Machine-Learned Compact Subspace Generation for Quantum Selected Configuration Interaction within Density Matrix Embedding Framework
Questo articolo introduce un protocollo potenziato dall'apprendimento automatico, QSCI-RBM, integrato con la Density Matrix Embedding Theory per generare sottospazi di configurazione compatti e ad alta probabilità utilizzando le Restricted Boltzmann Machines, ottenendo con successo l'accuratezza chimica nella simulazione della proteasi principale del SARS-CoV-2 con requisiti di sottospazio significativamente ridotti rispetto ai metodi standard.