MétaCan
Menu
Retour à la cohorte
Enregistrement W4289543899 · doi:10.48550/arxiv.1809.05523

Postponing the orthogonality catastrophe: efficient state preparation\n for electronic structure simulations on quantum devices

2018· preprint· en· W4289543899 sur OpenAlexaff
Norm M. Tubman, Carlos Mejuto-Zaera, Jeffrey M. Epstein, Diptarka Hait, Daniel S. Levine, William J. Huggins, Jiang Zhang, Jarrod R. McClean, Ryan Babbush, Martin Head‐Gordon, K. Birgitta Whaley

Notice bibliographique

RevuearXiv (Cornell University) · 2018
Typepreprint
Langueen
DomaineComputer Science
ThématiqueQuantum Computing Algorithms and Architecture
Établissements canadiensGoogle (Canada)
Organismes subventionnairesnon disponible
Mots-clésOrthogonalityRotation formalisms in three dimensionsStatistical physicsGround stateQuantumHubbard modelQuantum stateEmbeddingElectronic structureFock spaceState (computer science)Computer sciencePhysicsQuantum mechanicsTopology (electrical circuits)MathematicsAlgorithm

Résumé

récupéré en direct d'OpenAlex

Despite significant work on resource estimation for quantum simulation of\nelectronic systems, the challenge of preparing states with sufficient ground\nstate support has so far been largely neglected. In this work we investigate\nthis issue in several systems of interest, including organic molecules,\ntransition metal complexes, the uniform electron gas, Hubbard models, and\nquantum impurity models arising from embedding formalisms such as dynamical\nmean-field theory. Our approach uses a state-of-the-art classical technique for\nhigh-fidelity ground state approximation. We find that easy-to-prepare single\nSlater determinants such as the Hartree-Fock state often have surprisingly\nrobust support on the ground state for many applications of interest. For the\nmost difficult systems, single-determinant reference states may be\ninsufficient, but low-complexity reference states may suffice. For this we\nintroduce a method for preparation of multi-determinant states on quantum\ncomputers.\n

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,029
Tête enseignante GPT0,218
Écart entre enseignants0,189 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations37
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetQuantum Computing Algorithms and ArchitectureTravaux en français237 207