論文の概要: Hunting for quantum advantage in electronic structure calculations is a highly non-trivial task

• arxiv url: http://arxiv.org/abs/2603.28648v1
• Date: Mon, 30 Mar 2026 16:32:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:45.509645
• Title: Hunting for quantum advantage in electronic structure calculations is a highly non-trivial task
• Title（参考訳）: 電子構造計算における量子優位性の探索は、非常に非自明な作業である
• Authors: Örs Legeza, Andor Menczer, Miklós Antal Werner, Sotiris S. Xantheas, Frank Neese, Martin Ganahl, Cole Brower, Samuel Rodriguez Bernabeu, Jeff Hammond, John Gunnels,
• Abstract要約: 我々は,CAS(54,36)モデル空間上のFe$_4$S$_4$分子クラスターに対して,最先端の性能と高精度な基底状態エネルギーを報告した。 また、Fe$_5$S$_12$H$_45-$分子系に対して、102オービタル[CAS(89,102)]の最大89電子のCASサイズに対するCAS-SCFベースの軌道最適化を提案する。
• 参考スコア（独自算出の注目度）: 0.47187609203210706
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In light of major developments over the past decades in both quantum computing and simulations on classical hardware, it is a serious challenge to identify a real-world problem where quantum advantage is expected to appear. In quantum chemistry, electronic structure calculations of strongly correlated, i.e. multi-reference problems, are often argued to fall into such category because of their intractability with standard methods based on mean-field theory. Therefore, providing state-of-the-art benchmark data by classical algorithms is necessary to make a decisive conclusion when such competing development directions are compared. We report cutting-edge performance results together with high accuracy ground state energy for the Fe$_4$S$_4$ molecular cluster on a CAS(54,36) model space, a problem that has been included quite recently among the list of systems in the {\it Quantum Advantage Tracker} webpage maintained by IBM and RIKEN. Pushing the limits even further, we also present CAS-SCF based orbital optimizations for unprecedented CAS sizes of up to 89 electrons in 102 orbitals [CAS(89,102)] for the Fe$_5$S$_{12}$H$_4^{5-}$ molecular system comprising twenty five open shell orbitals in its sextet ground state and an active spaces size of 331 electrons in 451 orbitals. We have achieved our results via mixed-precision spin-adapted \textit{ab initio} Density Matrix Renormalization Group (DMRG) electronic structure calculations interfaced with the ORCA program package and utilizing the NVIDIA Blackwell graphics processing unit (GPU) platform. We argue that DMRG benchmark data should be taken as a classical reference when quantum advantage is reported. In addition, full exploitation of classical hardware should also be considered since even the most advanced DMRG implementations are still in a premature stage regarding utilization of all the benefits of GPU technology.
• Abstract（参考訳）: 量子コンピューティングと古典的ハードウェアのシミュレーションの両方における過去数十年の大きな進歩を踏まえると、量子優位性が期待される現実の問題を特定することは深刻な課題である。 量子化学において、強い相関、すなわち多重参照問題による電子構造計算は、平均場理論に基づく標準的な手法との難易度から、しばしばそのようなカテゴリーに分類される。 したがって、競合する開発方向を比較する際には、古典的アルゴリズムによる最先端のベンチマークデータを提供することが決定的な結論となる必要がある。 CAS(54,36)モデル空間上でのFe$_4$S$_4$分子クラスターの精度の高い基底状態エネルギーとともに最先端の性能を報告する。 さらにこの限界を推し進めて、我々は、Fe$_5$S$_{12}$H$_4^{5-}$分子系に対して、102軌道で最大89電子のCASサイズのCAS-SCFベースの軌道最適化を行う。 我々は、ORCAプログラムパッケージにインターフェースされた密度行列再正規化グループ(DMRG)の電子構造計算とNVIDIA Blackwellグラフィックス処理ユニット(GPU)プラットフォームを利用した混合精度スピン適応型 \textit{ab initio} による結果を得た。 我々は、DMRGベンチマークデータを量子優位性が報告された場合、古典的な参照として扱うべきであると論じる。 さらに、最新のDMRG実装でさえ、GPU技術のすべての利点の利用に関してまだ初期段階であるため、古典的ハードウェアのフル活用も考慮すべきである。

関連論文リスト

• Parallel iQCC Enables 200 Qubit Scale Quantum Chemistry on Accelerated Computing Platforms Surpassing Classical Benchmarks in Ruthenium Catalysts [0.0]
  反復量子ビットクラスタ(iQCC)の並列GPU高速化実装について紹介する。 シリアルCPUアプローチよりも2桁を超えるスピードアップを実現している。
  論文  参考訳（メタデータ） (2026-03-09T19:49:37Z)
• Towards Quantum Advantage in Chemistry [0.70661060006164]
  我々は、フォールトトレラント量子ハードウェア上で繰り返し量子ビット結合クラスタアルゴリズムを実行する。 実験の結果,iQCCは平均絶対誤差が0.05 eV,R$2$ (0.94) であることがわかった。 これらのシステムは古典的には$sim$200論理量子ビットまで抽出可能である。
  論文  参考訳（メタデータ） (2025-12-15T18:49:30Z)
• ByteQC: GPU-Accelerated Quantum Chemistry Package for Large-Scale Systems [11.912905578735497]
  ByteQCは、大規模量子化学シミュレーションのための完全機能的で効率的なパッケージである。 スタンドアロンのアルゴリズムでは、ベンチマーク結果は100コアのCPUと比較して60$times$のスピードアップとなる。 先進的な量子埋め込みの特徴として、2つの代表的な例が示されている。
  論文  参考訳（メタデータ） (2025-02-25T08:37:12Z)
• GroverGPT: A Large Language Model with 8 Billion Parameters for Quantum Searching [43.496857395654764]
  量子チューリングマシンの出力をシミュレートするために,大規模言語モデルを活用する可能性について検討する。 特殊なモデルであるGroverGPTは、15兆以上のトークンでトレーニングされた。 OpenAIのGPT-4o(45%の精度)を一貫して上回り、6ビットと10ビットのデータセットでほぼ100%の精度を達成した。 また、3から6キュービットのデータで訓練すると、20キュービットを超えるシステムに対して95%を超える精度で強い一般化を示した。
  論文  参考訳（メタデータ） (2024-12-30T20:23:10Z)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• Comparing Classical and Quantum Ground State Preparation Heuristics [44.99833362998488]
  基底状態準備(GSP)はGSEEアルゴリズムにおいて重要な要素である。 本研究では,量子GSP法がHartree-Fock法と比較して重なり合う値を改善することができるかどうかを検討した。
  論文  参考訳（メタデータ） (2024-01-10T18:16:36Z)
• Classical Chaos in Quantum Computers [39.58317527488534]
  50-100量子ビットからなる現在の量子プロセッサは、古典的コンピュータ上の量子シミュレーションの範囲外で動作する。 古典的限界のシミュレーションは、この問題を緩和する潜在的に強力な診断ツールとなり得ることを実証する。 古典的および量子シミュレーションは、$mathcalO$transmonsを持つシステムにおいて、同様の安定性指標をもたらす。
  論文  参考訳（メタデータ） (2023-04-27T18:00:04Z)
• Nearest Centroid Classification on a Trapped Ion Quantum Computer [57.5195654107363]
  我々は,古典的データを量子状態に効率よくロードし,距離推定を行う手法を用いて,量子近接Centroid分類器を設計する。 MNIST手書き桁データセットの古典的最寄りのセントロイド分類器の精度と8次元合成データの最大100%の精度とを一致させ,11量子ビットトラップイオン量子マシン上で実験的に実証した。
  論文  参考訳（メタデータ） (2020-12-08T01:10:30Z)

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。