能タスクで最先端のパフォーマンスを達成したが、高い計算コストやメモリ使用量といった課題に直面している。
研究者はTransformerの設計を強化するために量子コンピューティングを検討しているが、古典的なデータではまだ成功していない。
量子データ,特に量子化学における量子機械学習の活用を中心に,分子量子系の相互作用をモデル化するための分子量子変換器(MQT)を提案する。
分子構成の注意機構を実装するために量子回路を利用することで、MQTは全ての構成に対する基底状態エネルギーを効率的に計算できる。
数値実験では、H_2, LiH, BeH_2, H_4の基底状態エネルギーを計算する際に、MQTは古典的なトランスフォーマーよりも優れており、トランスフォーマー構造における量子効果の可能性を強調している。
さらに、多種多様な分子データに対する事前学習能力は、新しい分子の効率的な学習を促進し、追加の労力を最小限に抑えることで、複雑な分子システムへの適用性を高める。
提案手法は, 既存の量子アルゴリズムの代替として, 基底状態エネルギーを推定し, 量子化学と材料科学の新しい道を開く。
関連論文リスト
- Ground State Energy of He molecule Using a Four-Qubit Photonic Processor with the Variational Quantum Eigensolver [0.0]
我々は、He分子基底状態エネルギーを計算するために量子プロセッサアプリケーションを探索した。
その結果,従来の計算手法に比べて精度が大幅に向上した。
この研究は、量子化学、計算物理学、データ科学の分野における量子プロセッサの可能性を強調している。
論文 参考訳（メタデータ） (2025-04-10T09:00:08Z) - Quantum Attention for Vision Transformers in High Energy Physics [39.38389619339798]
量子直交ニューラルネットワーク(QONN)を取り入れた新しいハイブリッド量子古典型視覚変換器アーキテクチャを提案する。
この研究は、次世代粒子物理学実験の計算要求に対処する量子強化モデルの可能性を強調している。
論文 参考訳（メタデータ） (2024-11-20T18:11:17Z) - Quantum Hardware-Enabled Molecular Dynamics via Transfer Learning [1.9144534010016192]
量子ハードウェア上での分子動力学シミュレーションのための新しい経路を提案する。
移動学習と機械学習によるポテンシャルエネルギー表面構築技術を組み合わせることにより,新しい経路が提案される。
このアプローチは、機械学習モデルをトレーニングして、Behler-Parrinelloニューラルネットワークを用いて分子のポテンシャルエネルギーを予測することによって実証される。
論文 参考訳（メタデータ） (2024-06-12T18:00:09Z) - Proof-of-concept Quantum Simulator based on Molecular Spin Qudits [39.28601213393797]
分子キューディットと高周波ブロードバンド分光計のアンサンブルに基づく最初の量子シミュレータについて述べる。
結果は、量子技術における分子スピン四重項の実際の利用に向けた重要なステップである。
論文 参考訳（メタデータ） (2023-09-11T16:33:02Z) - 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) - 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) - 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) - Recompilation-enhanced simulation of electron-phonon dynamics on IBM
Quantum computers [62.997667081978825]
小型電子フォノン系のゲートベース量子シミュレーションにおける絶対的資源コストについて考察する。
我々は、弱い電子-フォノン結合と強い電子-フォノン結合の両方のためのIBM量子ハードウェアの実験を行う。
デバイスノイズは大きいが、近似回路再コンパイルを用いることで、正確な対角化に匹敵する電流量子コンピュータ上で電子フォノンダイナミクスを得る。
論文 参考訳（メタデータ） (2022-02-16T19:00:00Z) - Calculation of the ground-state Stark effect in small molecules using
the variational quantum eigensolver [0.0]
市販量子コンピュータであるIBM Qにおいて水素(H2)と水素化リチウム(LiH)分子の量子シミュレーションについて検討した。
変動量子固有解法 (VQE) を用いて、定常電界の作用下で分子の基底状態エネルギーと原子間距離について検討する。
論文 参考訳（メタデータ） (2021-03-22T11:49:42Z) - Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。
演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
論文 参考訳（メタデータ） (2021-01-21T22:18:49Z) - Simulating Energy Transfer in Molecular Systems with Digital Quantum
Computers [8.271013526496906]
量子コンピュータは、古典的なコンピュータの能力を超えた化学システムをシミュレートする可能性がある。
有機半導体分子のエネルギー移動をシミュレーションすることにより、化学の短期量子シミュレーションを時間依存プロセスに拡張する。
提案手法は, 化学, 生物, 物質系の量子力学を量子コンピュータでモデル化する新たな機会を開く。
論文 参考訳（メタデータ） (2021-01-18T05:08:05Z) - Quantum Phases of Matter on a 256-Atom Programmable Quantum Simulator [41.74498230885008]
決定論的に作成された中性原子の2次元配列に基づくプログラマブル量子シミュレータを実証する。
我々は高忠実度反強磁性状態の生成と特徴付けによりシステムをベンチマークする。
次に、相互作用とコヒーレントレーザー励起の間の相互作用から生じるいくつかの新しい量子相を作成し、研究する。
論文 参考訳（メタデータ） (2020-12-22T19:00:04Z)
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。