はじめに

こちらの論文読みます。

Towards the Practical Application of Near-Term Quantum Computers in Quantum Chemistry Simulations: A Problem Decomposition Approach

By Takeshi Yamazaki, Shunji Matsuura, Ali Narimani, Anushervon Saidmuradov, & Arman Zaribafiyan

https://arxiv.org/abs/1806.01305

短期量子デバイスにおける量子化学シミュレーションの実用化を効率的に行うためのフレームワークを確立する目的で、量子化学における問題分解（PD）技術を活用するためのハイブリッド量子古典的枠組みを想定する。具体的には、PD技術を使用して、ターゲット分子システムを、より少ない計算資源を必要とするより小さなサブシステムに分解する。我々の枠組みでは、ハイブリダイゼーションには2つのレベルがあります。最初のレベルでは、古典的アルゴリズムを使用してターゲット分子をサブシステムに分解し、量子アルゴリズムを利用してサブシステムの量子特性をシミュレートします。 2番目のレベルは量子アルゴリズムです。我々は、量子デバイスを用いた期待値推定と古典的な装置を用いたパラメータ最適化との間で反復する量子古典的変分アルゴリズムを考察する。我々はハイブリッド手法のために、分子軌道（FMO）法、分割征服（DC）法、密度行列埋め込み理論（DMET）の3つのPD技術を研究している。我々は、単純なアルカン分子の立体配座を正確に区別する際のこれらの技術の有効性を調べる。特に、PDの量子ビット数とフルシステムの量子ビット数の比を考慮する。平均絶対偏差。ピアソン相関係数とスピアマンの順位相関係数を用いて計算した。期待値が量子デバイス上で測定されるとき、サンプリング誤差が導入される。そこで、この誤差がPD技術の予測性能にどのように影響するかを調べる。現在の研究は、短期間の量子ハードウェアで業界に関連する分子のサイズに近いスケールで量子化学シミュレーションを使用する可能性を広げるための第一歩です。

勉強会オンラインコミュニティ

随時情報の更新や勉強会の資料が手に入ります。わからないところを質問したり、ニュースの交換があります。
下記招待コードよりぜひご参加ください。

日本語版
https://join.slack.com/t/mdr-qc/shared_invite/enQtMzgxNDI3MTAyNzA3LThmYmRhZjkwYzFiZjRjNWZkNzJhOWMwOWNiYzgxYjdkNWE4ODA5ZWExZGYwZjFjM2RmNjE2ODJlYjgyNzNkNjY

勉強会資料は手に入りませんが、今後英語版も運用しています。国内情報の英語での共有と海外情報の共有。
https://join.slack.com/t/mdrqcglobal/shared_invite/enQtNDIwOTkwODM2NTkyLTg0MmM0ZGVhNTkzMzYxMTY0MjVhYzkyMWI1Y2IwNzMxYzBiYTkwNzc2ZWU5MzhkYTczMTY1MzFlYWUxNDlkMTI