論文の概要: SMILES-Inspired Transfer Learning for Quantum Operators in Generative Quantum Eigensolver

• arxiv url: http://arxiv.org/abs/2509.19715v1
• Date: Wed, 24 Sep 2025 02:54:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-25 20:53:19.674094
• Title: SMILES-Inspired Transfer Learning for Quantum Operators in Generative Quantum Eigensolver
• Title（参考訳）: 生成量子固有解法におけるSMILESによる量子演算子変換学習
• Authors: Zhi Yin, Xiaoran Li, Shengyu Zhang, Xin Li, Xiaojin Zhang,
• Abstract要約: UCCSD量子演算子のためのテキストベース表現手法を開発した。 我々は、転写学習フレームワークを確立するために、テキスト類似度メトリクスを使用します。 この発見は、分子基底状態エネルギーのハイブリッド量子古典計算に重要な利点をもたらす。
• 参考スコア（独自算出の注目度）: 12.756217314130495
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Given the inherent limitations of traditional Variational Quantum Eigensolver(VQE) algorithms, the integration of deep generative models into hybrid quantum-classical frameworks, specifically the Generative Quantum Eigensolver(GQE), represents a promising innovative approach. However, taking the Unitary Coupled Cluster with Singles and Doubles(UCCSD) ansatz which is widely used in quantum chemistry as an example, different molecular systems require constructions of distinct quantum operators. Considering the similarity of different molecules, the construction of quantum operators utilizing the similarity can reduce the computational cost significantly. Inspired by the SMILES representation method in computational chemistry, we developed a text-based representation approach for UCCSD quantum operators by leveraging the inherent representational similarities between different molecular systems. This framework explores text pattern similarities in quantum operators and employs text similarity metrics to establish a transfer learning framework. Our approach with a naive baseline setting demonstrates knowledge transfer between different molecular systems for ground-state energy calculations within the GQE paradigm. This discovery offers significant benefits for hybrid quantum-classical computation of molecular ground-state energies, substantially reducing computational resource requirements.
• Abstract（参考訳）: 従来の変分量子固有解法(VQE)アルゴリズムの本質的な限界を考えると、深部生成モデルをハイブリッド量子古典的フレームワーク、特に生成量子固有解法(GQE)に統合することは有望な革新的アプローチである。 しかし、量子化学で広く用いられるユニタリカップリングクラスタとシングルとダブル(UCCSD)アンサッツを例にとると、異なる分子系は異なる量子作用素の構成を必要とする。 異なる分子の類似性を考えると、類似性を利用した量子演算子の構築は計算コストを大幅に削減することができる。 計算化学におけるSMILES表現法に着想を得て,異なる分子系間の固有表現類似性を利用して,UCCSD量子演算子に対するテキストベース表現手法を開発した。 このフレームワークは、量子演算子におけるテキストパターンの類似性を探求し、テキスト類似度メトリクスを用いて、転送学習フレームワークを確立する。 本手法は,GQEパラダイム内での基底状態エネルギー計算において,異なる分子系間の知識伝達を示す。 この発見は、分子基底状態エネルギーのハイブリッド量子古典計算に重要な利点をもたらし、計算資源の要求を大幅に削減する。

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)
• Projective Quantum Eigensolver with Generalized Operators [0.0]
  PQEフレームワークにおける閉形式残留方程式の観点から一般化作用素を決定する手法を開発する。 いくつかの分子系への応用により、アンザッツは単体、二重体、三重体を含む(異方性)UCCと同様の精度を達成できることを実証した。
  論文  参考訳（メタデータ） (2024-10-21T15:40:22Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [62.46800898243033]
  量子学習理論の最近の進歩は、様々な古典的な入力によって生成された測定データから、大きな量子ビット回路の線形特性を効率的に学習できるのか? 我々は、小さな予測誤差を達成するためには、$d$で線形にスケーリングするサンプルの複雑さが必要であることを証明し、それに対応する計算複雑性は、dで指数関数的にスケールする可能性がある。 そこで本研究では,古典的影と三角展開を利用したカーネルベースの手法を提案し,予測精度と計算オーバーヘッドとのトレードオフを制御可能とした。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• A Comparative Analysis of Hybrid-Quantum Classical Neural Networks [5.247197295547863]
  本稿では、画像分類のための異なるハイブリッド量子古典機械学習アルゴリズム間の広範な比較分析を行う。 この精度に基づくハイブリッドモデルの性能比較により、回路の量子層数と量子ビット数の変化との相関関係におけるハイブリッド量子古典収束の理解が得られる。
  論文  参考訳（メタデータ） (2024-02-16T09:59:44Z)
• The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for Deep Quantum Machine Learning [52.77024349608834]
  古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。 鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。 我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
  論文  参考訳（メタデータ） (2022-12-22T16:06:24Z)
• Fock-space Schrieffer--Wolff transformation: classically-assisted rank-reduced quantum phase estimation algorithm [0.0]
  本稿では,分子系における電子ハミルトニアンのシュリーファー-ヴォルフ変換に着目した。 我々は、SW変換のフォック空間不変量を利用することで、量子ビットマップされた類似性の変換ハミルトン多様体の局所性を大幅に増大させることができることを示した。 RRST形式主義は、量子回路の複雑さを減少させる近似スキームの新しいクラスを開発するための設計原理として機能する。
  論文  参考訳（メタデータ） (2022-11-18T23:06:57Z)
• An Interface for Variational Quantum Eigensolver based Energy (VQE-E) and Force (VQE-F) Calculator to Atomic Simulation Environment (ASE) [0.0]
  変量量子固有溶媒系分子エネルギー(VQE-E)と分子力(VQE-F) 我々は、原子シミュレーション環境(ASE)に対する変量量子固有解法に基づく分子エネルギー(VQE-E)および分子力(VQE-F)コードのためのインタフェースを作成した。
  論文  参考訳（メタデータ） (2022-09-28T07:19:08Z)
• 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)

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。