論文の概要: Automated near-term quantum algorithm discovery for molecular ground states
- arxiv url: http://arxiv.org/abs/2603.26359v1
- Date: Fri, 27 Mar 2026 12:37:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-30 21:49:48.502065
- Title: Automated near-term quantum algorithm discovery for molecular ground states
- Title（参考訳）: 分子基底状態に対する短期量子アルゴリズムの自動発見
- Authors: Fabian Finger, Frederic Rapp, Pranav Kalidindi, Kerry He, Kante Yin, Alexander Koziell-Pipe, David Zsolt Manrique, Gabriel Greene-Diniz, Stephen Clark, Hamza Fawzi, Bernardino Romera Paredes, Alhussein Fawzi, Konstantinos Meichanetzidis,
- Abstract要約: 私たちはプログラム合成のためのAIプラットフォームであるHiveを使って、新しいアルゴリズムを発見するための高度に分散した進化プロセスを動かしています。
量子化学における基底状態問題に焦点をあて、分子LiH, H2O, F2のためにそれを解決する効率的な量子アルゴリズムを発見する。
我々は,量子システムモデルH2量子コンピュータ上でのHive発見回路をベンチマークし,化学精度の最小限のシステム要件を同定する。
- 参考スコア（独自算出の注目度）: 33.691278813186564
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Designing quantum algorithms is a complex and counterintuitive task, making it an ideal candidate for AI-driven algorithm discovery. To this end, we employ the Hive, an AI platform for program synthesis, which utilises large language models to drive a highly distributed evolutionary process for discovering new algorithms. We focus on the ground state problem in quantum chemistry, and discover efficient quantum heuristic algorithms that solve it for molecules LiH, H2O, and F2 while exhibiting significant reductions in quantum resources relative to state-of-the-art near-term quantum algorithms. Further, we perform an interpretability study on the discovered algorithms and identify the key functions responsible for the efficiency gains. Finally, we benchmark the Hive-discovered circuits on the Quantinuum System Model H2 quantum computer and identify minimum system requirements for chemical precision. We envision that this novel approach to quantum algorithm discovery applies to other domains beyond chemistry, as well as to designing quantum algorithms for fault-tolerant quantum computers.
- Abstract（参考訳）: 量子アルゴリズムの設計は複雑で直感的ではないタスクであり、AI駆動型アルゴリズム発見の理想的な候補となる。
この目的のために、プログラム合成のためのAIプラットフォームであるHiveを採用し、大きな言語モデルを利用して、新しいアルゴリズムを発見するための高度に分散した進化過程を駆動します。
量子化学における基底状態問題に焦点をあて、分子LiH, H2O, F2に対してそれを解決する効率的な量子ヒューリスティックアルゴリズムを発見しながら、最先端の量子アルゴリズムに対する量子資源の大幅な削減を示す。
さらに,発見アルゴリズムの解釈可能性の検討を行い,効率向上に寄与する重要な関数を同定する。
最後に,量子システムモデルH2量子コンピュータのHive回路をベンチマークし,化学精度の最小限のシステム要件を同定する。
我々は、この新しい量子アルゴリズム発見のアプローチが、化学以外の分野にも適用され、フォールトトレラントな量子コンピュータのための量子アルゴリズムの設計にも適用できると考えている。
関連論文リスト
- Digital quantum simulation of many-body systems: Making the most of intermediate-scale, noisy quantum computers [51.56484100374058]
この論文は量子デバイス上の量子力学をシミュレートすることを中心にしている。
本稿では,量子力学における最も関連性の高い量子アルゴリズムの概要を紹介する。
近い将来に量子シミュレーションの恩恵を受けることができる量子力学における関連する問題を同定する。
論文 参考訳（メタデータ） (2025-08-29T10:37:19Z) - QCircuitBench: A Large-Scale Dataset for Benchmarking Quantum Algorithm Design [63.02824918725805]
量子コンピューティングは、量子アルゴリズムによる古典的コンピューティングよりも大幅にスピードアップされていることが認識されている。
QCircuitBenchは、量子アルゴリズムの設計と実装におけるAIの能力を評価するために設計された最初のベンチマークデータセットである。
論文 参考訳（メタデータ） (2024-10-10T14:24:30Z) - Quantum Circuit Synthesis and Compilation Optimization: Overview and Prospects [59.07692103357675]
本調査では,アルゴリズムレベルから量子ハードウェアにまたがる,統合設計および最適化スキームの実現可能性について検討する。
手動設計のコストを削減し、実行の精度と効率を高め、ハードウェア上での量子アルゴリズムの優位性の実装と検証を容易にする。
論文 参考訳（メタデータ） (2024-06-30T15:50:10Z) - Quantum Resonant Dimensionality Reduction and Its Application in Quantum Machine Learning [2.7119354495508787]
本稿では,入力データの次元を低減するために,量子共振器遷移に基づくQRDRアルゴリズムを提案する。
QRDR後、入力データの寸法$N$を所望のスケール$R$に減らし、元のデータの有効情報を保存する。
我々のアルゴリズムは様々な計算分野に応用できる可能性がある。
論文 参考訳（メタデータ） (2024-05-21T09:26:18Z) - Scalable Quantum Algorithms for Noisy Quantum Computers [0.0]
この論文は、量子計算資源の要求を減らす2つの主要な技術を開発した。
目的は、現在の量子プロセッサでアプリケーションサイズをスケールアップすることだ。
アルゴリズムの応用の主な焦点は量子システムのシミュレーションであるが、開発したサブルーチンは最適化や機械学習の分野でさらに活用することができる。
論文 参考訳（メタデータ） (2024-03-01T19:36:35Z) - 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) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳（メタデータ） (2023-01-04T23:37:45Z) - Parametrized Complexity of Quantum Inspired Algorithms [0.0]
量子アルゴリズムの有望な領域は量子機械学習と量子最適化である。
近年の量子技術、特に量子ソフトウェアの発展により、研究と産業のコミュニティは量子アルゴリズムの新しい応用を見つけようとしている。
論文 参考訳（メタデータ） (2021-12-22T06:19:36Z) - Quantum Computing for Location Determination [6.141741864834815]
位置決定研究に量子アルゴリズムを用いた場合の期待値の例を紹介する。
提案した量子アルゴリズムは、空間と実行時間の両方において、古典的なアルゴリズムバージョンよりも指数関数的に優れた複雑性を持つ。
ソフトウェアとハードウェアの両方の研究課題と、研究者がこのエキサイティングな新しいドメインを探求する機会について論じる。
論文 参考訳（メタデータ） (2021-06-11T15:39:35Z) - Electronic structure with direct diagonalization on a D-Wave quantum
annealer [62.997667081978825]
本研究は、D-Wave 2000Q量子アニール上の分子電子ハミルトニアン固有値-固有ベクトル問題を解くために、一般量子アニール固有解法(QAE)アルゴリズムを実装した。
そこで本研究では,D-Waveハードウェアを用いた各種分子系における基底および電子励起状態の取得について述べる。
論文 参考訳（メタデータ） (2020-09-02T22:46:47Z)
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。