論文の概要: An Integrated DFT-Wannier-Quantum Embedding Pipeline for Strongly Correlated Materials: Scaling Benchmarks in Li-hBN

• arxiv url: http://arxiv.org/abs/2607.23590v1
• Date: Sun, 26 Jul 2026 10:40:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.165638
• Title: An Integrated DFT-Wannier-Quantum Embedding Pipeline for Strongly Correlated Materials: Scaling Benchmarks in Li-hBN
• Title（参考訳）: 強相関材料のための統合DFT-Wannier-Quantum埋め込みパイプライン:Li-hBNにおけるベンチマークのスケーリング
• Abstract要約: 本稿では,強い相関関係を持つ材料を予測するためのエンドツーエンドの計算パイプラインを提案する。 我々は、DFT幾何緩和、非自己整合場計算、およびワニエに基づく軌道定位を用いる。 本研究は、DFT-to-ADAPT-VQEワークフローのための厳密なパフォーマンスベースラインを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The seamless integration of Density Functional Theory (DFT) with quantum variational algorithms is essential for the predictive simulation of strongly correlated materials. In this work, we present an end-to-end computational pipeline - comprising DFT geometry relaxation, non-self-consistent field (NSCF) calculations, and Wannier-based orbital localization - to prepare active-space Hamiltonians for quantum embedding. We utilize the Adaptive Variational Quantum Eigensolver (ADAPT-VQE) framework, significantly enhanced by a Greedy-Operator Commutativity Partitioning (GOCP) approach and a Taylor-expanded O(5) operator evolution strategy to efficiently manage the exponential scaling of the Hilbert space. We demonstrate this framework through a systematic benchmark study of Li-hBN, mapping the system onto qubit registers and investigating the convergence behavior as the active space is expanded from 8 to 14 spatial orbitals. Our results quantify the relationship between active-space size and computational demand, identifying a critical "scaling wall" where classical simulation costs transition from manageable to intractable. This study provides a rigorous performance baseline for the DFT-to-ADAPT-VQE workflow and offers empirical insights into the memory and processing limits currently facing hybrid quantum-classical architectures using advanced co-processing strategies.
• Abstract（参考訳）: 密度汎関数論(DFT)と量子変分アルゴリズムのシームレスな統合は、強相関物質の予測シミュレーションに不可欠である。 本研究では、DFT幾何緩和、非自己整合体(NSCF)計算、ワニエに基づく軌道位置決めを含むエンドツーエンドの計算パイプラインを提案し、量子埋め込みのための活動空間ハミルトン行列を作成する。 我々は,Greedy-Operator Commutativity Partitioning (GOCP)アプローチとTaylor-Expanded O(5)演算子進化戦略によって大幅に強化されたAdaptive Variational Quantum Eigensolver (ADAPT-VQE) フレームワークを用いて,ヒルベルト空間の指数的スケーリングを効率的に管理する。 この枠組みは、Li-hBNの系統的なベンチマーク研究を通じて、系をqubitレジスタにマッピングし、アクティブ空間が8から14の空間軌道に拡張されるときの収束挙動を研究する。 本研究は,従来のシミュレーションコストが管理可能から抽出可能へ移行する,重要な「スケーリング壁」を特定することで,アクティブスペースサイズと計算需要の関係を定量化するものである。 本研究は、DFT-to-ADAPT-VQEワークフローの厳密なパフォーマンスベースラインを提供し、高度なコプロセッシング戦略を用いて、現在のハイブリッド量子古典アーキテクチャに直面するメモリおよび処理限界に関する経験的な洞察を提供する。

関連論文リスト

• Efficient Treatment of Non-Linearity in Quantum Computational Fluid Dynamics Using Hybrid Tensor Networks [0.0]
  本稿では,ハイブリッド量子古典テンソルネットワークアルゴリズムを提案する。 従来の状態ベース非線形実装をテンソルベースブロック符号化に置き換える。 完全に古典的なテンソルネットワークソルバと比較して、我々のハイブリッドアプローチはメモリフットプリントと計算コストの両方を大幅に削減する。
  論文  参考訳（メタデータ） (2026-08-25T07:13:00Z)
• Hybrid HPC-Quantum Simulations: DFT-Quantum Embedding for Molecular Systems [0.9368753183086049]
  本研究は、古典的HPCベースのDFTと量子電子構造解決器を統合したハイブリッドDFT-Quantum Embeddingフレームワークを提案する。 我々は、ハードウェアノイズを伴わない、精度、収束性、アクティブスペース依存、計算コスト、HPCスケーラビリティを体系的に評価するために、ノイズレス量子シミュレーションに焦点を当てた。
  論文  参考訳（メタデータ） (2026-08-13T06:57:25Z)
• Learnable yet not simulable: a quantum resource theory of learning models [57.695822250391906]
  量子資源が量子回路の古典的な学習可能性を支配するかは、いまだ不明である。 チューナブル量子回路系の期待値関数について検討する。 これらの結果は,古典シミュレーションと学習の境界を記述するための定量的な資源理論の枠組みを確立する。
  論文  参考訳（メタデータ） (2026-08-03T14:48:03Z)
• FUSE: FK-Steered Multi-Modal Flow Matching for Efficient Simulation-Based Posterior Estimation [47.3675633392999]
  FUSE (Feynman-Kac steered mUlti-modal flow matching for efficient Simulation-based posterior Estimation) を導入する。 以前の作業とは異なり、FUSEは動的相互作用を容易にしながらマルチモーダル入力の異なる特徴を保存するデュアルトラックアーキテクチャを採用している。 提案手法は, 標準SBIベンチマークにおける最先端のベースラインよりも優れており, 基幹のMCMCと密に一致した後部を創出する。
  論文  参考訳（メタデータ） (2026-07-06T15:59:18Z)
• PINNACLE: An Open-Source Computational Framework for Classical and Quantum PINNs [0.0]
  PINNACLEは、物理インフォームドニューラルネットワーク(PINN)のためのオープンソースの計算フレームワークである。 統一されたモジュールワークフロー内に、現代的なトレーニング戦略、マルチGPUアクセラレーション、ハイブリッド量子古典アーキテクチャを統合する。 これにより,1次元双曲保存則,非圧縮性流れ,電磁波伝搬などのベンチマーク問題に対してPINN性能を体系的に評価することができる。
  論文  参考訳（メタデータ） (2026-04-17T02:42:08Z)
• Auto-regressive Neural Quantum State Sampling for Selected Configuration Interaction [0.0]
  本稿では,自己回帰型ニューラルネットワーク(ARNN)を用いて,地中検索のための部分空間拡張を誘導するアルゴリズムを提案する。 本アルゴリズムは,学習した基底状態統計量から,コンパクトな変分部分空間を効率的に構築する。 分子系のベンチマークでは、ARNN誘導のサブスペース展開は、ニューラルネットワーク表現と古典的なサブスペース手法の強みを組み合わせることが示されている。
  論文  参考訳（メタデータ） (2026-03-25T18:53:00Z)
• TENSO: Software Package for Numerically Exact Open Quantum Dynamics Based on Efficient Tree Tensor Network Decomposition of the Hierarchical Equations of Motion [0.0]
  TENSOは、構造化熱環境に没入した量子システムの数値的正確なシミュレーションのための汎用的で強力なオープンソースソフトウェアパッケージである。 これは木テンソルネットワークによる階層的な運動方程式の分解に基づいており、浴槽の複雑さによる次元の呪いを効率的に抑える。
  論文  参考訳（メタデータ） (2026-03-18T13:30:04Z)
• Physics-Informed Hybrid Quantum-Classical Dispatching for Large-Scale Renewable Power Systems:A Noise-Resilient Framework [9.378801906395179]
  高ペネレーションエネルギーは、電力系統のディスパッチ最適化に重大性と非古典性をもたらす。 既存のアプローチでは、電力網を「ブラックボックス」として扱うのが一般的である。 本稿では、PIHQ-CD(Hybrid Quantum-Bridging Dispatching)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-26T13:35:54Z)
• Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
  CL-QASは連続的な量子アーキテクチャ検索フレームワークである。 振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。 制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
  論文  参考訳（メタデータ） (2026-01-10T02:36:03Z)
• TensorHyper-VQC: A Tensor-Train-Guided Hypernetwork for Robust and Scalable Variational Quantum Computing [50.95799256262098]
  量子機械学習のための新しいテンソルトレイン(TT)誘導ハイパーネットワークフレームワークであるHyper-VQCを紹介する。 我々のフレームワークは、量子回路パラメータの生成を古典的なTTネットワークに委譲し、量子ハードウェアから最適化を効果的に分離する。 これらの結果から、Hyper-VQCは、短期デバイス上での実用的な量子機械学習を促進するためのスケーラブルで耐雑音性のあるフレームワークとして位置づけられる。
  論文  参考訳（メタデータ） (2025-08-01T23:37:55Z)
• Efficient Transformed Gaussian Process State-Space Models for Non-Stationary High-Dimensional Dynamical Systems [49.819436680336786]
  本研究では,高次元非定常力学系のスケーラブルかつ柔軟なモデリングのための効率的な変換ガウス過程状態空間モデル(ETGPSSM)を提案する。 具体的には、ETGPSSMは、単一の共有GPと入力依存の正規化フローを統合し、複雑な非定常遷移ダイナミクスを捉える前に、表現的な暗黙のプロセスを生成する。 ETGPSSMは、計算効率と精度の観点から、既存のGPSSMとニューラルネットワークベースのSSMより優れています。
  論文  参考訳（メタデータ） (2025-03-24T03:19:45Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [62.46800898243033]
  量子学習理論の最近の進歩は、様々な古典的な入力によって生成された測定データから、大きな量子ビット回路の線形特性を効率的に学習できるのか? 我々は、小さな予測誤差を達成するためには、$d$で線形にスケーリングするサンプルの複雑さが必要であることを証明し、それに対応する計算複雑性は、dで指数関数的にスケールする可能性がある。 そこで本研究では,古典的影と三角展開を利用したカーネルベースの手法を提案し,予測精度と計算オーバーヘッドとのトレードオフを制御可能とした。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Contextual Subspace Variational Quantum Eigensolver Calculation of the Dissociation Curve of Molecular Nitrogen on a Superconducting Quantum Computer [0.06990493129893112]
  超伝導量子ハードウェア上でのコンテキスト部分空間変動量子固有解器の実験実験を行った。 特に分子窒素のポテンシャルエネルギー曲線を計算し、解離限界における静的相関の優位性は、多くの従来の量子化学技術において困難であることを示す。 我々の量子シミュレーションは、選択されたSTO-3Gベースにおける完全な構成相互作用エネルギーと良好な一致を維持し、ボンドブレーキングを適切に捉える際に、ベンチマークされたすべての単一参照波動関数技術より優れている。
  論文  参考訳（メタデータ） (2023-12-07T16:05:52Z)
• D4FT: A Deep Learning Approach to Kohn-Sham Density Functional Theory [79.50644650795012]
  コーンシャム密度汎関数論(KS-DFT)を解くための深層学習手法を提案する。 このような手法はSCF法と同じ表現性を持つが,計算複雑性は低下する。 さらに,本手法により,より複雑なニューラルベース波動関数の探索が可能となった。
  論文  参考訳（メタデータ） (2023-03-01T10:38:10Z)
• 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)

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。