QIRT Benzene Ring Hardware Benchmark Dataset (IBM Sherbrooke, July 2025)
Notice bibliographique
Résumé
This dataset provides the raw hardware outputs, circuit details, and analysis results from experimental demonstrations of Quantum Information Refinement Theory (QIRT) applied to a 6-qubit benzene ring model, executed on the IBM Sherbrooke quantum processor in July 2025. QIRT introduces a new class of quantum algorithms designed to preserve and refine quantum delocalization, coherence, and symmetry beyond what is achievable with standard VQE or chemistry methods. The dataset includes: The exact OpenQASM circuit (MOLE.qasm) used for the experiment. Raw job metadata and bitstring result files from the IBM QPU. A grouped symmetry-class CSV and supporting Python scripts for reproducibility and entropy analysis. Device calibration files for full auditability. Key results include a symmetry entropy of 5.51 bits (out of 5.93 maximum), confirming near-ideal quantum delocalization and ring symmetry in hardware—an unprecedented achievement in quantum chemistry simulation. All data is released for scientific benchmarking and transparency under the Creative Commons Attribution 4.0 International License.The underlying QIRT method, algorithms, and software are protected by US Provisional Patent Application 63/826,473 and the Business Source License 1.1 (BSL 1.1).Commercial or research integration of QIRT algorithms, code, or firmware is strictly prohibited without written permission.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,032 | 0,039 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».