論文の概要: QMBench: A Research Level Benchmark for Quantum Materials Research
- arxiv url: http://arxiv.org/abs/2512.19753v1
- Date: Fri, 19 Dec 2025 00:57:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-24 19:17:49.623268
- Title: QMBench: A Research Level Benchmark for Quantum Materials Research
- Title（参考訳）: QMBench: 量子材料研究のための研究レベルベンチマーク
- Authors: Yanzhen Wang, Yiyang Jiang, Diana Golovanova, Kamal Das, Hyeonhu Bae, Yufei Zhao, Huu-Thong Le, Abhinava Chatterjee, Yunzhe Liu, Chao-Xing Liu, Felipe H. da Jornada, Binghai Yan, Xiao-Liang Qi,
- Abstract要約: QMBenchは、量子材料研究における大規模言語モデルエージェントの能力を評価するために設計されたベンチマークである。
QMBenchは、量子材料研究に創造的な貢献ができるAI科学者の開発を加速することを目指している。
- 参考スコア（独自算出の注目度）: 4.560042384382934
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce QMBench, a comprehensive benchmark designed to evaluate the capability of large language model agents in quantum materials research. This specialized benchmark assesses the model's ability to apply condensed matter physics knowledge and computational techniques such as density functional theory to solve research problems in quantum materials science. QMBench encompasses different domains of the quantum material research, including structural properties, electronic properties, thermodynamic and other properties, symmetry principle and computational methodologies. By providing a standardized evaluation framework, QMBench aims to accelerate the development of an AI scientist capable of making creative contributions to quantum materials research. We expect QMBench to be developed and constantly improved by the research community.
- Abstract（参考訳）: 量子材料研究における大規模言語モデルエージェントの能力を評価するための総合ベンチマークであるQMBenchを紹介する。
この特別なベンチマークは、量子材料科学の研究問題を解決するために、凝縮物質物理学の知識と密度汎関数理論のような計算技術を適用するモデルの能力を評価する。
QMBenchは、構造的特性、電子的性質、熱力学やその他の性質、対称性原理、計算方法論など、量子材料研究の異なる領域を含んでいる。
標準化された評価フレームワークを提供することで、QMBenchは量子材料研究に創造的な貢献ができるAI科学者の開発を加速することを目指している。
我々はQMBenchを研究コミュニティによって開発し、継続的に改善することを期待している。
関連論文リスト
- Artificial intelligence for representing and characterizing quantum systems [49.29080693498154]
大規模量子システムの効率的なキャラクタリゼーションは、量子科学における中心的な課題である。
人工知能(AI)の最近の進歩は、この課題に対処するための強力なツールとして現れている。
本稿では、これらのAIパラダイムが量子システム評価における2つのコアタスクにどのように貢献するかを論じる。
論文 参考訳（メタデータ） (2025-09-05T08:41:24Z) - RhoDARTS: Differentiable Quantum Architecture Search with Density Matrix Simulations [44.13836547616739]
変分量子アルゴリズム(VQA)は、ノイズ中間スケール量子(NISQ)コンピュータを活用するための有望なアプローチである。
与えられたVQA問題を効率的に解く最適な量子回路を選択することは、非自明な作業である。
量子アーキテクチャ探索(QAS)アルゴリズムは、与えられた問題に合わせた量子回路の自動生成を可能にする。
論文 参考訳（メタデータ） (2025-06-04T08:30:35Z) - Quantum computing and artificial intelligence: status and perspectives [6.883057868222979]
量子コンピューティングが革新的なAIソリューションの開発を支援する方法について説明している。
また、量子技術の研究と開発を促進することができる古典的なAIのユースケースについても検討している。
論文 参考訳（メタデータ） (2025-05-29T08:15:23Z) - On the impact of key design aspects in simulated Hybrid Quantum Neural Networks for Earth Observation [46.271239108950816]
本研究は、ハイブリッド量子モデルのトレーニングにおいて、異なる量子ライブラリがどのように振る舞うかを研究する。
また,地球観測におけるハイブリッド量子アテンションモデルの有用性についても検討した。
論文 参考訳（メタデータ） (2024-10-11T10:04:29Z) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳（メタデータ） (2023-06-29T18:00:01Z) - Efficient VQE Approach for Accurate Simulations on the Kagome Lattice [0.0]
本研究は,カゴメ格子上で有効な変分量子固有解法(VQE)を作成するために,複数のアンサッツモデルを使用することに焦点を当てる。
様々な最適化手法を比較し,VQEアザッツモデルを最適化することにより,基底状態特性を高精度に推定する。
論文 参考訳（メタデータ） (2023-06-01T09:14:34Z) - 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) - Simulating Quantum Materials with Digital Quantum Computers [55.41644538483948]
デジタル量子コンピュータ(DQC)は、古典的コンピュータでは引き起こせない量子シミュレーションを効率的に行うことができる。
このレビューの目的は、物理量子優位性を達成するために行われた進歩の要約を提供することである。
論文 参考訳（メタデータ） (2021-01-21T20:10:38Z)
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。