論文の概要: Inverse Quantum Simulation for Quantum Material Design

• arxiv url: http://arxiv.org/abs/2601.12239v1
• Date: Sun, 18 Jan 2026 03:28:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:22.51927
• Title: Inverse Quantum Simulation for Quantum Material Design
• Title（参考訳）: 量子材料設計のための逆量子シミュレーション
• Authors: Christian Kokail, Pavel E. Dolgirev, Rick van Bijnen, Daniel Gonzalez-Cuadra, Mikhail D. Lukin, Peter Zoller,
• Abstract要約: 所望の特性を持つ材料設計を可能にする逆量子シミュレーションの枠組みを提案する。 ハミルトニアン学習は、この状態が近似基底状態である低エネルギーハミルトニアンを再構成するために用いられる。 結果は、量子シミュレータの範囲を、量子多体システムを探索することから、新しい量子材料の設計と発見まで拡張する。
• 参考スコア（独自算出の注目度）: 0.38312604216679147
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum simulation provides a powerful route for exploring many-body phenomena beyond the capabilities of classical computation. Existing approaches typically proceed in the forward direction: a model Hamiltonian is specified, implemented on a programmable quantum platform, and its phase diagram and properties are explored. Here we present a quantum algorithmic framework for inverse quantum simulation, enabling quantum material design with desired properties. Target material characteristics are encoded as a cost function, which is minimized on quantum hardware to prepare a many-body state with the desired properties in quantum memory. Hamiltonian learning is then used to reconstruct a low-energy Hamiltonian for which this state is an approximate ground state, yielding a physically interpretable model that can guide experimental synthesis. As illustrative applications, we outline how the method can be used to search for high-temperature superconductors within the fermionic Hubbard model, enhancing $d$-wave correlations over a broad range of dopings and temperatures, design quantum phases by stabilizing a topological order through continuous Hamiltonian modifications, and optimize dynamical properties relevant for photochemistry and frequency- and momentum-resolved condensed-matter data. These results extend the scope of quantum simulators from exploring quantum many-body systems to designing and discovering new quantum materials.
• Abstract（参考訳）: 量子シミュレーションは、古典計算の能力を超えた多体現象を探索するための強力な経路を提供する。 モデルハミルトニアンが指定され、プログラマブル量子プラットフォーム上に実装され、その位相図と性質が探索される。 ここでは,所望の特性を持つ量子材料設計を可能にする逆量子シミュレーションのための量子アルゴリズムフレームワークを提案する。 ターゲットの材料特性はコスト関数として符号化され、量子ハードウェア上で最小化され、量子メモリの所望の特性を持つ多体状態を作成する。 ハミルトニアン学習は、この状態が近似基底状態である低エネルギーハミルトニアンを再構成するために使用され、物理的に解釈可能なモデルが実験合成を導く。 フェミオンハバードモデル内の高温超伝導体を探索し、ドーピングと温度の広い範囲にわたる$d$-wave相関を向上し、連続的なハミルトン修正によるトポロジカル秩序を安定化して量子位相を設計し、光化学および周波数分解および運動量分解マッターデータに関連する動的特性を最適化する方法を概説する。 これらの結果は、量子シミュレータの範囲を、量子多体系の探索から新しい量子材料の設計と発見まで拡張する。

関連論文リスト

• Programmable Exploration of Magnetic States in Lieb-Kagome Interpolated Lattices [44.99833362998488]
  量子アニールは、実験的に実現可能なシステムにインスパイアされた分子量子ビット格子における磁気相互作用をシミュレートするために用いられる。 アナラーは、静的構造因子や広いパラメータ空間上の磁化のような可観測物へのアクセスを提供する。 このフレームワークは、化学、凝縮物質、量子情報科学にまたがる、エンジニアリングされた量子物質の限界を探索するためのモジュラーでスケーラブルなパラダイムを定義する。
  論文  参考訳（メタデータ） (2025-07-24T21:47:54Z)
• VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [50.95799256262098]
  変分量子回路(VQC)は量子機械学習を約束するが、表現性、訓練性、耐雑音性の課題に直面している。 本稿では,VQCが学習中に古典多層パーセプトロンの第一層重みを生成するハイブリッドアーキテクチャであるVQC-MLPNetを提案する。
  論文  参考訳（メタデータ） (2025-06-12T01:38:15Z)
• Variational Quantum Simulation of the Interacting Schwinger Model on a Trapped-Ion Quantum Processor [26.47874938214435]
  本研究では、量子色力学にインスパイアされた玩具モデルであるマルチフレーバー格子シュウィンガーモデルについて検討する。 我々は、量子プロセッサ上で実行されるパラメトリック量子回路を用いて、モデルの異なるパラメータ状態の基底状態を特定する。 得られた状態は量子状態トモグラフィーによって分析され、出力状態における相関などの特性がどのように変化するかを明らかにする。
  論文  参考訳（メタデータ） (2025-04-29T14:43:57Z)
• Quantum Equilibrium Propagation for efficient training of quantum systems based on Onsager reciprocity [0.0]
  平衡伝播(Equilibrium propagation、EP)は、平衡に緩和する古典的なエネルギーモデルに導入され応用された手順である。 ここでは、EPとOnsagerの相互性を直接接続し、これを利用してEPの量子バージョンを導出する。 これは任意の量子系の可観測物の期待値に依存する損失関数の最適化に使うことができる。
  論文  参考訳（メタデータ） (2024-06-10T17:22:09Z)
• Programmable Simulations of Molecules and Materials with Reconfigurable Quantum Processors [0.3320294284424914]
  モデルスピンハミルトニアンで表現できる強い相関量子系のシミュレーションフレームワークを導入する。 提案手法は、再構成可能な量子ビットアーキテクチャを利用して、リアルタイムなダイナミクスをプログラム的にシミュレートする。 本稿では, この方法を用いて, 多核遷移金属触媒と2次元磁性材料のキー特性を計算する方法について述べる。
  論文  参考訳（メタデータ） (2023-12-04T19:00:01Z)
• 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)
• Quantum Neural Architecture Search with Quantum Circuits Metric and Bayesian Optimization [2.20200533591633]
  各量子状態に対するゲートの作用を特徴付ける新しい量子ゲート距離を提案する。 提案手法は、経験的量子機械学習の3つの問題において、ベンチマークを著しく上回っている。
  論文  参考訳（メタデータ） (2022-06-28T16:23:24Z)
• Recompilation-enhanced simulation of electron-phonon dynamics on IBM Quantum computers [62.997667081978825]
  小型電子フォノン系のゲートベース量子シミュレーションにおける絶対的資源コストについて考察する。 我々は、弱い電子-フォノン結合と強い電子-フォノン結合の両方のためのIBM量子ハードウェアの実験を行う。 デバイスノイズは大きいが、近似回路再コンパイルを用いることで、正確な対角化に匹敵する電流量子コンピュータ上で電子フォノンダイナミクスを得る。
  論文  参考訳（メタデータ） (2022-02-16T19:00:00Z)
• Preparing random states and benchmarking with many-body quantum chaos [48.044162981804526]
  時間に依存しないハミルトン力学の下で自然にランダム状態アンサンブルの出現を予測し、実験的に観察する方法を示す。 観測されたランダムアンサンブルは射影測定から現れ、より大きな量子系のサブシステムの間に構築された普遍的相関に密接に関連している。 我々の研究は、量子力学におけるランダム性を理解するための意味を持ち、より広い文脈でのこの概念の適用を可能にする。
  論文  参考訳（メタデータ） (2021-03-05T08:32:43Z)

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。