We report the first electronic structure calculation performed on a quantum computer without exponentially costly precompilation. We use a programmable array of superconducting qubits to compute the energy surface of molecular hydrogen using two distinct quantum algorithms. First, we experimentally execute the unitary coupled cluster method using the variational quantum eigensolver. Our efficient implementation predicts the correct dissociation energy to within chemical accuracy of the numerically exact result. Second, we experimentally demonstrate the canonical quantum algorithm for chemistry, which consists of Trotterization and quantum phase estimation. We compare the experimental performance of these approaches to show clear evidence that the variational quantum eigensolver is robust to certain errors. This error tolerance inspires hope that variational quantum simulations of classically intractable molecules may be viable in the near future.

Water-based drilling fluids are increasingly being used for oil and gas exploration, and are generally considered to be more environmentally acceptable than oil-based or synthetic-based fluids. Unfortunately, their use facilitates clay hydration and swelling. Clay swelling, which occurs in exposed sedimentary rock formations, can have an adverse impact on drilling operations and may lead to significantly increased oil well construction costs. Minimizing clay swelling is therefore an important area attracting a large amount of interest from both academia and industry. To effectively reduce the extent of clay swelling the mechanism by which clay minerals swell needs to be understood so that efficient swelling inhibitors may be developed. Acceptable clay swelling inhibitors must not only significantly reduce clay hydration, but must also meet increasingly stringent environmental guidelines while remaining cost effective. The development of these inhibitors, which are generally based upon water soluble polymers, therefore represents a challenge to oilfield geochemistry. This review aims to provide a comprehensive understanding of the mechanism by which clay minerals swell and what steps have been taken in the development of effective and environmentally friendly clay swelling inhibitors.

ADVERTISEMENT RETURN TO ISSUEPREVArticleNEXTMonte Carlo Molecular Modeling Studies of Hydrated Li-, Na-, and K-Smectites: Understanding the Role of Potassium as a Clay Swelling InhibitorE. S. Boek, P. V. Coveney, and N. T. SkipperCite this: J. Am. Chem. Soc. 1995, 117, 50, 12608–12617Publication Date (Print):December 1, 1995Publication History Published online1 May 2002Published inissue 1 December 1995https://pubs.acs.org/doi/10.1021/ja00155a025https://doi.org/10.1021/ja00155a025research-articleACS PublicationsRequest reuse permissionsArticle Views2449Altmetric-Citations435LEARN ABOUT THESE METRICSArticle Views are the COUNTER-compliant sum of full text article downloads since November 2008 (both PDF and HTML) across all institutions and individuals. These metrics are regularly updated to reflect usage leading up to the last few days.Citations are the number of other articles citing this article, calculated by Crossref and updated daily. Find more information about Crossref citation counts.The Altmetric Attention Score is a quantitative measure of the attention that a research article has received online. Clicking on the donut icon will load a page at altmetric.com with additional details about the score and the social media presence for the given article. Find more information on the Altmetric Attention Score and how the score is calculated. Share Add toView InAdd Full Text with ReferenceAdd Description ExportRISCitationCitation and abstractCitation and referencesMore Options Share onFacebookTwitterWechatLinked InRedditEmail Other access optionsGet e-Alertsclose Get e-Alerts

We argue that the boldest claims of Big Data are in need of revision and toning-down, in view of a few basic lessons learned from the science of complex systems. We point out that, once the most extravagant claims of Big Data are properly discarded, a synergistic merging of BD with big theory offers considerable potential to spawn a new scientific paradigm capable of overcoming some of the major barriers confronted by the modern scientific method originating with Galileo. These obstacles are due to the presence of nonlinearity, nonlocality and hyperdimensions which one encounters frequently in multiscale modelling.

The role of AI within science is growing. Here we assess its impact on research and argue that AI often lacks reproducibility, transparency, objectivity, and mechanistic understanding. To ensure AI benefits research, we need to develop forms of AI that are fully compatible with the scientific method.

In this paper, we present PolNet, an open source software tool for the study of blood flow and cell-level biological activity during vessel morphogenesis. We provide an image acquisition, segmentation, and analysis protocol to quantify endothelial cell polarity in entire in vivo vascular networks. In combination, we use computational fluid dynamics to characterise the haemodynamics of the vascular networks under study. The tool enables, for the first time, network-level analysis of polarity and flow for individual endothelial cells. To date, PolNet has proven invaluable for the study of endothelial cell polarisation and migration during vascular patterning, as demonstrated by our recent papers (Franco 2015, Franco 2016a). Additionally, the tool can be easily extended to correlate blood flow with other experimental observations at the cellular/molecular level. We release the source code of our tool under the LGPL licence.