論文の概要: Scalable Quantum Molecular Generation via GPU-Accelerated Tensor-Network Simulation
- arxiv url: http://arxiv.org/abs/2604.13877v1
- Date: Wed, 15 Apr 2026 13:39:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-16 20:38:32.563573
- Title: Scalable Quantum Molecular Generation via GPU-Accelerated Tensor-Network Simulation
- Title（参考訳）: GPU加速テンソルネットワークシミュレーションによるスケーラブル量子分子生成
- Authors: Yu-Cheng Xiao, Jen-Yu Chang, Tzu-Ling Kuo, Aninda Astuti, Shu-Chi Wu, Ka-Lok Ng, Yun-Yuan Wang, Yu-Ze Chen, Nan-Yow Chen, Tai-Yu Li,
- Abstract要約: そこで本研究では,原子と結合の化学前駆体を用いた分子グラフのサンプリングのための変分量子回路を提案する。
SQMGは各重原子に固定された3量子レジスタを割り当て、単一の2量子結合レジスタを再利用して順次結合を生成し、「原子の再利用、結合再利用」アーキテクチャを生成する。
- 参考スコア（独自算出の注目度）: 2.2239345448550227
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose Scalable Quantum Molecular Generation (SQMG), a variational quantum-circuit for sampling molecular graphs using chemical priors on atoms and bonds. SQMG assigns a fixed 3-qubit register to each heavy atom and reuses a single 2-qubit bond register to generate bonds sequentially, yielding an ''atom no-reuse, bond reuse'' architecture with linear qubit scaling. Measurement results are mapped to molecular graphs via lightweight classical decoding with structural constraints. In CUDA-Q, we benchmark the state-vector simulation (CPU/GPU) and the tensor-network simulation (GPU). At $N=8$ heavy atoms, the state-vector simulator (GPU) and the tensor-network simulator (GPU) achieve speeds of up to $4.5\times 10^{4}$ and $2.2\times 10^{3}$ over the state-vector (CPU) baseline, respectively. Crucially, tensor-network simulation extends exact simulation to $N=40$ heavy atoms, where state-vector methods become memory-limited. For training, Bayesian optimization outperforms COBYLA on a Validity$\times$Uniqueness objective, and the same architecture supports \textit{de novo} generation, scaffold decoration, and linker design. Overall, SQMG provides a scalable, reproducible testbed for evaluating accelerated tensor-network simulation and future quantum molecular generation algorithms.
- Abstract（参考訳）: 本稿では,原子と結合の化学的先行値を用いて分子グラフをサンプリングするための変分量子回路であるスケーラブル量子分子生成(SQMG)を提案する。
SQMGは重原子ごとに固定された3量子レジスタを割り当て、単一の2量子結合レジスタを再利用して順次結合を生成する。
測定結果は構造制約付き軽量古典復号法により分子グラフにマッピングされる。
CUDA-Qでは、状態ベクトルシミュレーション(CPU/GPU)とテンソルネットワークシミュレーション(GPU)をベンチマークする。
N=8$重原子では、状態ベクトルシミュレータ(GPU)とテンソルネットワークシミュレータ(GPU)はそれぞれ、状態ベクトル(CPU)ベースライン上で4.5\times 10^{4}$と2.2\times 10^{3}$の速度を達成する。
重要なことに、テンソル・ネットワークシミュレーションは正確なシミュレーションを$N=40$重原子に拡張し、状態ベクトル法はメモリ制限となる。
トレーニングでは、ベイジアン最適化がValidity$\times$Uniquenessの目標でCOBYLAを上回り、同じアーキテクチャで \textit{de novo} の生成、足場装飾、リンカーデザインをサポートする。
全体として、SQMGは、加速テンソルネットワークシミュレーションと将来の量子分子生成アルゴリズムを評価するためのスケーラブルで再現可能なテストベッドを提供する。
関連論文リスト
- Scalable projected entangled-pair state representation of random quantum circuit states [0.0]
ランダムな量子回路状態を表すバイダルゲージにおいて,投影された絡み合ったペア状態 (PEPS) の更新を示す。
従来のCPUで128ドル(約1万4000円)の大規模回路を使用すれば、状態の忠実さの普遍的なスケーリングの挙動が分かる。
論文 参考訳（メタデータ） (2025-04-07T06:47:48Z) - Harnessing CUDA-Q's MPS for Tensor Network Simulations of Large-Scale Quantum Circuits [0.0]
現在の最大の量子コンピュータは1000量子ビット以上を特徴としている。
量子コンピュータをシミュレートするためのより魅力的なアプローチは、ネットワークアプローチを採用することである。
ネットワークベースの手法が大規模量子ビット回路をシミュレートする重要な機会となることを示す。
論文 参考訳（メタデータ） (2025-01-27T10:36:05Z) - Large-scale quantum annealing simulation with tensor networks and belief propagation [0.0]
3つの正則グラフに対する量子アニールは1000量子ビットと5000000量子ビットゲートのスケールでも古典的にシミュレートできることを示す。
非退化インスタンスの場合、一意解は最後の縮小された単一量子状態から読み出すことができる。
MaxCutのような退化問題に対して、グラフテンソル-ネットワーク状態に対する近似的な測定シミュレーションアルゴリズムを導入する。
論文 参考訳（メタデータ） (2024-09-18T18:00:08Z) - Benchmarking Quantum Red TEA on CPUs, GPUs, and TPUs [0.0]
異種ハードウェアプラットフォーム上での多体量子システムのシミュレーションをベンチマークする。
私たちは、NumPyやPyTorch、JAX、ライブラリなど、異なる線形代数バックエンドを比較します。
本稿では,CPU上でパラメータをチューニングする場合に,34の係数の高速化を実現する方法を提案する。
論文 参考訳（メタデータ） (2024-09-05T18:00:01Z) - Towards Quantum Graph Neural Networks: An Ego-Graph Learning Approach [47.19265172105025]
グラフ構造化データのための新しいハイブリッド量子古典アルゴリズムを提案し、これをEgo-graph based Quantum Graph Neural Network (egoQGNN)と呼ぶ。
egoQGNNはテンソル積とユニティ行列表現を用いてGNN理論フレームワークを実装し、必要なモデルパラメータの数を大幅に削減する。
このアーキテクチャは、現実世界のデータからヒルベルト空間への新しいマッピングに基づいている。
論文 参考訳（メタデータ） (2022-01-13T16:35:45Z) - TensorLy-Quantum: Quantum Machine Learning with Tensor Methods [67.29221827422164]
PyTorch APIを採用した量子回路シミュレーションのためのPythonライブラリを作成します。
Ly-Quantumは、単一のGPU上で数百のキュービット、複数のGPU上で数千のキュービットにスケールすることができる。
論文 参考訳（メタデータ） (2021-12-19T19:26:17Z) - Parallel Simulation of Quantum Networks with Distributed Quantum State
Management [56.24769206561207]
我々は、量子ネットワークの並列シミュレーションの要件を特定し、最初の並列離散事象量子ネットワークシミュレータを開発する。
コントリビューションには、複数のプロセスに分散した共有量子情報を維持する量子状態マネージャの設計と開発が含まれています。
既存のシーケンシャルバージョンと並行してオープンソースツールとして,並列SeQUeNCeシミュレータをリリースする。
論文 参考訳（メタデータ） (2021-11-06T16:51:17Z) - Tensor Network Quantum Virtual Machine for Simulating Quantum Circuits
at Exascale [57.84751206630535]
本稿では,E-scale ACCelerator(XACC)フレームワークにおける量子回路シミュレーションバックエンドとして機能する量子仮想マシン(TNQVM)の近代化版を提案する。
新バージョンは汎用的でスケーラブルなネットワーク処理ライブラリであるExaTNをベースにしており、複数の量子回路シミュレータを提供している。
ポータブルなXACC量子プロセッサとスケーラブルなExaTNバックエンドを組み合わせることで、ラップトップから将来のエクサスケールプラットフォームにスケール可能なエンドツーエンドの仮想開発環境を導入します。
論文 参考訳（メタデータ） (2021-04-21T13:26:42Z) - Quantum Algorithms for Simulating the Lattice Schwinger Model [63.18141027763459]
NISQとフォールトトレラントの両方の設定で格子シュウィンガーモデルをシミュレートするために、スケーラブルで明示的なデジタル量子アルゴリズムを提供する。
格子単位において、結合定数$x-1/2$と電場カットオフ$x-1/2Lambda$を持つ$N/2$物理サイト上のシュウィンガーモデルを求める。
NISQと耐故障性の両方でコストがかかるオブザーバブルを、単純なオブザーバブルとして推定し、平均ペア密度を推定する。
論文 参考訳（メタデータ） (2020-02-25T19:18:36Z)
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。