arXiv · AI· Doriela Grabocka, Dimitrios Christofidellis, Federico Zipoli, Anna van Elst, Patrick Ruch, Antonio Foncubierta-Rodr\'iguez, Siddhartha Mishra, Matteo Manica·· 4 天前AI 评分23
基于采样量子对角化中利用AI进行参数选择
AI for Parameter Selection in Sample-based Quantum Diagonalization
AI 导读
机器学习模型能根据Hamiltonian预测SKQD算法最优配置,Spearman秩相关系数达0.969(误差)和0.905(运行时间)。 在50个分子(20-50 qubits)上,模型预测化学精度($1.6\times10^{-3}$ Ha)可行性,对5个较大留出分子分类准确率为100%。 该预评估方法帮助判断分子在当前量子硬件上的模拟可行性与资源需求。
来源:arXiv · AI · arxiv.org