論文の概要: Learning to Prepare Molecular Ground States with Transformer Models

• arxiv url: http://arxiv.org/abs/2607.22468v1
• Date: Fri, 24 Jul 2026 16:32:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 20:58:57.187251
• Title: Learning to Prepare Molecular Ground States with Transformer Models
• Title（参考訳）: 変圧器モデルによる分子基底状態の学習
• Abstract要約: ADAPT-GQEは、地中準備回路を合成することを学ぶ生成AIフレームワークである。 我々は,三環系抗うつ薬イミプラミンのADAPT-GQEを実証した。
• 参考スコア（独自算出の注目度）: 0.6412275152538452
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum state preparation is a key component of many quantum algorithms. Performing this step efficiently is essential for realizing practical quantum advantage in quantum chemistry applications. Iterative algorithms like ADAPT-VQE can produce shallow ground-state preparation circuits, but become computationally prohibitive for the larger molecules relevant to materials science and pharmaceutical development. Here, we introduce ADAPT-GQE, a generative AI framework that learns to synthesize ground-state preparation circuits for electronic structure calculations. We first use ADAPT-VQE to generate high-quality reference circuits, which are then used as targets for training models for circuit generation. Once trained, the model can efficiently propose and score circuits, enabling reinforcement learning (RL) to drive circuit generation accuracy beyond the accuracy of the ADAPT-VQE training data. This pipeline achieves order-of-magnitude reductions in circuit generation time relative to ADAPT-VQE while maintaining comparable or improved state-preparation accuracy. We demonstrate ADAPT-GQE on imipramine, a well-established tricyclic antidepressant that serves as a representative, challenging target for computational modelling in drug stability protocols. We execute generated circuits on Quantinuum Helios-1, representing a milestone for AI-generated quantum chemistry circuits on state-of-the-art quantum hardware. These results establish a pathway toward automated quantum circuit synthesis for utility-scale quantum computational chemistry.
• Abstract（参考訳）: 量子状態準備は多くの量子アルゴリズムの重要な構成要素である。 このステップを効率的に実行することは、量子化学応用における実用的な量子優位性を実現するために不可欠である。 ADAPT-VQEのような反復アルゴリズムは浅い基底状態の準備回路を生成できるが、材料科学や医薬品開発に関連するより大きな分子に対しては計算的に禁止される。 本稿では,電子構造計算のための基底状態準備回路の合成を学習する生成AIフレームワークであるADAPT-GQEを紹介する。 まず、ADAPT-VQEを用いて高品質な参照回路を生成し、その後、回路生成のためのトレーニングモデルのターゲットとして使用する。 トレーニングが完了すると、このモデルは効率よく回路の提案とスコアリングが可能となり、強化学習(RL)によりADAPT-VQEトレーニングデータの精度を超える回路生成精度が向上する。 このパイプラインは、ADAPT-VQEと比較して回路生成時間のオーダー・オブ・マグニチュード削減を実現し、コンパレーションの精度を同等または改善した。 我々は、薬物安定プロトコルにおける計算モデリングの代表的な標的として機能する、確立された三環系抗うつ薬であるイミプラミンのADAPT-GQEを実証する。 我々は、最先端の量子ハードウェア上でAI生成量子化学回路のマイルストーンとして、Quantinuum Helios-1上で生成された回路を実行する。 これらの結果は、実用規模の量子計算化学のための自動量子回路合成への道筋を確立する。

関連論文リスト

• Investigating Quantum Circuit Designs Using Neuro-Evolution [2.9631016562930537]
  本稿では,量子回路の自動設計とトレーニングへの進化的アプローチを提案する。 提案手法は,ハードウェアおよびノイズ制約を尊重しながら,ゲートタイプ,キュービット接続,パラメータ化,回路深さを探索する。 予備的な結果は、分類タスクで進化した回路が90%以上の精度を達成できることを示している。
  論文  参考訳（メタデータ） (2026-02-03T18:57:39Z)
• AQER: a scalable and efficient data loader for digital quantum computers [62.40228216126285]
  我々は,ターゲット状態の絡み合いを体系的に低減し,負荷回路を構成するスケーラブルなAQL手法であるAQERを開発した。 我々は、合成データセット、古典画像および言語データセット、最大50キュービットの量子多体状態データセットを用いて、AQERの有効性を評価するための体系的な実験を行う。
  論文  参考訳（メタデータ） (2026-02-02T14:39:42Z)
• Neural Architecture Search for Quantum Autoencoders [30.784540105806784]
  本稿では,量子オートエンコーダの設計を自動化するニューラルネットワーク探索(NAS)フレームワークを提案する。 変分量子回路(VQC)の構成を体系的に進化させることにより,本手法はハイパフォーマンスなハイブリッド量子古典型オートエンコーダの同定を試みる。
  論文  参考訳（メタデータ） (2025-11-24T15:55:44Z)
• PALQO: Physics-informed Model for Accelerating Large-scale Quantum Optimization [23.592808263108896]
  変分量子アルゴリズム(VQA)は、短期量子デバイスの実用性に到達するための主要な戦略である。 本稿では、非線形偏微分方程式としてVQAのトレーニング力学を再構成し、このシステムを効率的にモデル化するための新しいプロトコルを提案する。 提案手法は従来の手法に比べて最大30倍の高速化を実現し,最大40キュービットのタスクに対して最大90%の量子リソースコスト削減を実現する。
  論文  参考訳（メタデータ） (2025-09-25T04:26:02Z)
• RhoDARTS: Differentiable Quantum Architecture Search with Density Matrix Simulations [44.13836547616739]
  変分量子アルゴリズム(VQA)は、ノイズ中間スケール量子(NISQ)コンピュータを活用するための有望なアプローチである。 与えられたVQA問題を効率的に解く最適な量子回路を選択することは、非自明な作業である。 量子アーキテクチャ探索(QAS)アルゴリズムは、与えられた問題に合わせた量子回路の自動生成を可能にする。
  論文  参考訳（メタデータ） (2025-06-04T08:30:35Z)
• NN-AE-VQE: Neural network parameter prediction on autoencoded variational quantum eigensolvers [1.7400502482492273]
  近年、量子コンピューティングの分野は大幅に成熟している。 NN-AE-VQEというニューラルネットワークを用いた自動符号化VQEを提案する。 我々はこれらの手法を、化学的精度を達成するために、$H$分子上で実証する。
  論文  参考訳（メタデータ） (2024-11-23T23:09:22Z)
• Calculating the energy profile of an enzymatic reaction on a quantum computer [0.0]
  量子コンピューティングは、量子化学計算を可能にするための有望な道を提供する。 最近の研究は、ノイズ中間量子(NISQ)デバイスのためのアルゴリズムの開発とスケーリングに向けられている。
  論文  参考訳（メタデータ） (2024-08-20T18:00:01Z)
• Quantum Compiling with Reinforcement Learning on a Superconducting Processor [55.135709564322624]
  超伝導プロセッサのための強化学習型量子コンパイラを開発した。 短絡の新規・ハードウェア対応回路の発見能力を示す。 本研究は,効率的な量子コンパイルのためのハードウェアによるソフトウェア設計を実証する。
  論文  参考訳（メタデータ） (2024-06-18T01:49:48Z)
• 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)
• GASP -- A Genetic Algorithm for State Preparation [0.0]
  本稿では、量子コンピュータを特定の量子状態に初期化するための、比較的低深さの量子回路を生成する状態準備(GASP)のための遺伝的アルゴリズムを提案する。 GASPは、他の方法よりも低い深さとゲート数で、所定の精度でより効率的な回路を生成することができる。
  論文  参考訳（メタデータ） (2023-02-22T04:41:01Z)
• Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
  テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる 本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。 その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
  論文  参考訳（メタデータ） (2022-09-01T17:08:41Z)
• Quantum Architecture Search via Continual Reinforcement Learning [0.0]
  本稿では,量子回路アーキテクチャを構築するための機械学習手法を提案する。 本稿では、この回路設計課題に取り組むために、ディープラーニング(PPR-DQL)フレームワークを用いた確率的ポリシー再利用を提案する。
  論文  参考訳（メタデータ） (2021-12-10T19:07:56Z)
• Fast Swapping in a Quantum Multiplier Modelled as a Queuing Network [64.1951227380212]
  量子回路をキューネットワークとしてモデル化することを提案する。 提案手法はスケーラビリティが高く,大規模量子回路のコンパイルに必要となる潜在的な速度と精度を有する。
  論文  参考訳（メタデータ） (2021-06-26T10:55:52Z)
• 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。