We read every piece of feedback, and take your input very seriously.
To see all available qualifiers, see our documentation.
Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.
By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.
Already on GitHub? Sign in to your account
本研究では合成可能な重水素化Alq3エミッターを設計するための量子-古典ハイブリッド計算手法を紹介する。この設計プロセスは、Alq3のアルミニウムに典型的に結合しているトリス(8-ヒドロキシキノリナト)配位子を用いて行われた。
https://arxiv.org/abs/2110.14836
Qi Gao1,2, Gavin O. Jones3, Takao Kobayashi1, 2 , Michihiko Sugawara2, Hiroki Yamashita1 , Hideaki Kawaguchi2, Shu Tanaka2, and Naoki Yamamoto2
2021/10/28
この設計プロセスでは、まず古典的な量子化学の手法を用いて、Alq3リガンドの発光量子効率を予測した。次に、これらの初期結果を機械学習データセットとして使用し、因数分解マシンベースのモデルを適用してイジングハミルトニアンを構築し、古典的なコンピュータ上で発光量子効率を予測した。その結果、重水素化されたAlq3エミッタ64個すべてについて、13個の学習値を用いて、このような因子分解マシンベースのアプローチで正確な特性予測ができることを示した。さらに、合成制約を加えて別のイジングハミルトニアンを構築し、これを用いて量子シミュレータやデバイス上で、変分量子固有値ソルバー(VQE)や量子近似最適化アルゴリズム(QAOA)を用いた最適化を行い、最適なQEと合成コストを持つ分子を発見することができる。その結果、量子シミュレーター上では、VQEとQAOAの両方の計算により、0.95以上の確率で最適な分子を予測できることがわかった。
The text was updated successfully, but these errors were encountered:
ありがとうございます!著者の所属も載せていただけると嬉しいです(名前的に三菱ケミカル、慶應Q-Hubですね!)
Sorry, something went wrong.
対応しました。
No branches or pull requests
一言でいうと
本研究では合成可能な重水素化Alq3エミッターを設計するための量子-古典ハイブリッド計算手法を紹介する。この設計プロセスは、Alq3のアルミニウムに典型的に結合しているトリス(8-ヒドロキシキノリナト)配位子を用いて行われた。
論文リンク
https://arxiv.org/abs/2110.14836
著者/所属機関
Qi Gao1,2, Gavin O. Jones3, Takao Kobayashi1, 2 , Michihiko Sugawara2, Hiroki Yamashita1 , Hideaki Kawaguchi2, Shu Tanaka2, and Naoki Yamamoto2
投稿日付(yyyy/MM/dd)
2021/10/28
詳細
この設計プロセスでは、まず古典的な量子化学の手法を用いて、Alq3リガンドの発光量子効率を予測した。次に、これらの初期結果を機械学習データセットとして使用し、因数分解マシンベースのモデルを適用してイジングハミルトニアンを構築し、古典的なコンピュータ上で発光量子効率を予測した。その結果、重水素化されたAlq3エミッタ64個すべてについて、13個の学習値を用いて、このような因子分解マシンベースのアプローチで正確な特性予測ができることを示した。さらに、合成制約を加えて別のイジングハミルトニアンを構築し、これを用いて量子シミュレータやデバイス上で、変分量子固有値ソルバー(VQE)や量子近似最適化アルゴリズム(QAOA)を用いた最適化を行い、最適なQEと合成コストを持つ分子を発見することができる。その結果、量子シミュレーター上では、VQEとQAOAの両方の計算により、0.95以上の確率で最適な分子を予測できることがわかった。
The text was updated successfully, but these errors were encountered: