論文の概要: Bridging the NISQ and Fault-Tolerant Regimes: Generative-ML-Assisted Quantum Selected CI for Molecular Simulations
- arxiv url: http://arxiv.org/abs/2606.30551v1
- Date: Mon, 29 Jun 2026 16:48:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:16.339297
- Title: Bridging the NISQ and Fault-Tolerant Regimes: Generative-ML-Assisted Quantum Selected CI for Molecular Simulations
- Title（参考訳）: NISQとフォールトトレラントレジームのブリッジ:分子シミュレーションのためのジェネレーティブML支援量子選択CI
- Abstract要約: 本報告では,富士通FX700上でのハイブリッド量子古典ワークフローについて述べる。
量子ベースの対角化における2つの構造的非効率性に対処する。
業界にとってより効率的で経済的な薬物発見シミュレーションを可能にする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Calculation of binding energies for protein-ligand molecular systems requires accurate treatment of the electronic structure, a quantum chemistry problem that scales exponentially on classical hardware, while current quantum hardware remains too noisy for the required circuit depths. This report presents a hybrid quantum-classical workflow performed on the Fujitsu FX700 ideal state-vector simulator using QARP that addresses two structural inefficiencies in quantum-sampling-based diagonalization workflows. First, we integrate the Linear Scaling CNOT UCCSD (LCNot-UCCSD) ansatz into the QSCI framework, replacing the $\mathcal{O}(N^6)$ CCSD parameter initialization of the competing LUCJ ansatz approach with $\mathcal{O}(N^4)$ MP2-amplitude initialization. Second, we introduce QSCI-RBM, a variant that replaces the configuration recovery of the SQD framework with a Restricted Boltzmann Machine (RBM) acting as a compact generative subspace expansion model. Both are evaluated on eight different molecules in STO-3G across 14 controlled artificial error levels with 100 independent runs each, validated on potential energy surface scans of the N$_2$ molecule in cc-pVDZ, and embedded within DMET to treat the FDA-approved antiviral Amantadine (C$_{10}$H$_{17}$N, 11 DMET fragments) and the active region of the SARS-CoV-2 main protease complexed with its covalent inhibitor Carmofur (PDB: 7BUY, C$_{15}$H$_{28}$N$_4$O$_5$S, 10 fragments). To our knowledge, this is the first deployment of LCNot-UCCSD within QSCI on a quantum computing simulator, and the first DMET-QSCI(LCNot-UCCSD)-RBM application to an industry-relevant protein-ligand system. By utilizing a fraction of the classical computing resources required by the current state-of-the-art work by Cleveland Clinic, RIKEN, and IBM Quantum, this approach enables more efficient and economical drug discovery simulations for the industry.
- Abstract（参考訳）: タンパク質-リガンド分子系の結合エネルギーの計算には、古典的なハードウェア上で指数関数的にスケールする量子化学問題である電子構造を正確に扱う必要がある。
本稿では,量子サンプリングに基づく対角化ワークフローにおける2つの構造的非効率に対処するQARPを用いたFujitsu FX700の理想状態ベクトルシミュレータ上でのハイブリッド量子古典ワークフローを提案する。
まず、Linear Scaling CNOT UCCSD (LCNot-UCCSD) アンサッツを QSCI フレームワークに統合し、競合する LUCJ アンサッツアプローチの $\mathcal{O}(N^6)$ CCSD パラメータ初期化を $\mathcal{O}(N^4)$ MP2-振幅初期化に置き換える。
第2に、コンパクトな生成部分空間拡張モデルとして機能する制限ボルツマンマシン(RBM)を用いて、SQDフレームワークの構成回復を置き換える変種であるQSCI-RBMを導入する。
STO-3Gは、それぞれ100個の独立ランを持つ14個の制御された人工エラーレベルの8つの異なる分子で評価され、cc-pVDZのN$2$分子のポテンシャルエネルギー表面スキャンで検証され、DMET内に埋め込まれてFDAが承認した抗ウイルスアマンタジン(C$_{10}$H$_{17}$N, 11 DMETフラグメント)とSARS-CoV-2メインプロテアーゼの活性領域がカルモファー(PDB: 7BUY, C$_{15}$H$_{28}$N_4$O$_5$S, 10フラグメント)と複合体されている。
我々の知る限り、これはQSCIにおけるLCNot-UCCSDの量子コンピューティングシミュレータへの最初の展開であり、産業関連タンパク質リガンドシステムへのDMET-QSCI(LCNot-UCCSD)-RBMアプリケーションである。
現在のクリーブランド・クリニック、RIKEN、IBM量子による最先端の研究で必要とされる古典的な計算資源のごく一部を利用することで、このアプローチは業界にとってより効率的で経済的な薬物発見シミュレーションを可能にする。
関連論文リスト
- An Analytically Trained Variational Surrogate for Quantum Phase Estimation on NISQ Hardware [0.3908906925636173]
量子位相推定(Quantum Phase Estimation, QPE)は、分子基底状態エネルギー推定の基礎アルゴリズムであるが、その深い回路要件は、ノイズ中間量子(NISQ)デバイス上で直接ハードウェアの実行を非現実的にする。
本稿では、量子回路シミュレーションを使わずにQPE測定分布を再現するために、浅部変分量子回路(VQC)を訓練した解析的基底変分サロゲートフレームワークを提案する。
論文 参考訳（メタデータ） (2026-07-23T05:52:17Z) - $\mathtt{Q^2SAR}$: overcoming classical bottlenecks in drug discovery via quantum multiple kernel learning [39.146761527401424]
我々はNextGen $mathttQMKL$という量子多重カーネル学習フレームワークを提案する。
分子記述子を大きなヒルベルト空間に符号化することにより、我々のアプローチは非線形モデリングを大幅に強化する。
量子コンピューティングが成熟するにつれて、このフレームワークは、自律的な薬物発見と認知アーキテクチャの道を開いた。
論文 参考訳（メタデータ） (2026-07-13T15:33:05Z) - Crossing the 12,000-atom barrier with heterogeneous quantum-classical supercomputing: quantum chemistry of protein-ligand complexes [2.0403796650328854]
Ab initio波動関数法は正確な分子シミュレーションを提供するが、その計算スケーリングは小さな系への応用を制限する。
我々は、分子を断片に分解するために量子埋め込みを組み合わせたワークフローを、断片をシミュレートするヘテロジニアス量子古典(HQC)法で開発する。
論文 参考訳（メタデータ） (2026-05-01T22:30:56Z) - Towards Chemically Accurate and Scalable Quantum Simulations on IQM Quantum Hardware: A Quantum-HPC Hybrid Approach [0.37475012732344193]
我々はIQMのシリウス24量子ビット超伝導プロセッサを用いて量子計算に基づく分子シミュレーションを大規模に実験した。
この研究では、SQD(Sample-based Quantum Diagonalization)とLUCJ(Local Unitary Cluster Jastrow)アンサッツを用いて基底状態エネルギーを推定している。
小型ベンチマークシステムを超えて、SQD(LUCJ)と密度行列埋め込み理論(DMET)を組み合わせて、アクティブスペースエネルギーを計算する。
論文 参考訳（メタデータ） (2026-04-02T12:43:43Z) - Quantum Simulation of Ligand-like Molecules through Sample-based Quantum Diagonalization in Density Matrix Embedding Framework [0.0]
この研究は密度行列埋め込み理論(DMET)とサンプルベースの量子対角化(SQD)を組み合わせて、自然配位子のような分子の基底状態エネルギーを計算する。
組込みハミルトンはIBMのイーグルR3超伝導量子ハードウェア上で解決される。
その結果, 試料ベースの量子法は, 強固な埋め込みフレームワークと統合された場合, 化学的に関連する分子系のシミュレーションに向けて, 確実に量子計算を拡張できることが示唆された。
論文 参考訳（メタデータ） (2025-11-27T06:50:52Z) - FD4QC: Application of Classical and Quantum-Hybrid Machine Learning for Financial Fraud Detection A Technical Report [36.1999598554273]
本稿では、古典的、量子的、量子ハイブリッドな機械学習モデルによる不正な金融活動のバイナリな行動分類の有効性について検討・比較する。
我々は、IBM Anti-Money Laundering (AML)データセット上で、さまざまなモデルを実装し、評価する。
実世界展開用に設計された実用的なAPI駆動システムアーキテクチャであるFD4QC(Fraud Detection for Quantum Computing)を提案する。
論文 参考訳（メタデータ） (2025-07-25T16:08:22Z) - Coupled cluster method tailored by quantum selected configuration interaction [0.0]
本稿では、結合クラスタ(CC)理論を量子選択構成相互作用(QSCI)波動関数で調整するハイブリッド量子古典スキームを提案する。
QSCIは、量子ハードウェア上に準備された多電子状態の再構築にスケーラブルでショット効率のよいアプローチを提供する。
論文 参考訳（メタデータ） (2025-06-20T11:07:26Z) - Q2SAR: A Quantum Multiple Kernel Learning Approach for Drug Discovery [39.58317527488534]
本研究は、QSAR分類を強化するために、量子多重カーネル学習フレームワークを成功させたことを実証する。
本手法をDYRK1Aキナーゼ阻害剤を同定するためのデータセットに適用する。
古典的なグラディエントブースティングモデルに対してQMKL-SVMをベンチマークすることにより、量子化アプローチがより優れたAUCスコアを達成することを示す。
論文 参考訳（メタデータ） (2025-06-17T19:00:47Z) - Non-unitary Coupled Cluster Enabled by Mid-circuit Measurements on Quantum Computers [37.69303106863453]
本稿では,古典計算機における量子化学の柱である結合クラスタ(CC)理論に基づく状態準備法を提案する。
提案手法は,従来の計算オーバーヘッドを低減し,CNOTおよびTゲートの数を平均で28%,57%削減する。
論文 参考訳（メタデータ） (2024-06-17T14:10:10Z) - Evaluating Ground State Energies of Chemical Systems with Low-Depth
Quantum Circuits and High Accuracy [6.81054341190257]
我々は,Qubit Coupled Cluster (QCC) に基づく拡張型変分量子固有解器 (VQE) アンサッツを開発した。
我々は、IBM KolkataとQuantinuum H1-1の2つの異なる量子ハードウェア上で、拡張QCCアンサッツを評価する。
論文 参考訳（メタデータ） (2024-02-21T17:45:03Z) - A self-consistent field approach for the variational quantum
eigensolver: orbital optimization goes adaptive [52.77024349608834]
適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。
このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
論文 参考訳（メタデータ） (2022-12-21T23:15:17Z) - Preparation of excited states for nuclear dynamics on a quantum computer [117.44028458220427]
量子コンピュータ上で励起状態を作成するための2つの異なる方法を研究する。
シミュレーションおよび実量子デバイス上でこれらの手法をベンチマークする。
これらの結果から,フォールトトレラントデバイスに優れたスケーリングを実現するために設計された量子技術が,接続性やゲート忠実性に制限されたデバイスに実用的なメリットをもたらす可能性が示唆された。
論文 参考訳（メタデータ） (2020-09-28T17:21:25Z)
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。