論文の概要: LoUQAL: Low-fidelity informed Uncertainty Quantification for Active Learning in the chemical configuration space

• arxiv url: http://arxiv.org/abs/2508.15577v1
• Date: Thu, 21 Aug 2025 13:51:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-22 16:26:46.356579
• Title: LoUQAL: Low-fidelity informed Uncertainty Quantification for Active Learning in the chemical configuration space
• Title（参考訳）: LoUQAL:化学構成空間におけるアクティブラーニングのための低忠実情報不確実性定量化
• Authors: Vivin Vinod, Peter Zaspel,
• Abstract要約: 量子化学計算では、忠実性の概念が存在し、より精度の低い計算はより安価な計算コストで利用できる。 本研究は, 多様な量子化学特性の予測に応用した, 能動的学習のための新しい低忠実性情報不確実性定量化法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Uncertainty quantification is an important scheme in active learning techniques, including applications in predicting quantum chemical properties. In quantum chemical calculations, there exists the notion of a fidelity, a less accurate computation is accessible at a cheaper computational cost. This work proposes a novel low-fidelity informed uncertainty quantification for active learning with applications in predicting diverse quantum chemical properties such as excitation energies and \textit{ab initio} potential energy surfaces. Computational experiments are carried out in order to assess the proposed method with results demonstrating that models trained with the novel method outperform alternatives in terms of empirical error and number of iterations required. The effect of the choice of fidelity is also studied to perform a thorough benchmark.
• Abstract（参考訳）: 不確かさの定量化は、量子化学特性の予測など、アクティブな学習技術において重要なスキームである。 量子化学計算では、忠実性の概念が存在し、より精度の低い計算はより安価な計算コストで利用できる。 本研究は、励起エネルギーやtextit{ab initio} ポテンシャルエネルギー表面などの様々な量子化学特性の予測に応用した、アクティブラーニングのための新しい低忠実性情報不確実性定量化を提案する。 提案手法を評価するために計算実験を行い,提案手法を用いて訓練したモデルが,経験的誤差と反復回数の点で,代替品よりも優れていることを示す結果を得た。 忠実度の選択の効果も、徹底的なベンチマークを実行するために研究されている。

関連論文リスト

• 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)
• Provably Robust Training of Quantum Circuit Classifiers Against Parameter Noise [49.97673761305336]
  ノイズは、信頼できる量子アルゴリズムを達成するための大きな障害である。 本稿では,パラメータ化量子回路分類器のロバスト性を高めるための雑音耐性学習理論とアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-05-24T02:51:34Z)
• Hamiltonian Dynamics Learning: A Scalable Approach to Quantum Process Characterization [6.741097425426473]
  短時間のハミルトン力学に特化して設計された効率的な量子プロセス学習法を提案する。 我々は、量子機械学習の応用を実証し、このプロトコルは、ユニタリ変換を直接学習することで、変分量子ニューラルネットワークの効率的なトレーニングを可能にする。 この研究は、実用的な量子力学学習のための新しい理論的基盤を確立し、短期的およびフォールトトレラントな量子コンピューティングの両方においてスケーラブルな量子プロセスのキャラクタリゼーションの道を開いた。
  論文  参考訳（メタデータ） (2025-03-31T14:50:00Z)
• 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)
• 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)
• Numerical Simulations of Noisy Quantum Circuits for Computational Chemistry [51.827942608832025]
  短期量子コンピュータは、小さな分子の基底状態特性を計算することができる。 計算アンサッツの構造と装置ノイズによる誤差が計算にどのように影響するかを示す。
  論文  参考訳（メタデータ） (2021-12-31T16:33:10Z)
• On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
  そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。 私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
  論文  参考訳（メタデータ） (2021-06-29T14:01:40Z)
• Measurements as a roadblock to near-term practical quantum advantage in chemistry: resource analysis [0.0]
  小型有機分子の燃焼エネルギーを計算するのに必要な量子ビット数と測定値の数を推定する。 我々は、ハミルトニアンの低ランク因数分解を含む、VQEのいくつかの重要な現代的改善について考察する。
  論文  参考訳（メタデータ） (2020-12-07T19:13:16Z)
• 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)

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。