論文の概要: Parametrized Quantum Circuit Learning for Quantum Chemical Applications
- arxiv url: http://arxiv.org/abs/2507.08183v1
- Date: Thu, 10 Jul 2025 21:35:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-14 18:03:54.182655
- Title: Parametrized Quantum Circuit Learning for Quantum Chemical Applications
- Title（参考訳）: 量子化学応用のためのパラメタライズド量子回路学習
- Authors: Grier M. Jones, Viki Kumar Prasad, Ulrich Fekl, Hans-Arno Jacobsen,
- Abstract要約: 並列量子回路(PQC)は、複雑な機械学習問題に取り組むための有望なハイブリッドフレームワークを提供する。
本研究では,化学的に有意な2つのデータセットに対するPQCの有用性と限界について検討した。
我々は、14のデータ符号化戦略と12の変分アンセットを組み合わせた168個のPQCの包括的集合を構築し、回路上での性能を5と16の量子ビットで評価する。
- 参考スコア（独自算出の注目度）: 8.698427881418466
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the field of quantum machine learning (QML), parametrized quantum circuits (PQCs) -- constructed using a combination of fixed and tunable quantum gates -- provide a promising hybrid framework for tackling complex machine learning problems. Despite numerous proposed applications, there remains limited exploration of datasets relevant to quantum chemistry. In this study, we investigate the potential benefits and limitations of PQCs on two chemically meaningful datasets: (1) the BSE49 dataset, containing bond separation energies for 49 different classes of chemical bonds, and (2) a dataset of water conformations, where coupled-cluster singles and doubles (CCSD) wavefunctions are predicted from lower-level electronic structure methods using the data-driven coupled-cluster (DDCC) approach. We construct a comprehensive set of 168 PQCs by combining 14 data encoding strategies with 12 variational ans{\"a}tze, and evaluate their performance on circuits with 5 and 16 qubits. Our initial analysis examines the impact of circuit structure on model performance using state-vector simulations. We then explore how circuit depth and training set size influence model performance. Finally, we assess the performance of the best-performing PQCs on current quantum hardware, using both noisy simulations ("fake" backends) and real quantum devices. Our findings underscore the challenges of applying PQCs to chemically relevant problems that are straightforward for classical machine learning methods but remain non-trivial for quantum approaches.
- Abstract（参考訳）: 量子機械学習(QML)の分野では、パラメータ化された量子回路(PQC)が、固定された量子ゲートとチューナブルな量子ゲートの組み合わせを使って構築され、複雑な機械学習問題に取り組むための有望なハイブリッドフレームワークを提供する。
多くの応用が提案されているが、量子化学に関連するデータセットの探索は限られている。
本研究では,(1) 化学結合の49種類の結合分離エネルギーを含むBSE49データセット,(2) 結合クラスタシングルと二重結合(CCSD)波動関数をデータ駆動型結合クラスタ(DDCC)アプローチを用いて下層電子構造法から予測する水のコンホメーションのデータセット,である。
我々は、14のデータエンコーディング戦略と12の変分 ans{\"a}tze を組み合わせた168個のPQCの総合的な集合を構築し、回路上の性能を5および16量子ビットで評価する。最初の分析では、状態ベクトルシミュレーションを用いて回路構造がモデル性能に与える影響について検討する。さらに、回路深さとトレーニングセットサイズがモデル性能に与える影響について検討する。最後に、現在の量子ハードウェア上で最高のPQCの性能を、ノイズシミュレーション("フェイク"バックエンド)と実量子デバイスの両方を用いて評価する。
我々の研究は、古典的な機械学習手法では簡単なが、量子的アプローチでは非自明な、化学的に関連する問題にPQCを適用することの課題を浮き彫りにしている。
関連論文リスト
- Coupled Cluster Downfolding Theory in Simulations of Chemical Systems on Quantum Hardware [9.389379035303165]
古典的資源が、現在の量子デバイスの制約に適合する次元によって特徴づけられる有効ハミルトニアンを構築するためにどのように使用されるかを示す。
このようなフレキシブルなハイブリッドアルゴリズムは、問題のサイズを利用可能な量子資源に合わせることができ、ノイズの多い中間スケール量子(QNIS)デバイスと将来のフォールトトレラント量子コンピュータの間の橋渡しとして機能する、と我々は主張する。
論文 参考訳（メタデータ） (2025-07-01T21:34:29Z) - VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [60.996803677584424]
変分量子回路(VQC)は、量子機械学習のための新しい経路を提供する。
それらの実用的応用は、制約付き線形表現性、最適化課題、量子ハードウェアノイズに対する鋭敏感といった固有の制限によって妨げられている。
この研究は、これらの障害を克服するために設計されたスケーラブルで堅牢なハイブリッド量子古典アーキテクチャであるVQC-MLPNetを導入している。
論文 参考訳（メタデータ） (2025-06-12T01:38:15Z) - Enhancing variational quantum algorithms by balancing training on classical and quantum hardware [1.8377902806196762]
量子ニューラルネットワークを用いた最大12キュービットハミルトニアンの変分量子固有解法(VQE)と量子位相分類
量子ニューラルネットワークを用いた最大12量子ビットハミルトニアンのVQEと量子位相分類を用いた6-18量子ハミルトニアンの基底状態推定手法の数値評価を行った。
論文 参考訳（メタデータ） (2025-03-20T17:17:58Z) - Auxiliary-field quantum Monte Carlo method with quantum selected configuration interaction [0.0]
相無相補助場量子モンテカルロ(ph-AFQMC)における試行波関数として量子選択構成相互作用(QSCI)法により生成される波動関数を提案する。
我々はこの統合アプローチをQC-QSCI-AFQMC(略してQSCI-AFQMC)と呼ぶ。
論文 参考訳（メタデータ） (2025-02-28T14:12:37Z) - BenchQC: A Benchmarking Toolkit for Quantum Computation [0.4037357056611557]
変分量子固有解法 (VQE) は化学および材料科学における量子コンピューティング応用のための有望なアルゴリズムである。
本研究は、アルミニウムクラスターの基底状態エネルギーを計算するためのVQEの性能をベンチマークする。
論文 参考訳（メタデータ） (2025-02-13T18:51:08Z) - 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) - Machine-Learning Insights into the Entanglement-trainability Correlation of Parameterized Quantum Circuits [17.975555487972166]
変分量子アルゴリズム(VQA)は、現在のノイズの多い中間スケールデバイスで量子優位を得るための主要な戦略として登場した。
バレンプラトー(BP)現象の主な原因として、その絡み合い-運動性相関は、それらの応用に挑戦する。
本稿では,パラメータ化量子回路(PQC)のゲート・ツー・テンソル(GTT)符号化法を提案する。
2つの長期記憶ネットワーク(L-Gネットワーク)は、絡み合いとトレーニング可能性の両方を予測するために訓練されている。
論文 参考訳（メタデータ） (2024-06-04T06:28:05Z) - Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。
本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。
また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
論文 参考訳（メタデータ） (2024-04-17T11:00:12Z) - A Quantum-Classical Collaborative Training Architecture Based on Quantum
State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。
Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。
他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文 参考訳（メタデータ） (2024-02-23T14:09:41Z) - Quantum computation of conical intersections on a programmable superconducting quantum processor [10.064448021157139]
円錐交差(CI)は多くの光化学過程において中心的である。
本稿では,量子古典的状態平均空間自己整合法の最初の成功例を示す。
論文 参考訳（メタデータ） (2024-02-20T04:12:40Z) - QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum
Circuits [82.50620782471485]
QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。
1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。
提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
論文 参考訳（メタデータ） (2024-01-10T22:33:00Z) - Interaction graph-based characterization of quantum benchmarks for
improving quantum circuit mapping techniques [1.351147045576948]
量子回路の特性を量子ビット相互作用グラフ特性によって拡張することを提案する。
本研究は, 相互作用グラフに基づくパラメータと, 量子デバイスの既存構成に対するマッピング性能指標との相関関係を明らかにする。
論文 参考訳（メタデータ） (2022-12-13T15:24:37Z) - 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) - 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。