生成量子固有値ソルバーにおける量子演算子に対するSMILESに着想を得た転移学習
なぜ重要か: 企業や社会への影響が見込まれ、一般メディアにも波及する可能性があります。
arXiv:2509.19715v1発表タイプ：クロス
要旨：従来の変分量子固有値ソルバー(VQE)アルゴリズムの固有の限界を踏まえ、深層生成モデルをハイブリッド量子古典計算フレームワーク、特にGenerative Quantum Eigensolver(GQE)に統合することは、有望な革新的なアプローチと言える。しかし、量子化学で広く用いられるUnitary Coupled Cluster with Singles and Doubles(UCCSD) ansatzを例にとると、異なる分子系では異なる量子演算子の構築が必要となる。異なる分子間の類似性を考慮すると、その類似性を活用した量子演算子の構築により、計算コストを大幅に削減できる。計算化学におけるSMILES表現法に着想を得て、異なる分子系間の固有の表現上の類似性を活用することで、UCCSD量子演算子に対するテキストベースの表現アプローチを開発した。本フレームワークは、量子演算子におけるテキストパターンの類似性を探索し、テキスト類似度指標を用いて転移学習フレームワークを確立する。単純なベースライン設定による我々のアプローチは、GQEパラダイム内での基底状態エネルギー計算において、異なる分子系間の知識転移を実証する。この発見は、分子基底状態エネルギーのハイブリッド量子古典計算において、計算資源の要求を大幅に削減するという大きな利点を提供する。
原文（英語）を表示
Title (EN): SMILES-Inspired Transfer Learning for Quantum Operators in Generative Quantum Eigensolver
arXiv:2509.19715v1 Announce Type: cross
Abstract: Given the inherent limitations of traditional Variational Quantum Eigensolver(VQE) algorithms, the integration of deep generative models into hybrid quantum-classical frameworks, specifically the Generative Quantum Eigensolver(GQE), represents a promising innovative approach. However, taking the Unitary Coupled Cluster with Singles and Doubles(UCCSD) ansatz which is widely used in quantum chemistry as an example, different molecular systems require constructions of distinct quantum operators. Considering the similarity of different molecules, the construction of quantum operators utilizing the similarity can reduce the computational cost significantly. Inspired by the SMILES representation method in computational chemistry, we developed a text-based representation approach for UCCSD quantum operators by leveraging the inherent representational similarities between different molecular systems. This framework explores text pattern similarities in quantum operators and employs text similarity metrics to establish a transfer learning framework. Our approach with a naive baseline setting demonstrates knowledge transfer between different molecular systems for ground-state energy calculations within the GQE paradigm. This discovery offers significant benefits for hybrid quantum-classical computation of molecular ground-state energies, substantially reducing computational resource requirements.
Published: 2025-09-24 19:00 UTC