MATLAB bietet ein Supportpaket, das die Weiterentwicklung des Quantencomputing in der Chemie unterstützt. Wissenschaftler können damit Quantenalgorithmen für molekulare und Materialanwendungen modellieren, simulieren und analysieren. MATLAB stellt außerdem integrierte Tools bereit und lässt sich in beliebte Quanten-Hardwareplattformen integrieren. Damit unterstützt es die Entwicklung und Bereitstellung von Quanten-Workflows für computergestützte Chemie, Wirkstoffsuche und Molekülentwicklung.
MATLAB bietet folgende Möglichkeiten:
- lokale Simulation von Quantenschaltkreisen und Quantenzuständen zur Lösung von molekularen und chemischen Problemen
- Ausführung von Quantenalgorithmen auf echter Quantenhardware über AWS®- und IBM®-Integrationen
- Anwendung fortschrittlicher Quantentechniken wie variationalen Quanten-Eigensolvern (VQE) für Grundzustandsberechnungen und Proteinfaltung
- Erforschung von Quanten-Monte-Carlo-Simulationen und Quantenoptimierungsmethoden für chemische Systeme
- Entwicklung und Test von quantenneuronalen Netzwerken für chemiebezogene Machine-Learning-Tasks
- Automatisierung, Visualisierung und gemeinsame Nutzung reproduzierbarer quantenchemischer Workflows für Forschung und Lehre
Das MATLAB Support Package for Quantum Computing
Erforschen Sie Quantenalgorithmen, simulieren Sie Schaltkreise und stellen Sie mithilfe des MATLAB Support Package for Quantum Computing eine Verbindung zu echter Quantenhardware her.
Software-Supportpakete
Faltung von Proteinen mithilfe eines variationalen Quanten-Eigensolvers (VQE)
Erfahren Sie, wie Sie Quantencomputing nutzen können, um mit einem variationalen Quanten-Eigensolver (VQE) für MATLAB die Proteinfaltung zu modellieren, die Grundzustandsenergie von Peptidstrukturen zu simulieren und optimierte Schaltkreise auf echten Quantenprozessoren auszuführen.
Quanten-Monte-Carlo-Simulation
Führen Sie Monte-Carlo-Simulationen in MATLAB durch. Entdecken Sie Tools für die Modellierung von Quantensystemen und chemischen Anwendungen.
Beispiele
Quantenneuronale Netze
Erfahren Sie, wie Sie ein hybrides quanten-klassisches neuronales Netzwerk in MATLAB trainieren, um das nichtlineare XOR-Klassifizierungsproblem zu lösen. Kombinieren Sie parametrisierte Quantenschaltkreise mit klassischen Schichten für eine spannende, praxisnahe Erkundung.
