論文の概要: Resource efficient Sample Based Quantum Simulation through Fragmentation and Virtual Partitioning of QPU

• arxiv url: http://arxiv.org/abs/2610.41986v1
• Date: Fri, 30 Oct 2026 16:33:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.810956
• Title: Resource efficient Sample Based Quantum Simulation through Fragmentation and Virtual Partitioning of QPU
• Title（参考訳）: QPUのフラグメンテーションと仮想分割による資源効率のよいサンプルベース量子シミュレーション
• Abstract要約: 現在の量子中心スーパーコンピュータにおけるサンプルベースの量子アルゴリズムは、かなり古典的な後処理を必要とする。 本稿では,資源効率の高いサンプルベースフレームワークであるFMO-QVM-HCI-HSQDを紹介する。 ibm_marrakesh と ibm_boston で, 最大52量子ビットのカルモファー_Mpro 錯体と水トリマーのアルゴリズムを実証した。
• 参考スコア（独自算出の注目度）: 0.3127125540508939
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Present-day sample-based quantum algorithms within quantum-centric supercomputing workflows require substantial classical post-processing, large circuit depths to produce chemically relevant samples, and long QPU times to execute the many circuits needed for molecules of chemically relevant size. We introduce FMO-QVM-HCI-HSQD, a resource-efficient sample-based framework that breaks a large problem into fragments, runs the fragments in parallel on virtual regions of the QPU, and reduces circuit depth through a half-qubit ansatz whose samples seed an HCI expansion. We demonstrate the algorithm on ibm_marrakesh and ibm_boston for the water trimer and the carmofur_Mpro complex with up to 52 qubits, benchmarking against FMO-CCSD(T), FMO-CASCI and FMO-HCI. For the water trimer (14 spin orbitals for monomers, 28 for dimers), our method reduces the two-qubit depth by 39% compared to FMO-QVM-SQD and the QPU time by 82% compared to sequential FMO-SQD, and accesses 3% of the determinant subspace versus 40% for FMO-SQD, while achieving more accurate energies. For the carmofur_Mpro complex (16 and 32 spin orbitals), it reduces the two-qubit depth by 47% and the QPU time by 20% compared to FMO-QVM-SQD, and accesses 0.007% of the determinant subspace versus 40%, while remaining within chemical accuracy. Extending the carmofur_Mpro active space in the 6-31G basis to 52 and 104 spin orbitals, sampled on 26 and 52 qubits, the total energy deviates from FMO-HCI by only 1.22 mHa. These results show that combining fragmentation, virtual QPU partitioning and half-qubit sampling makes sample-based quantum simulation of chemically relevant systems feasible on current hardware.
• Abstract（参考訳）: 量子中心のスーパーコンピュータワークフローにおける現在のサンプルベースの量子アルゴリズムは、化学的に関連のあるサンプルを生成するために大規模な回路深度、化学的に関連のあるサイズの分子に必要な多くの回路を実行するために長いQPU時間を必要とする。 資源効率の高いサンプルベースフレームワークであるFMO-QVM-HCI-HSQDを導入し、大きな問題を断片化し、QPUの仮想領域上で並列にフラグメントを実行し、サンプルがHCI拡張をシードする半量子アンサッツを介して回路深さを削減する。 我々は, 最大52キュービットの水トリマーとカルモファー_Mpro錯体に対するibm_marrakeshとibm_bostonのアルゴリズムを実証し, FMO-CCSD(T), FMO-CASCI, FMO-HCIに対してベンチマークを行った。 FMO-QVM-SQDと比較して2キュービットの深さを39%減らし, シーケンシャルなFMO-SQDに比べてQPU時間を82%減らし, FMO-SQDの行列部分空間の3%とFMO-SQDの40%に近づき, より正確なエネルギーを得る。 カルモファー_Mpro錯体(16および32スピン軌道)では、FMO-QVM-SQDと比較して2量子ビットの深さを47%、QPU時間を20%減少させ、決定部分空間の0.007%を化学的精度で保持する。 6-31Gベースでカルモフール_Mpro活性空間を52と104のスピン軌道に拡張し、26と52キュービットでサンプルし、総エネルギーはFMO-HCIからわずか1.22mHaまで減少する。 これらの結果は, フラグメンテーション, 仮想QPUパーティショニング, 半量子サンプリングを組み合わせることで, 現在のハードウェア上での化学関連システムのサンプルベース量子シミュレーションが実現可能であることを示す。

関連論文リスト

• Demonstration of Parallel Multi-QPU Execution for Fragment-Based Quantum Chemistry Using On-Premises Hardware [2.257337476874319]
  フラグメント分子軌道(FMO)量子化学は並列量子コンピューティングへの自然な経路を提供する。 オークリッジ・リーダーシップ・コンピューティング・ファシリティ(Oak Ridge Leadership Computing Facility)の現場に設置された3つの室温ダイヤモンドベースの量子コンピュータ「Quoll」の並列FMO計算を実演する。
  論文  参考訳（メタデータ） (2026-10-06T03:52:10Z)
• Exploring pathways towards quantum advantage in quantum chemistry: the case of a molecule with half-Möbius topology [30.163028966064545]
  半室電子トポロジーを示す分子の超伝導量子プロセッサ上での量子化学計算について報告する。 ランダム化されたサンプルベースKrylov量子対角化アルゴリズムであるSqDRIFTを用いて、36の軌道(72量子ビット)に対応する活性空間上の信頼性の高い量子シミュレーションを行い、以前の研究を50の軌道(100量子ビット)まで拡張する。
  論文  参考訳（メタデータ） (2026-03-09T17:55:39Z)
• Noise-Resilient Quantum Chemistry with Half the Qubits [0.0]
  本稿では, 半量子量子対角化法であるHSQDを導入する。 HSQDはIBM量子ハードウェア上でのSQDの精度と一致する。 その結果、半量子SQDは強相関化学における実用的な量子優位性へのノイズ耐性と資源効率の経路として確立された。
  論文  参考訳（メタデータ） (2026-02-01T11:34:37Z)
• Efficient charge-preserving excited state preparation with variational quantum algorithms [33.03471460050495]
  本稿では、対称性と対応する保存電荷をVQDフレームワークに組み込むために設計された電荷保存型VQD(CPVQD)アルゴリズムを紹介する。 その結果、高エネルギー物理学、核物理学、量子化学への応用が示された。
  論文  参考訳（メタデータ） (2024-10-18T10:30:14Z)
• 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)
• Size-consistency and orbital-invariance issues revealed by VQE-UCCSD calculations with the FMO scheme [0.0]
  フラグメント分子軌道 (FMO) スキームは、フラグメント化に基づく一般的な手法の1つである。 我々は、FMO計算の電子相関部分を実行するために、GPU加速量子シミュレータ(cuQuantum)を使用した。
  論文  参考訳（メタデータ） (2024-02-28T02:16:14Z)
• 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)
• Iterative Qubit Coupled Cluster using only Clifford circuits [36.136619420474766]
  古典的に容易に生成できる理想的な状態準備プロトコルを特徴付けることができる。 繰り返し量子ビット結合クラスタ(iQCC)の変種を導入して,これらの要件を満たす手法を提案する。 本研究では, チタン系化合物Ti(C5H5)(CH3)3と (20, 20) 活性空間の複雑な系に研究を拡張した。
  論文  参考訳（メタデータ） (2022-11-18T20:31:10Z)
• Accurate Machine Learned Quantum-Mechanical Force Fields for Biomolecular Simulations [51.68332623405432]
  分子動力学(MD)シミュレーションは、化学的および生物学的プロセスに関する原子論的な洞察を可能にする。 近年,MDシミュレーションの代替手段として機械学習力場(MLFF)が出現している。 本研究は、大規模分子シミュレーションのための正確なMLFFを構築するための一般的なアプローチを提案する。
  論文  参考訳（メタデータ） (2022-05-17T13:08:28Z)

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。