MétaCan
Menu
Retour à la cohorte
Enregistrement W7133030517

Quantum and quantum-inspired algorithms for the electronic structure problem

2024· dissertation· W7133030517 sur OpenAlexaff
Robert A. Lang

Notice bibliographique

RevueTSpace · 2024
Typedissertation
Langue
DomaineComputer Science
ThématiqueQuantum Computing Algorithms and Architecture
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésElectronic structureHamiltonian (control theory)QubitQuantum algorithmCoupled clusterQuantumCurse of dimensionalityQuantum computer
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Ab initio quantum chemistry simulations are crucially useful for the accurate prediction andunderstanding of chemical phenomena. The quality of such simulations rely heavily on precise solutions to the electronic structure problem. To facilitate the approximate yet efficient solving of the electronic structure problem, many methods rely on a set of problem assumptions, such as the validity of truncations of the fermionic excitation hierarchy, or active space selections. In this work, we describe black-box algorithms for the electronic structure problem, namely the iterative qubit coupled cluster (iQCC) algorithm along with a few of its variants and extensions. The iQCC method is a variational adaptive technique, where an iteratively updated effective Hamiltonian directly guides the selection of transformation generators of the next iteration. We describe the algorithm in detail, and introduce variations of the algorithm to alleviate the proliferation of terms in the effective Hamiltonians. Finally, we describe how the algorithm can be modified to perform simultaneuous determination of ground and excited states. These methods are amenable to implementation using near-term quantum computing devices, and with certain restrictions on meta-parameters, can be implemented as fully classical “quantum-inspired” algorithms. ii

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,014
Tête enseignante GPT0,300
Écart entre enseignants0,286 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTSpaceMême sujetQuantum Computing Algorithms and ArchitectureTravaux en français237 207