論文の概要: Machine learning quantum data to accelerate quantum Monte Carlo

• arxiv url: http://arxiv.org/abs/2611.08151v1
• Date: Thu, 05 Nov 2026 15:10:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-07 04:55:13.556864
• Title: Machine learning quantum data to accelerate quantum Monte Carlo
• Title（参考訳）: 量子モンテカルロを加速する機械学習量子データ
• Abstract要約: 分子や材料における強い相関電子のシミュレーションは、量子コンピューティングの中心的な目標である。 量子計測データを機械学習モデルに圧縮することで、このボトルネックを克服する。 これは量子古典的QMCを桁違いに加速し、最大40量子ビットでの化学的に正確な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）: 9.232916160495959
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Simulating strongly correlated electrons in molecules and materials remains a central goal for quantum computing. A promising strategy uses quantum processors to prepare trial wavefunctions that guide classical quantum Monte Carlo (QMC). However, the enormous computational cost of repeatedly processing quantum measurements has severely limited the practical scalability of this approach. Here, we overcome this bottleneck by compressing quantum measurement data into machine-learning models that efficiently provide the wavefunction overlaps needed by QMC. This accelerates quantum-classical QMC by orders of magnitude, enabling chemically accurate simulations on up to 40 qubits, more than doubling the scale of previous hardware demonstrations with comparable accuracy. We demonstrate our approach on hydrogen chains and strongly correlated iron-sulfur clusters using measurements from Google's Willow processor. By enabling efficient reuse of quantum-state information on the classical coprocessor, our framework addresses a fundamental bottleneck in hybrid quantum algorithms that will persist even into the fault-tolerant era.
• Abstract（参考訳）: 分子や材料における強い相関電子のシミュレーションは、量子コンピューティングの中心的な目標である。 有望な戦略は量子プロセッサを使用して古典的量子モンテカルロ(QMC)を導く実験波動関数を作成する。 しかし、量子計測を繰り返し処理する膨大な計算コストは、このアプローチの実用的スケーラビリティを著しく制限している。 本稿では、QMCが必要とする波動関数の重なりを効率的に提供する機械学習モデルに量子計測データを圧縮することで、このボトルネックを克服する。 これにより、量子古典的なQMCを桁違いに加速し、40キュービットまでの化学的に正確なシミュレーションを可能にします。 我々は,GoogleのWilowプロセッサを用いて,水素鎖と強い相関を持つ鉄硫黄クラスターに対するアプローチを実証した。 従来のコプロセッサ上での量子状態情報の効率的な再利用を可能にすることで、我々のフレームワークは、フォールトトレラント時代でさえ持続するハイブリッド量子アルゴリズムの根本的なボトルネックに対処する。

関連論文リスト

• A Hybrid Quantum-Classical Approach for Melt Pool Prediction in Laser Powder Bed Fusion [0.0]
  レーザーパウダーベッド融合(LPBF)は品質保証に苦しむ有望な添加性製造技術である。 本稿では,量子コンピューティングを応用し,プロセスパラメータの特徴抽出を改善するハイブリッド量子古典モデルの実践例を示す。 提案手法を量子シミュレーターを用いて実演し、計測ショットノイズがネットワークの予測性能に与える影響を分析し、量子ハードウェアを用いて結果を検証する。
  論文  参考訳（メタデータ） (2026-06-17T03:11:18Z)
• 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)
• Solving an Industrially Relevant Quantum Chemistry Problem on Quantum Hardware [31.15746974078601]
  我々は、捕捉されたイオン量子ハードウェア上で、工業的に関係があり、強く相関する金属キレートの活性空間ハミルトニアンの最低エネルギー固有値を算出する。 量子ハードウェア上で変分量子アルゴリズムを訓練し,次に量子回路の出力として測定された状態の部分空間における古典的対角化を施すことにより,化学的精度を実現することができる。
  論文  参考訳（メタデータ） (2024-08-20T12:50:15Z)
• The curse of random quantum data [62.24825255497622]
  量子データのランドスケープにおける量子機械学習の性能を定量化する。 量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。 この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
  論文  参考訳（メタデータ） (2024-08-19T12:18:07Z)
• Practical Few-Atom Quantum Reservoir Computing [0.0]
  量子Reservoir Computing (QRC) は、複雑な計算問題に異常な効率とエネルギー使用量の最小化で対処するために量子システムを利用する。 本稿では、光学キャビティ内の2レベル原子をわずかに含む最小限の量子貯水池を利用するQRCフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-08T04:14:31Z)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• Anticipative measurements in hybrid quantum-classical computation [68.8204255655161]
  量子計算を古典的な結果によって補う手法を提案する。 予測の利点を生かして、新しいタイプの量子測度がもたらされる。 予測量子測定では、古典計算と量子計算の結果の組み合わせは最後にのみ起こる。
  論文  参考訳（メタデータ） (2022-09-12T15:47:44Z)
• Quantum Federated Learning with Quantum Data [87.49715898878858]
  量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。 本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-30T12:19:27Z)
• Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
  53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。 演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
  論文  参考訳（メタデータ） (2021-01-21T22:18:49Z)
• Quantum simulation of open quantum systems in heavy-ion collisions [0.0]
  本稿では,量子コンピュータ上での高温・強結合クォークグルーオンプラズマ(QGP)における重クォークやジェットなどのハードプローブのダイナミクスをシミュレーションする枠組みを提案する。 我々の研究は、現在および短期量子デバイス上でのオープン量子システムをシミュレートできる可能性を示している。
  論文  参考訳（メタデータ） (2020-10-07T18:00:02Z)
• Simulating quantum chemistry in the seniority-zero space on qubit-based quantum computers [0.0]
  計算量子化学の近似をゲートベースの量子コンピュータ上で分子化学をシミュレートする手法と組み合わせる。 基本集合を増大させるために解放された量子資源を用いることで、より正確な結果が得られ、必要な数の量子コンピューティングの実行が削減されることが示される。
  論文  参考訳（メタデータ） (2020-01-31T19:44:37Z)

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。