面向资源高效分子仿真的量子Car-Parrinello分子动力学与经典阴影
量子物理
2024-06-28 v1
摘要
Ab-initio分子动力学(AIMD)是模拟分子物理运动、调查材料性质的强大工具。尽管AIMD在某些应用中取得成功，但规避其高计算成本对于执行大规模和长时间仿真至关重要。近期，面向近期量子计算机的方案引起了广泛关注。具体而言，Kuroiwa等人提出了一种新的AIMD方法，称为量子Car-Parrinello分子动力学(QCPMD)，其利用Car-Parrinello方法和Langevin公式，在平衡状态下实现成本效益的仿真。本文在该QCPMD方法基础上引入经典阴影技术，以进一步提高仿真的资源效率。更准确地说，经典阴影用于同时估计所有原子核的力，从而在分子数量增加时更为有效。我们在 分子上数值研究了该方案的性能，结果表明QCPMD结合经典阴影能够模拟平衡状态。我们的结果将为在当前可用的量子计算机上进行高效AIMD仿真提供一些见解。
引用
@article{arxiv.2406.18797,
title = {A Study on Quantum Car-Parrinello Molecular Dynamics with Classical Shadows for Resource Efficient Molecular Simulation},
author = {Honomi Kashihara and Yudai Suzuki and Kenji Yasuoka},
journal= {arXiv preprint arXiv:2406.18797},
year = {2024}
}