論文の概要: Coherent Floquet quantum reservoirs for molecular property prediction
- arxiv url: http://arxiv.org/abs/2609.11071v1
- Date: Thu, 10 Sep 2026 04:27:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 23:53:35.21105
- Title: Coherent Floquet quantum reservoirs for molecular property prediction
- Title（参考訳）: 分子特性予測のためのコヒーレントフロケット量子貯水池
- Abstract要約: 量子貯水池計算(QRC)は、量子力学を用いて、訓練された古典的読み出しを通じて入力履歴を予測する。
DTCを基盤とした貯留層構造を構築し,分子特性を構造的および動的観測から予測する。
- 参考スコア（独自算出の注目度）: 11.126126867103522
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum reservoir computing (QRC) uses quantum dynamics to represent input histories for prediction through a trained classical readout. Discrete time crystals (DTCs) exhibit robust subharmonic responses under periodic driving, and previous work has used their dynamics to construct DTC-QRC. Here we construct a DTC-based reservoir architecture to predict molecular properties from structural and dynamical observations. Coherent Floquet evolution processes local molecular graph events and surface-hopping frames, while controlled reset regulates the contribution of earlier inputs. Measurements at the end of each input sequence yield a feature vector of fixed dimension. Trained classical decoders use this vector for inhibitor-activity and blood--brain-barrier permeability classification and electronic-gap forecasting, while the reservoir parameters remain fixed during training. With matched input lengths and output widths, DTC-QRC outperforms echo-state networks on long-prefix graph classification and the studied ethene gap forecasting tasks. Dephasing lowers performance in both applications, consistent with a role for coherent propagation. Experiments on the Quafu superconducting quantum cloud platform show that pair observables retain task information under device noise. The architecture provides a common framework for molecular screening and time-resolved property prediction using quantum reservoir computing.
- Abstract（参考訳）: 量子貯水池計算(QRC)は、量子力学を用いて、訓練された古典的読み出しを通じて入力履歴を予測する。
離散時間結晶(DTC)は周期駆動下で頑健なサブハーモニック応答を示しており、以前の研究ではそのダイナミクスを用いてDTC-QRCを構築している。
そこで我々は, 分子特性を構造的および動的観測から予測するために, DTCに基づく貯水池構造を構築した。
コヒーレントフロケ進化は局所的な分子グラフイベントと表面ホッピングフレームを処理し、制御されたリセットは初期の入力の寄与を調節する。
各入力シーケンスの最後に測定すると、固定次元の特徴ベクトルが得られる。
訓練された古典デコーダは、このベクターをインヒビター活性および血液脳関門透過性分類および電子ギャップ予測に使用し、トレーニング中に貯水池パラメータは固定されている。
一致した入力長と出力幅により、DTC-QRCは、長期前のグラフ分類と調査されたエスエンギャップ予測タスクにおいてエコー状態ネットワークより優れる。
Dephasingは両方のアプリケーションのパフォーマンスを低下させ、コヒーレントな伝搬の役割と一致させる。
Quafu超伝導量子クラウドプラットフォーム上での実験では、ペアオブザーバブルがデバイスノイズの下でタスク情報を保持していることが示されている。
このアーキテクチャは、分子スクリーニングと量子貯水池計算を用いた時間分解特性予測のための共通のフレームワークを提供する。
関連論文リスト
- A Quantum Reservoir for Neurodynamical Forecasting [0.0]
異種量子計測と回帰パラメータを組み合わせた横場イジングモデルに基づく量子貯水池を提案する。
その結果、量子貯水池は古典的よりも優れていたことが判明した。
生体信号の性能を評価するため,シミュレーションヒト脳波データ(EEG)のQRCを並列貯水池構造を用いて評価した。
論文 参考訳（メタデータ） (2026-07-31T14:52:33Z) - Digital Quantum Reservoir Computing for ATM Time Series Prediction [0.0]
ATMキャッシュ需要時系列のマルチステップ予測のためのデジタル量子貯水池計算フレームワークについて検討する。
提案手法は,部分的測定とリセットを利用した固定構造を有するパラメタライズされた4ビット貯水池を用いる。
ノイズレスシミュレーション、ノイズ対応エミュレーション、および実際のIQM Spark量子プロセッサを用いて実験を行う。
論文 参考訳（メタデータ） (2026-06-03T10:11:07Z) - Orbital Transformers for Predicting Wavefunctions in Time-Dependent Density Functional Theory [45.322818939044645]
時間依存密度汎関数理論(TDDFT)でシミュレートされた波動関数の学習を目指す。
リアルタイムTDDFTでは、分子の電子波動関数は外部励起に応答して時間とともに進化する。
本稿では,全電子波動関数の時間的発展を学習するOrbEvoを提案する。
論文 参考訳（メタデータ） (2026-03-03T20:34:05Z) - QRC-Lab: An Educational Toolbox for Quantum Reservoir Computing [0.0]
Quantum Reservoir Computing (QRC)は、Noisy Intermediate-Scale Quantum (NISQ)機械学習のための強力なパパラダイムとして登場した。
本稿では,理論量子力学と機械学習の作業フローのギャップを埋めるために設計された,オープンソースのモジュール型PythonフレームワークであるQRC-Labを紹介する。
論文 参考訳（メタデータ） (2026-02-03T13:38:56Z) - 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) - Towards Quantum Enhanced Adversarial Robustness with Rydberg Reservoir Learning [45.92935470813908]
量子コンピューティング貯水池(QRC)は、量子多体系に固有の高次元非線形力学を利用する。
近年の研究では、変動回路に基づく摂動量子は逆数の影響を受けやすいことが示されている。
QR学習モデルにおける対向的堅牢性の最初の体系的評価について検討する。
論文 参考訳（メタデータ） (2025-10-15T12:17:23Z) - Quantum reservoir computing for predicting and characterizing chaotic maps [0.3966519779235704]
量子貯水池コンピューティングは、時間データを効率的に処理するために量子システムを利用するための有望なパラダイムとして登場した。
離散非線形写像におけるカオス力学の予測と特徴付けのためのこのアプローチの能力を実証する。
その結果、複雑な力学系をモデリングするためのスケーラブルで耐雑音性の高いツールとして量子貯水池コンピューティングが注目されている。
論文 参考訳（メタデータ） (2025-09-15T15:55:59Z) - Quantum QSAR for drug discovery [41.94295877935867]
量的構造-活性関係(QSAR)モデリングは、薬物発見の鍵となる。
本研究では,量子支援ベクトルマシン(QSVM)によるQSAR技術の向上を提案する。
量子データ符号化と量子カーネル関数を用いて,より正確かつ効率的な予測モデルの構築を目指す。
論文 参考訳（メタデータ） (2025-05-06T17:58:33Z) - Temporally Consistent Koopman Autoencoders for Forecasting Dynamical Systems [38.36312939874359]
時間的に一貫したクープマンオートエンコーダ(tcKAE)を導入する。
tcKAEは、限られたノイズの多いトレーニングデータであっても、正確な長期予測を生成する。
我々は、様々なテストケースにおいて、最先端のKAEモデルよりもtcKAEの優れた性能を実証的に示す。
論文 参考訳（メタデータ） (2024-03-19T00:48:25Z) - Data-driven Quantum Dynamical Embedding Method for Long-term Prediction on Near-term Quantum Computers [6.1549556540537855]
量子力学埋め込み(QDE)を用いた時系列予測のためのデータ駆動手法を提案する。
時系列長の独立性に基づき、この手法は深さ効率の高い量子回路を実現する。
数値シミュレーションは、波動信号だけでなく、NARMAのようなより複雑な信号も予測できることを示す。
論文 参考訳（メタデータ） (2023-05-25T12:12:49Z) - When BERT Meets Quantum Temporal Convolution Learning for Text
Classification in Heterogeneous Computing [75.75419308975746]
本研究は,変分量子回路に基づく垂直連合学習アーキテクチャを提案し,テキスト分類のための量子化事前学習BERTモデルの競争性能を実証する。
目的分類実験により,提案したBERT-QTCモデルにより,SnipsおよびATIS音声言語データセットの競合実験結果が得られた。
論文 参考訳（メタデータ） (2022-02-17T09:55:21Z) - Computing molecular excited states on a D-Wave quantum annealer [52.5289706853773]
分子系の励起電子状態の計算にD波量子アニールを用いることを実証する。
これらのシミュレーションは、太陽光発電、半導体技術、ナノサイエンスなど、いくつかの分野で重要な役割を果たしている。
論文 参考訳（メタデータ） (2021-07-01T01:02:17Z)
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。