論文の概要: QB Ground State Energy Estimation Benchmark

• arxiv url: http://arxiv.org/abs/2508.10873v1
• Date: Thu, 14 Aug 2025 17:45:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-15 22:24:48.437835
• Title: QB Ground State Energy Estimation Benchmark
• Title（参考訳）: QB地中エネルギー評価ベンチマーク
• Authors: Nicole Bellonzi, Joshua T. Cantin, Mohammad Reza Jangrouei, Alexander Kunitsa, Jason Necaise, Nam Nguyen, John Penuel, Maxwell D. Radin, Jhonathan Romero Fontalvo, Rashmi Sundareswara, Linjun Wang, Thomas Watts, Yanbing Zhou, Michael C. Garrett, Adam Holmes, Artur F. Izmaylov, Matthew Otten,
• Abstract要約: 基底状態エネルギー推定は、量子化学と凝縮物質物理学における中心的な問題である。 この研究は、古典的および量子的解法の両方のパフォーマンスを評価するための構造化ベンチマークフレームワークを導入する。
• 参考スコア（独自算出の注目度）: 30.045562070102537
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ground State Energy Estimation (GSEE) is a central problem in quantum chemistry and condensed matter physics, demanding efficient algorithms to solve complex electronic structure calculations. This work introduces a structured benchmarking framework for evaluating the performance of both classical and quantum solvers on diverse GSEE problem instances. We assess three prominent methods -- Semistochastic Heat-Bath Configuration Interaction (SHCI), Density Matrix Renormalization Group (DMRG), and Double-Factorized Quantum Phase Estimation (DF QPE) -- ighlighting their respective strengths and limitations. Our results show that fully optimized SHCI achieves near-universal solvability on the benchmark set, DMRG excels for low-entanglement systems, and DF QPE is currently constrained by hardware and algorithmic limitations. However, we observe that many benchmark Hamiltonians are drawn from datasets tailored to SHCI and related approaches, introducing a bias that favors classical solvers. To mitigate this, we propose expanding the benchmark suite to include more challenging, strongly correlated systems to enable a more balanced and forward-looking evaluation of solver capabilities. As quantum hardware and algorithms improve, this benchmarking framework will serve as a vital tool for tracking progress and identifying domains where quantum methods may surpass classical techniques. The QB-GSEE benchmark repository is openly available at https://github.com/isi-usc-edu/qb-gsee-benchmark [1]. By maintaining a scalable and open resource, we aim to accelerate innovation in computational quantum chemistry and quantum computing.
• Abstract（参考訳）: 基底状態エネルギー推定(GSEE)は量子化学と凝縮物質物理学の中心的な問題であり、複雑な電子構造計算を解くために効率的なアルゴリズムを必要とする。 本研究は、GSEE問題インスタンス上での古典的および量子的解法の性能を評価するための構造化ベンチマークフレームワークを導入する。 本研究は, 半確率的熱-原子間相互作用(SHCI), 密度行列再正規化群(DMRG), 2次量子位相推定(DF QPE)の3つの重要な手法について検討する。 この結果から,完全最適化SHCIはベンチマークセット上でほぼ普遍的な解法を実現し,DMRGは低絡みシステムに優れ,DF QPEは現在,ハードウェアとアルゴリズムの制約によって制約されていることがわかった。 しかし、多くのベンチマークハミルトニアンは、SHCIと関連するアプローチに適合したデータセットから抽出され、古典的な解法を好むバイアスが生じる。 これを軽減するために、より困難で強い相関関係を持つシステムを含むベンチマークスイートを拡張し、よりバランスよく前方に見える問題解決能力の評価を可能にすることを提案する。 量子ハードウェアとアルゴリズムが向上するにつれて、このベンチマークフレームワークは、進歩を追跡し、量子メソッドが古典的なテクニックを超える可能性のある領域を特定するための重要なツールとなる。 QB-GSEEベンチマークリポジトリはhttps://github.com/isi-usc-edu/qb-gsee-benchmark [1]で公開されている。 スケーラブルでオープンなリソースを維持することで、計算量子化学と量子コンピューティングの革新を加速することを目指している。

関連論文リスト

• Neural Network Architectures for Scalable Quantum State Tomography: Benchmarking and Memristor-Based Acceleration [0.9572566550427288]
  量子状態トモグラフィ(QST)は、量子システムの特徴付けと検証に不可欠である。 以前の性能の主張は、体系的な検証よりもアーキテクチャ上の仮定に依存していた。 いくつかのニューラルネットワークアーキテクチャをベンチマークして、キュービット数で効果的にスケールするかを判断し、システムサイズが大きくなるにつれて高い忠実性を維持することができない。
  論文  参考訳（メタデータ） (2025-07-30T18:12:10Z)
• Benchmarking fault-tolerant quantum computing hardware via QLOPS [2.0464713282534848]
  量子アルゴリズムを実行するためには、低ノイズレベルでスケーラブルな量子ハードウェアを開発することが不可欠である。 様々なハードウェアプラットフォーム向けに、フォールトトレラントな量子コンピューティングスキームが開発されている。 本稿では,FTQC方式の性能評価指標として,QLOPS(Quantum Logical Operations Per Second)を提案する。
  論文  参考訳（メタデータ） (2025-07-16T08:31:51Z)
• RhoDARTS: Differentiable Quantum Architecture Search with Density Matrix Simulations [48.670876200492415]
  変分量子アルゴリズム(VQA)は、強力なノイズ中間スケール量子(NISQ)コンピュータを利用するための有望なアプローチである。 本稿では,量子混合状態の進化をモデルとしたQASアルゴリズムである$rho$DARTSを提案する。
  論文  参考訳（メタデータ） (2025-06-04T08:30:35Z)
• Early Fault-Tolerant Quantum Algorithms in Practice: Application to Ground-State Energy Estimation [39.20075231137991]
  地中エネルギー推定問題に着目した早期フォールトトレラント量子アルゴリズムの実現可能性について検討する。 これらの手法をより大きなシステムサイズに拡張することは、大きなサポートのためのCDFの滑らかさ、真の基底状態との重なり合いに対する厳密な下限の欠如、高品質な初期状態を作成するのが困難である、という3つの大きな課題を浮き彫りにする。
  論文  参考訳（メタデータ） (2024-05-06T18:00:03Z)
• Comparing Classical and Quantum Ground State Preparation Heuristics [44.99833362998488]
  基底状態準備(GSP)はGSEEアルゴリズムにおいて重要な要素である。 本研究では,量子GSP法がHartree-Fock法と比較して重なり合う値を改善することができるかどうかを検討した。
  論文  参考訳（メタデータ） (2024-01-10T18:16:36Z)
• 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)
• Optimization Applications as Quantum Performance Benchmarks [0.0]
  組合せ最適化は、今後数年間における量子計算の主要なユースケースの1つとして期待されている。 従来の最適化アルゴリズムの特徴付け手法に着想を得て,Max-Cut問題を解くことで得られる解の質を分析した。 これは量子コンピュータのための高度なベンチマークフレームワークの開発を導くために使われる。
  論文  参考訳（メタデータ） (2023-02-05T01:56:06Z)
• Reducing the cost of energy estimation in the variational quantum eigensolver algorithm with robust amplitude estimation [50.591267188664666]
  量子化学と材料は、量子コンピューティングの最も有望な応用の1つである。 これらの領域における産業関連問題とそれを解決する量子アルゴリズムとの整合性については、まだ多くの研究が続けられている。
  論文  参考訳（メタデータ） (2022-03-14T16:51:36Z)
• Practical Quantum K-Means Clustering: Performance Analysis and Applications in Energy Grid Classification [0.0]
  ノイズの多いハードウェアによる落とし穴を回避するために,量子$k$-meansクラスタリングの汎用的で競争的で並列化されたバージョンを提案する。 実世界のドイツの電力グリッドデータを用いて、従来のアルゴリズムのラベル付けに関して、新しい手法は標準量子$k$-meansクラスタリングのバランスの取れた精度を67.8%向上させることを示した。
  論文  参考訳（メタデータ） (2021-12-15T22:10:51Z)

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。