«РТ-Техприемка» представила квантово-химическую платформу Qphorus на конференции «Код индустрии»
该解决方案专为分子结构和性质以及具有指定参数的材料的数字建模和可视化显示而设计
New approach improves accuracy of quantum chemistry simulations using machine learning
以量子精度对分子进行建模的新技巧，朝着揭示流行模拟方法中心的方程式迈出了一步，该方法用于基本化学和材料科学研究。
Machine learning and quantum chemistry unite to simulate catalyst dynamics
催化剂在现代制造中起着必不可少的作用。从制药到塑料，超过80％的制造产品依赖于生产阶段的催化过程。尤其是过渡金属作为高效的催化剂而脱颖而出，因为它们部分填充的D轨道使它们可以轻松地与其他分子交换电子。然而，这种属性使它们具有挑战性地进行准确建模，需要精确描述其电子结构。
Quantum error correction codes enable efficient scaling to hundreds of thousands of qubits
由日本东京科学研究所的科学家开发了一类新的高效且可扩展的量子低密度检查误差校正校正法规，能够接近理论哈希界的性能。这些新型的误差校正代码可以处理数十万个Qubit的量子代码，并有可能实现大规模耐断层的量子计算，并在不同领域中应用，包括量子化学和优化问题。
