محاكاة مونت كارلو لسلسلة ماركوف المحسنة الكم مع ديفيد لايدن

إليكم حديث ديفيد لايدن عن سلسلة ماركوف المعززة بالكمية في مونت كارلو

المستخلص:

يعد أخذ العينات من التوزيعات الاحتمالية المعقدة مشكلة حسابية صعبة تنشأ في العديد من المجالات ، بما في ذلك الفيزياء الإحصائية والتحسين والتعلم الآلي. تم استخدام أجهزة الكمبيوتر الكمومية مؤخرًا لأخذ عينات من التوزيعات المعقدة التي يصعب أخذ عينات منها بشكل كلاسيكي ، ولكنها نادرًا ما تظهر في التطبيقات. نقدم خوارزمية كمومية لأخذ عينات من التوزيعات التي تشكل عنق الزجاجة في العديد من التطبيقات ، والتي ننفذها على معالج كمي فائق التوصيل. تقوم الخوارزمية بتنفيذ سلسلة ماركوف مونت كارلو (MCMC) ، وهي تقنية أخذ عينات تكرارية شائعة ، لأخذ عينات من توزيع بولتزمان لنماذج Ising الكلاسيكية. في كل خطوة ، يستكشف المعالج الكمي النموذج في التراكب لاقتراح حركة عشوائية ، ثم يتم قبولها أو رفضها بواسطة الكمبيوتر الكلاسيكي وإعادتها إلى المعالج الكمي ، مما يضمن التقارب مع توزيع بولتزمان المطلوب. وجدنا أن هذه الخوارزمية الكمومية تتقارب في تكرارات أقل من بدائل MCMC الكلاسيكية الشائعة في حالات المشكلة ذات الصلة ، في كل من المحاكاة والتجارب. لذلك يفتح مسارًا جديدًا لأجهزة الكمبيوتر الكمومية لحل مشاكل مفيدة - وليست صعبة فقط - على المدى القريب.

[المحتوى جزءا لا يتجزأ]