論文の概要: K-ADAPT-VQE: Optimizing Molecular Ground State Searches by Chunking Operators

• arxiv url: http://arxiv.org/abs/2506.09658v1
• Date: Wed, 11 Jun 2025 12:26:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 06:35:02.938286
• Title: K-ADAPT-VQE: Optimizing Molecular Ground State Searches by Chunking Operators
• Title（参考訳）: K-ADAPT-VQE: チャンキング演算子による分子基底状態探索の最適化
• Authors: Tatiana Bespalova, Oumaya Ladhari, Guido Masella,
• Abstract要約: この研究はK-ADAPT-VQEを示し、各イテレーションでKのチャンクに演算子を追加することにより効率を向上する。 分子シミュレーションの結果,K-ADAPT-VQEは化学的精度を達成するために必要なVQEと量子関数呼び出しの総数を大幅に減少させることがわかった。
• 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: Classical simulation of molecular systems is limited by exponential scaling, a hurdle quantum algorithms like Variational Quantum Eigensolvers (VQEs) aim to overcome. Although ADAPT-VQE enhances VQEs by dynamically building ans\"atze, it can remain computationally intensive. This work presents K-ADAPT-VQE, which improves efficiency by adding operators in chunks of K at each iteration. Our results from simulating small molecular systems show that K-ADAPT-VQE substantially reduces the total number of VQE iterations and quantum function calls required to achieve chemical accuracy in molecular ground state calculations.
• Abstract（参考訳）: 分子系の古典的なシミュレーションは指数スケーリングによって制限され、変分量子固有解法(VQE)のようなハードル量子アルゴリズムは克服しようとする。 ADAPT-VQEはAns\atzeを動的に構築することでVQEを強化するが、計算集約性を維持することができる。 この研究はK-ADAPT-VQEを示し、各イテレーションでKのチャンクに演算子を追加することにより効率を向上する。 K-ADAPT-VQEは, 分子基底状態計算において, 化学的精度を達成するために必要なVQE繰り返しおよび量子関数呼び出しの総数を大幅に減少させることを示した。

関連論文リスト

• Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits [48.33631905972908]
  我々は、事前学習されたニューラルネットワークを用いて変分量子回路(VQC)を強化する革新的なアプローチを導入する。 この手法は近似誤差をキュービット数から効果的に分離し、制約条件の必要性を除去する。 我々の結果はヒトゲノム解析などの応用にまで拡張され、我々のアプローチの幅広い適用性を示している。
  論文  参考訳（メタデータ） (2024-11-13T12:03:39Z)
• Efficient charge-preserving excited state preparation with variational quantum algorithms [33.03471460050495]
  本稿では、対称性と対応する保存電荷をVQDフレームワークに組み込むために設計された電荷保存型VQD(CPVQD)アルゴリズムを紹介する。 その結果、高エネルギー物理学、核物理学、量子化学への応用が示された。
  論文  参考訳（メタデータ） (2024-10-18T10:30:14Z)
• Non-unitary Coupled Cluster Enabled by Mid-circuit Measurements on Quantum Computers [37.69303106863453]
  本稿では,古典計算機における量子化学の柱である結合クラスタ(CC)理論に基づく状態準備法を提案する。 提案手法は,従来の計算オーバーヘッドを低減し,CNOTおよびTゲートの数を平均で28%,57%削減する。
  論文  参考訳（メタデータ） (2024-06-17T14:10:10Z)
• Variational quantum eigensolver boosted by adiabatic connection [0.0]
  変動量子固有解法 (VQE) と断熱接続法 (AC) を併用し, 短期量子コンピュータにおける化学問題の効率的なシミュレーションを行う。 我々の研究は、短期量子コンピュータにおける実生活問題の量子シミュレーションへの道を開くものである。
  論文  参考訳（メタデータ） (2023-10-09T17:50:39Z)
• 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)
• Molecular excited state calculations with the QEB-ADAPT-VQE [0.0]
  分子励起状態エネルギーを計算するために、励起量子ビットベースの適応(e-QEB-ADAPT)-VQEプロトコルを導入する。 我々は、e-QEB-ADAPT-VQE が、標準固定 UCC よりも少なくとも$CNOT$s 以下の精度のアンセットを構築することができることを示した。
  論文  参考訳（メタデータ） (2021-06-11T10:33:42Z)
• Qubit-excitation-based adaptive variational quantum eigensolver [0.0]
  フェルミオン励起進化とは対照的に「クビット励起進化」は「クビット可換」に従う QEB-ADAPT-VQE(QEB-ADAPT-VQE)は、問題調整アンザッツを用いて分子シミュレーションを行うADAPT-VQEの修正である。
  論文  参考訳（メタデータ） (2020-11-20T18:27:08Z)
• 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)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)

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。