Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Woodward–Hoffmann Selection Rules and Microscopic Reversibility01:34

Woodward–Hoffmann Selection Rules and Microscopic Reversibility

3.3K
Electrocyclic reactions, cycloadditions, and sigmatropic rearrangements are concerted pericyclic reactions that proceed via a cyclic transition state. These reactions are stereospecific and regioselective. The stereochemistry of the products depends on the symmetry characteristics of the interacting orbitals and the reaction conditions. Accordingly, pericyclic reactions are classified as either symmetry-allowed or symmetry-forbidden. Woodward and Hoffmann presented the selection criteria for...
3.3K
Hybridization of Atomic Orbitals II03:35

Hybridization of Atomic Orbitals II

33.7K
sp3d and sp3d 2 Hybridization
33.7K
Ampere-Maxwell's Law: Problem-Solving01:17

Ampere-Maxwell's Law: Problem-Solving

748
A parallel-plate capacitor with capacitance C, whose plates have area A and separation distance d, is connected to a resistor R and a battery of voltage V. The current starts to flow at t = 0. What is the displacement current between the capacitor plates at time t? From the properties of the capacitor, what is the corresponding real current?
To solve the problem, we can use the equations from the analysis of an RC circuit and Maxwell's version of Ampère's law.
For the first part of...
748
Hybridization of Atomic Orbitals I03:24

Hybridization of Atomic Orbitals I

48.9K
The mathematical expression known as the wave function, ψ, contains information about each orbital and the wavelike properties of electrons in an isolated atom. When atoms are bound together in a molecule, the wave functions combine to produce new mathematical descriptions that have different shapes. This process of combining the wave functions for atomic orbitals is called hybridization and is mathematically accomplished by the linear combination of atomic orbitals. The new orbitals that...
48.9K
Mechanistic Models: Compartment Models in Algorithms for Numerical Problem Solving01:29

Mechanistic Models: Compartment Models in Algorithms for Numerical Problem Solving

100
Mechanistic models play a crucial role in algorithms for numerical problem-solving, particularly in nonlinear mixed effects modeling (NMEM). These models aim to minimize specific objective functions by evaluating various parameter estimates, leading to the development of systematic algorithms. In some cases, linearization techniques approximate the model using linear equations.
In individual population analyses, different algorithms are employed, such as Cauchy's method, which uses a...
100
Second-Order Circuits01:17

Second-Order Circuits

1.6K
Integrating two fundamental energy storage elements in electrical circuits results in second-order circuits, encompassing RLC circuits and circuits with dual capacitors or inductors (RC and RL circuits). Second-order circuits are identified by second-order differential equations that link input and output signals.
Input signals typically originate from voltage or current sources, with the output often representing voltage across the capacitor and/or current through the inductor. For example, in...
1.6K

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

The Quantum Optimization Benchmarking Library.

Nature computational science·2026
Same author

Thermodynamics-Informed Machine Learning of Organic Electrode Material Solubility in Nonaqueous Electrolytes.

The journal of physical chemistry. B·2026
Same author

Assessing orbital optimization in variational and diffusion Monte Carlo.

The Journal of chemical physics·2026
Same author

Many-Body Benchmark of Electronic Charge and Spin Densities for Li<sub>1-<i>x</i></sub>NiO<sub>2</sub>.

Journal of chemical theory and computation·2026
Same author

Artificial intelligence for quantum computing.

Nature communications·2025
Same author

Multireference diffusion Monte Carlo reaches 2D materials.

Scientific reports·2025

Video Experimental Relacionado

Updated: Sep 9, 2025

Scalable Quantum Integrated Circuits on Superconducting Two-Dimensional Electron Gas Platform
05:39

Scalable Quantum Integrated Circuits on Superconducting Two-Dimensional Electron Gas Platform

Published on: August 2, 2019

9.7K

Optimización sustitutiva de circuitos cuánticos variacionales

Erik J Gustafson1, Juha Tiihonen2, Diana Chamaki3

  • 1Universities Space Research Association, Research Institute for Advanced Computer Science at NASA Ames Research Center, Moffett Field, CA 94035.

Proceedings of the National Academy of Sciences of the United States of America
|September 2, 2025
PubMed
Resumen
Este resumen es generado por máquina.

Este estudio introduce un enfoque de optimización sustituto para mejorar el rendimiento del propio solucionador cuántico variacional (VQE). Mediante el uso de simuladores clásicos para aproximar Hessians, acelera la convergencia para los cálculos cuánticos ruidosos.

Palabras clave:
estructura electrónicacomputación cuánticaalgoritmos cuánticos de variación

Más Videos Relacionados

Quantum State Engineering of Light with Continuous-wave Optical Parametric Oscillators
09:23

Quantum State Engineering of Light with Continuous-wave Optical Parametric Oscillators

Published on: May 30, 2014

14.6K
Large Scale Energy Efficient Sensor Network Routing Using a Quantum Processor Unit
05:30

Large Scale Energy Efficient Sensor Network Routing Using a Quantum Processor Unit

Published on: September 8, 2023

657

Videos de Experimentos Relacionados

Last Updated: Sep 9, 2025

Scalable Quantum Integrated Circuits on Superconducting Two-Dimensional Electron Gas Platform
05:39

Scalable Quantum Integrated Circuits on Superconducting Two-Dimensional Electron Gas Platform

Published on: August 2, 2019

9.7K
Quantum State Engineering of Light with Continuous-wave Optical Parametric Oscillators
09:23

Quantum State Engineering of Light with Continuous-wave Optical Parametric Oscillators

Published on: May 30, 2014

14.6K
Large Scale Energy Efficient Sensor Network Routing Using a Quantum Processor Unit
05:30

Large Scale Energy Efficient Sensor Network Routing Using a Quantum Processor Unit

Published on: September 8, 2023

657

Área de la Ciencia:

  • La computación cuántica
  • Física computacional
  • Algoritmos de optimización

Sus antecedentes:

  • Los propios solucionadores cuánticos variacionales (VQE) son algoritmos cuánticos prometedores a corto plazo.
  • Los métodos actuales de EQV se enfrentan a desafíos con la optimización en entornos ruidosos, lo que limita las aplicaciones prácticas y las reclamaciones de ventajas cuánticas.
  • La convergencia mejorada es crucial para acelerar las capacidades del hardware cuántico a corto plazo.

Objetivo del estudio:

  • Desarrollar y demostrar un nuevo enfoque de optimización de sustitución para algoritmos cuánticos variacionales.
  • Abordar los desafíos de la convergencia de la optimización en presencia de ruido para la EQV.
  • Mejorar la eficiencia y aplicabilidad de los métodos híbridos cuántico-clásicos.

Principales métodos:

  • Utilizó la simulación de circuitos modernos y las técnicas de optimización clásica estocástica.
  • Desarrolló un enfoque de optimización sustituto que combina simuladores de vectores de estado aproximado clásicos (CPU / GPU) con unidades de procesamiento cuántico (QPU).
  • Empleado un Hessian aproximado calculado a través de la simulación clásica como entrada para simuladores de circuitos cuánticos o exactos, lo que permite la paralelización a través de QPU.

Principales resultados:

  • Implementó con éxito un método de optimización de sustituto para circuitos cuánticos.
  • Se ha demostrado la eficacia del enfoque con y sin muestreo de ruido.
  • Realizamos una demostración de principio en una unidad de procesamiento cuántico de 40 qubits.

Conclusiones:

  • El enfoque de optimización subrogada mejora significativamente la convergencia de los algoritmos cuánticos variacionales.
  • Este método ofrece una estrategia viable para acelerar las capacidades de hardware cuántico a corto plazo para VQE y otras tareas de optimización híbrida.
  • La naturaleza paralelizable del enfoque lo hace adecuado para escalar a través de múltiples unidades de procesamiento cuántico.