Kodierung von Kompromissen und Design-Toolkits in Quantenalgorithmen zur diskreten Optimierung: Farbgebung, Routing, Planung und andere Probleme

Neuauflage von Plato

Verfolger: 0

Nicolas PD Sawaya¹, Albert T. Schmitz², und Stuart Hadfield^3,4

¹Intel Labs, Intel Corporation, Santa Clara, Kalifornien 95054, USA [nicolas.sawaya@intel.com]
²Intel Labs, Intel Corporation, Hillsboro, Oregon 97124, USA
³Quantum Artificial Intelligence Laboratory, NASA Ames Research Center, Moffett Field, Kalifornien 94035, USA
⁴USRA Research Institute for Advanced Computer Science, Mountain View, Kalifornien, 94043, USA

Findest du dieses Paper interessant oder möchtest du darüber diskutieren? Scite oder hinterlasse einen Kommentar zu SciRate.

Abstrakt

Anspruchsvolle kombinatorische Optimierungsprobleme sind in Wissenschaft und Technik allgegenwärtig. In jüngster Zeit wurden mehrere Quantenmethoden zur Optimierung in unterschiedlichen Umgebungen entwickelt, darunter sowohl exakte als auch Näherungslöser. Dieses Manuskript befasst sich mit diesem Forschungsgebiet und verfolgt drei verschiedene Ziele. Zunächst stellen wir eine intuitive Methode zum Synthetisieren und Analysieren diskreter ($dh,$ ganzzahliger) Optimierungsprobleme vor, wobei das Problem und die entsprechenden algorithmischen Grundelemente mithilfe einer diskreten Quantenzwischendarstellung (DQIR) ausgedrückt werden, die kodierungsunabhängig ist. Diese kompakte Darstellung ermöglicht häufig eine effizientere Problemkompilierung, automatisierte Analysen verschiedener Kodierungsoptionen, einfachere Interpretierbarkeit, komplexere Laufzeitverfahren und eine umfassendere Programmierbarkeit im Vergleich zu früheren Ansätzen, die wir anhand einer Reihe von Beispielen demonstrieren. Zweitens führen wir numerische Studien durch, in denen wir mehrere Qubit-Kodierungen vergleichen. Die Ergebnisse zeigen eine Reihe vorläufiger Trends, die als Orientierungshilfe für die Wahl der Kodierung für einen bestimmten Hardwaresatz sowie ein bestimmtes Problem und einen bestimmten Algorithmus dienen. Unsere Studie umfasst Probleme im Zusammenhang mit der Diagrammfärbung, dem Problem des Handlungsreisenden, der Fabrik-/Maschinenplanung, der Neuausrichtung des Finanzportfolios und der ganzzahligen linearen Programmierung. Drittens entwerfen wir graphabgeleitete Teilmischer (GDPMs) mit geringer Tiefe für Quantenvariablen mit bis zu 16 Ebenen und zeigen, dass kompakte (binäre) Kodierungen für QAOA besser geeignet sind als bisher angenommen. Wir gehen davon aus, dass dieses Toolkit aus Programmierabstraktionen und Low-Level-Bausteinen beim Entwurf von Quantenalgorithmen für diskrete kombinatorische Probleme hilfreich sein wird.

Kodierung von Kompromissen und Design-Toolkits in Quantenalgorithmen für diskrete Optimierung: Farbgebung, Routing, Planung und andere Probleme PlatoBlockchain Data Intelligence. Vertikale Suche. Ai.

Ausgewähltes Bild: Ein aus einem Graphen abgeleiteter Teilmischer (GDPM) zur Beschränkung einer 3-Qubit-Variablen auf 6 Zustände bei der Implementierung von z. B. QAOA.

► BibTeX-Daten

@article{Sawaya2023encodingtradeoffs, doi = {10.22331/q-2023-09-14-1111}, url = {https://doi.org/10.22331/q-2023-09-14-1111}, title = {Encoding trade -offs und Design-Toolkits in Quantenalgorithmen für diskrete Optimierung: Färbung, Routing, Scheduling und andere Probleme}, Autor = {Sawaya, Nicolas PD und Schmitz, Albert T und Hadfield, Stuart}, Zeitschrift = {{Quantum}}, Issn = {2521-327X}, Herausgeber = {{Verein zur F{“{o}}rdung des Open Access Publizierens in den Quantenwissenschaften}}, Band = {7}, Seiten = {1111}, Monat = September, Jahr = { 2023} }

► Referenzen

[1] Christos H. Papadimitriou und Kenneth Steiglitz. Kombinatorische Optimierung: Algorithmen und Komplexität. Courier Corporation, 1998.

[2] Liebe K Grover. Ein schneller quantenmechanischer Algorithmus für die Datenbanksuche. In Proceedings of the Twenty-eightth Annual ACM Symposium on Theory of Computing, Seiten 212–219, 1996. https://doi.org/10.1145/237814.237866.
https: / / doi.org/ 10.1145 / 237814.237866

[3] Tad Hogg und Dmitriy Portnov. Quantenoptimierung. Information Sciences, 128(3-4):181–197, 2000. https:///doi.org/10.1016/s0020-0255(00)00052-9.
https://doi.org/10.1016/s0020-0255(00)00052-9

[4] Edward Farhi, Jeffrey Goldstone und Sam Gutmann. Ein Quantennäherungsoptimierungsalgorithmus. arXiv-Vorabdruck arXiv:1411.4028, 2014. https:///doi.org/10.48550/arXiv.1411.4028.
https:///doi.org/10.48550/arXiv.1411.4028
arXiv: 1411.4028

[5] Matthew B. Hastings. Ein Kurzweg-Quantenalgorithmus zur exakten Optimierung. Quantum, 2:78, 2018. https:///doi.org/10.22331/q-2018-07-26-78.
https://doi.org/10.22331/q-2018-07-26-78

[6] Tameem Albash und Daniel A Lidar. Adiabatische Quantenberechnung. Reviews of Modern Physics, 90(1):015002, 2018. https:///doi.org/10.1103/revmodphys.90.015002.
https://doi.org/ 10.1103/revmodphys.90.015002

[7] Stuart Hadfield, Zhihui Wang, Bryan O'Gorman, Eleanor Rieffel, Davide Venturelli und Rupak Biswas. Vom Quantennäherungsoptimierungsalgorithmus zum Quantenalternierungsoperator-Ansatz. Algorithms, 12(2):34, 2019. https:///doi.org/10.3390/a12020034.
https: // doi.org/ 10.3390 / a12020034

[8] Philipp Hauke, Helmut G. Katzgraber, Wolfgang Lechner, Hidetoshi Nishimori und William D. Oliver. Perspektiven des Quantenglühens: Methoden und Implementierungen. Reports on Progress in Physics, 83(5):054401, 2020. https:///doi.org/10.1088/1361-6633/ab85b8.
https://doi.org/10.1088/1361-6633/ab85b8

[9] KM Svore, AV Aho, AW Cross, I. Chuang und IL Markov. Eine mehrschichtige Softwarearchitektur für Quantencomputer-Designtools. Computer, 39(1):74–83, Januar 2006. https:///doi.org/10.1109/MC.2006.4.
https: / / doi.org/ 10.1109 / MC.2006.4

[10] David Ittah, Thomas Häner, Vadym Kliuchnikov und Torsten Hoefler. Ermöglicht Datenflussoptimierung für Quantenprogramme. arXiv-Vorabdruck arXiv:2101.11030, 2021. https:///doi.org/10.48550/arXiv.2101.11030.
https:///doi.org/10.48550/arXiv.2101.11030
arXiv: 2101.11030

[11] Ruslan Shaydulin, Kunal Marwaha, Jonathan Wurtz und Phillip C Lotshaw. Qaoakit: Ein Toolkit für die reproduzierbare Untersuchung, Anwendung und Überprüfung des Qaoa. Im Jahr 2021 IEEE/ACM Second International Workshop on Quantum Computing Software (QCS), Seiten 64–71. IEEE, 2021. https:///doi.org/10.1109/qcs54837.2021.00011.
https:///doi.org/10.1109/qcs54837.2021.00011

[12] Nicolas PD Sawaya, Tim Menke, Thi Ha Kyaw, Sonika Johri, Alán Aspuru-Guzik und Gian Giacomo Guerreschi. Ressourceneffiziente digitale Quantensimulation von d-Level-Systemen für Photonik-, Vibrations- und Spin-S-Hamiltonianer. npj Quantum Information, 6(1), Juni 2020. https:///doi.org/10.1038/s41534-020-0278-0.
https://doi.org/10.1038/s41534-020-0278-0

[13] Stuart Hadfield. Zur Darstellung boolescher und reeller Funktionen als Hamiltonoperatoren für das Quantencomputing. ACM Transactions on Quantum Computing, 2(4):1–21, 2021. https:///doi.org/10.1145/3478519.
https: / / doi.org/ 10.1145 / 3478519

[14] Kesha Hietala, Robert Rand, Shih-Han Hung, Xiaodi Wu und Michael Hicks. Verifizierte Optimierung in einer Quantenzwischendarstellung. CoRR, abs/1904.06319, 2019. https:///doi.org/10.48550/arXiv.1904.06319.
https:///doi.org/10.48550/arXiv.1904.06319

[15] Thien Nguyen und Alexander McCaskey. Retargetierbare optimierende Compiler für Quantenbeschleuniger über eine mehrstufige Zwischendarstellung. IEEE Micro, 42(5):17–33, 2022. https:///doi.org/10.1109/mm.2022.3179654.
https:///doi.org/10.1109/mm.2022.3179654

[16] Alexander McCaskey und Thien Nguyen. Ein MLIR-Dialekt für Quantenassemblysprachen. Im Jahr 2021 IEEE International Conference on Quantum Computing and Engineering (QCE), Seiten 255–264. IEEE, 2021. https:///doi.org/10.1109/qce52317.2021.00043.
https:///doi.org/10.1109/qce52317.2021.00043

[17] Andrew W. Cross, Lev S. Bishop, John A. Smolin und Jay M. Gambetta. Offene Quantenassemblysprache. arXiv-Vorabdruck arXiv:1707.03429, 2017. https:///doi.org/10.48550/arXiv.1707.03429.
https:///doi.org/10.48550/arXiv.1707.03429
arXiv: 1707.03429

[18] Nicolas PD Sawaya, Gian Giacomo Guerreschi und Adam Holmes. Über konnektivitätsabhängige Ressourcenanforderungen für die digitale Quantensimulation von d-Level-Teilchen. Im Jahr 2020 IEEE International Conference on Quantum Computing and Engineering (QCE). IEEE, 2020. https:///doi.org/10.1109/qce49297.2020.00031.
https:///doi.org/10.1109/qce49297.2020.00031

[19] Alexandru Macridin, Panagiotis Spentzouris, James Amundson und Roni Harnik. Elektron-Phonon-Systeme auf einem universellen Quantencomputer. Physik. Rev. Lett., 121:110504, 2018. https:///doi.org/10.1103/PhysRevLett.121.110504.
https://doi.org/ 10.1103/PhysRevLett.121.110504

[20] Sam McArdle, Alexander Mayorov, Xiao Shan, Simon Benjamin und Xiao Yuan. Digitale Quantensimulation molekularer Schwingungen. Chem. Sci., 10(22):5725–5735, 2019. https:///doi.org/10.1039/c9sc01313j.
https:///doi.org/10.1039/c9sc01313j

[21] Pauline J. Ollitrault, Alberto Baiardi, Markus Reiher und Ivano Tavernelli. Hardwareeffiziente Quantenalgorithmen für Schwingungsstrukturberechnungen. Chem. Sci., 11(26):6842–6855, 2020. https:///doi.org/10.1039/d0sc01908a.
https:///doi.org/10.1039/d0sc01908a

[22] Nicolas PD Sawaya, Francesco Paesani und Daniel P. Tabor. Kurz- und langfristige quantenalgorithmische Ansätze für die Schwingungsspektroskopie. Physical Review A, 104(6):062419, 2021. https:///doi.org/10.1103/physreva.104.062419.
https: / / doi.org/ 10.1103 / physreva.104.062419

[23] Jakob S. Kottmann, Mario Krenn, Thi Ha Kyaw, Sumner Alperin-Lea und Alán Aspuru-Guzik. Quantencomputergestützter Entwurf quantenoptischer Hardware. Quantum Science and Technology, 6(3):035010, 2021. https:///doi.org/10.1088/2058-9565/abfc94.
https:///doi.org/10.1088/2058-9565/abfc94

[24] R Lora-Serrano, Daniel Julio Garcia, D Betancourth, RP Amaral, NS Camilo, E Estévez-Rams, LA Ortellado GZ und PG Pagliuso. Verdünnungseffekte in Spin-7/2-Systemen. im Fall des Antiferromagneten GdRhIn5. Journal of Magnetism and Magnetic Materials, 405:304–310, 2016. https:///doi.org/10.1016/j.jmmm.2015.12.093.
https:///doi.org/10.1016/j.jmmm.2015.12.093

[25] Jarrod R. McClean, Jonathan Romero, Ryan Babbush und Alán Aspuru-Guzik. Die Theorie der Variationshybriden quantenklassischen Algorithmen. New Journal of Physics, 18(2):023023, 2016. https:///doi.org/10.1088/1367-2630/18/2/023023.
https://doi.org/10.1088/1367-2630/18/2/023023

[26] Vladyslav Verteletskyi, Tzu-Ching Yen und Artur F. Izmaylov. Messoptimierung im Variationsquanteneigenlöser unter Verwendung einer minimalen Cliquenabdeckung. The Journal of Chemical Physics, 152(12):124114, 2020. https:///doi.org/10.1063/1.5141458.
https: / / doi.org/ 10.1063 / 1.5141458

[27] Marco Cerezo, Andrew Arrasmith, Ryan Babbush, Simon C. Benjamin, Suguru Endo, Keisuke Fujii, Jarrod R. McClean, Kosuke Mitarai, Xiao Yuan, Lukasz Cincio, et al. Variationale Quantenalgorithmen. Nature Reviews Physics, 3(9):625–644, 2021. https:///doi.org/10.1038/s42254-021-00348-9.
https://doi.org/10.1038/s42254-021-00348-9

[28] Dmitry A Fedorov, Bo Peng, Niranjan Govind und Yuri Alexeev. VQE-Methode: Ein kurzer Überblick und aktuelle Entwicklungen. Materials Theory, 6(1):1–21, 2022. https:///doi.org/10.1186/s41313-021-00032-6.
https://doi.org/10.1186/s41313-021-00032-6

[29] Andrew Lucas. Ising Formulierungen vieler NP-Probleme. Frontiers in Physics, 2:5, 2014. https:///doi.org/10.3389/fphy.2014.00005.
https: / / doi.org/ 10.3389 / fphy.2014.00005

[30] Young-Hyun Oh, Hamed Mohammadbagherpoor, Patrick Dreher, Anand Singh, Xianqing Yu und Andy J. Rindos. Lösung mehrfarbiger kombinatorischer Optimierungsprobleme mithilfe hybrider Quantenalgorithmen. arXiv-Vorabdruck arXiv:1911.00595, 2019. https:///doi.org/10.48550/arXiv.1911.00595.
https:///doi.org/10.48550/arXiv.1911.00595
arXiv: 1911.00595

[31] Zhihui Wang, Nicholas C. Rubin, Jason M. Dominy und Eleanor G. Rieffel. XY-Mischer: Analytische und numerische Ergebnisse für den Quantenalternierungsoperator-Ansatz. Physik. Rev. A, 101:012320, Januar 2020. https:///doi.org/10.1103/PhysRevA.101.012320.
https: / / doi.org/ 10.1103 / PhysRevA.101.012320

[32] Zsolt Tabi, Kareem H. El-Safty, Zsofia Kallus, Peter Haga, Tamas Kozsik, Adam Glos und Zoltan Zimboras. Quantenoptimierung für das Graphfärbungsproblem mit platzeffizienter Einbettung. Im Jahr 2020 IEEE International Conference on Quantum Computing and Engineering (QCE). IEEE, Okt. 2020. https:///doi.org/10.1109/qce49297.2020.00018.
https:///doi.org/10.1109/qce49297.2020.00018

[33] Franz G. Fuchs, Herman Oie Kolden, Niels Henrik Aase und Giorgio Sartor. Effiziente Kodierung des gewichteten MAX k-CUT auf einem Quantencomputer mit qaoa. SN Computer Science, 2(2):89, 2021. https:///doi.org/10.1007/s42979-020-00437-z.
https: / / doi.org/ 10.1007 / s42979-020-00437-z

[34] Bryan O'Gorman, Eleanor Gilbert Rieffel, Minh Do, Davide Venturelli und Jeremy Frank. Vergleich von Ansätzen zur Planungsproblemkompilierung für das Quantenglühen. The Knowledge Engineering Review, 31(5):465–474, 2016. https:///doi.org/10.1017/S0269888916000278.
https: / / doi.org/ 10.1017 / S0269888916000278

[35] Tobias Stollenwerk, Stuart Hadfield und Zhihui Wang. Auf dem Weg zu Quanten-Gate-Modell-Heuristiken für reale Planungsprobleme. IEEE Transactions on Quantum Engineering, 1:1–16, 2020. https:///doi.org/10.1109/TQE.2020.3030609.
https: / / doi.org/ 10.1109 / TQE.2020.3030609

[36] Tobias Stollenwerk, Bryan O’Gorman, Davide Venturelli, Salvatore Mandra, Olga Rodionova, Hokkwan Ng, Banavar Sridhar, Eleanor Gilbert Rieffel und Rupak Biswas. Quantenglühen zur Lösung optimaler Flugbahnen für das Flugverkehrsmanagement. IEEE Transactions on Intelligent Transportation Systems, 21(1):285–297, Januar 2020. https:///doi.org/10.1109/tits.2019.2891235.
https:///doi.org/10.1109/tits.2019.2891235

[37] Alan Crispin und Alex Syrichas. Quantenglühalgorithmus für die Fahrzeugplanung. Im Jahr 2013 IEEE International Conference on Systems, Man, and Cybernetics. IEEE, 2013. https:///doi.org/10.1109/smc.2013.601.
https:///doi.org/10.1109/smc.2013.601

[38] Davide Venturelli, Dominic JJ Marchand und Galo Rojo. Quantum Annealing-Implementierung der Job-Shop-Planung. arXiv-Vorabdruck arXiv:1506.08479, 2015. https:///doi.org/10.48550/arXiv.1506.08479.
https:///doi.org/10.48550/arXiv.1506.08479
arXiv: 1506.08479

[39] Tony T. Tran, Minh Do, Eleanor G. Rieffel, Jeremy Frank, Zhihui Wang, Bryan O'Gorman, Davide Venturelli und J. Christopher Beck. Ein hybrider quantenklassischer Ansatz zur Lösung von Planungsproblemen. Im neunten jährlichen Symposium zur kombinatorischen Suche. AAAI, 2016. https:///doi.org/10.1609/socs.v7i1.18390.
https:///doi.org/10.1609/socs.v7i1.18390

[40] Krzysztof Domino, Mátyás Koniorczyk, Krzysztof Krawiec, Konrad Jałowiecki und Bartłomiej Gardas. Quantencomputing-Ansatz zur Optimierung der Eisenbahndisposition und des Konfliktmanagements auf eingleisigen Eisenbahnstrecken. arXiv-Vorabdruck arXiv:2010.08227, 2020. https:///doi.org/10.48550/arXiv.2010.08227.
https:///doi.org/10.48550/arXiv.2010.08227
arXiv: 2010.08227

[41] Constantin Dalyac, Loïc Henriet, Emmanuel Jeandel, Wolfgang Lechner, Simon Perdrix, Marc Porcheron und Margarita Veshchezerova. Qualifizierung von Quantenansätzen für schwierige industrielle Optimierungsprobleme. Eine Fallstudie im Bereich Smart Charging von Elektrofahrzeugen. EPJ Quantum Technology, 8(1), 2021. https:///doi.org/10.1140/epjqt/s40507-021-00100-3.
https://doi.org/10.1140/epjqt/s40507-021-00100-3

[42] David Amaro, Matthias Rosenkranz, Nathan Fitzpatrick, Koji Hirano und Mattia Fiorentini. Eine Fallstudie zu Variationsquantenalgorithmen für ein Job-Shop-Planungsproblem. EPJ Quantum Technology, 9(1):5, 2022. https:///doi.org/10.1140/epjqt/s40507-022-00123-4.
https://doi.org/10.1140/epjqt/s40507-022-00123-4

[43] Julia Plewa, Joanna Sieńko und Katarzyna Rycerz. Variationsalgorithmen für Workflow-Planungsprobleme in Gate-basierten Quantengeräten. Computing & Informatics, 40(4), 2021. https:///doi.org/10.31577/cai_2021_4_897.
https:///doi.org/10.31577/cai_2021_4_897

[44] Adam Glos, Aleksandra Krawiec und Zoltán Zimborás. Platzsparende binäre Optimierung für Variationsquantencomputing. npj Quantum Information, 8(1):39, 2022. https:///doi.org/10.1038/s41534-022-00546-y.
https: / / doi.org/ 10.1038 / s41534-022-00546-y

[45] Özlem Salehi, Adam Glos und Jarosław Adam Miszczak. Unbeschränkte binäre Modelle der Varianten des Problems des Handlungsreisenden zur Quantenoptimierung. Quantum Information Processing, 21(2):67, 2022. https:///doi.org/10.1007/s11128-021-03405-5.
https://doi.org/10.1007/s11128-021-03405-5

[46] David E. Bernal, Sridhar Tayur und Davide Venturelli. Quanten-Integer-Programmierung (QuIP) 47-779: Vorlesungsskript. arXiv-Vorabdruck arXiv:2012.11382, 2020. https:///doi.org/10.48550/arXiv.2012.11382.
https:///doi.org/10.48550/arXiv.2012.11382
arXiv: 2012.11382

[47] Mark Hodson, Brendan Ruck, Hugh Ong, David Garvin und Stefan Dulman. Portfolio-Rebalancing-Experimente unter Verwendung des Quantum Alternating Operator-Ansatzes. arXiv-Vorabdruck arXiv:1911.05296, 2019. https:///doi.org/10.48550/arXiv.1911.05296.
https:///doi.org/10.48550/arXiv.1911.05296
arXiv: 1911.05296

[48] Sergi Ramos-Calderer, Adrián Pérez-Salinas, Diego García-Martín, Carlos Bravo-Prieto, Jorge Cortada, Jordi Planagumà und José I. Latorre. Quantenunärer Ansatz zur Optionspreisgestaltung. Physik. Rev. A, 103:032414, 2021. https:///doi.org/10.1103/PhysRevA.103.032414.
https: / / doi.org/ 10.1103 / PhysRevA.103.032414

[49] Kensuke Tamura, Tatsuhiko Shirai, Hosho Katsura, Shu Tanaka und Nozomu Togawa. Leistungsvergleich typischer Binär-Ganzzahl-Kodierungen in einer Ising-Maschine. IEEE Access, 9:81032–81039, 2021. https:///doi.org/10.1109/ACCESS.2021.3081685.
https: / / doi.org/ 10.1109 / ACCESS.2021.3081685

[50] Ludmila Botelho, Adam Glos, Akash Kundu, Jarosław Adam Miszczak, Özlem Salehi und Zoltán Zimborás. Fehlerminderung für Variationsquantenalgorithmen durch Mid-Circuit-Messungen. Physical Review A, 105(2):022441, 2022. https:///doi.org/10.1103/physreva.105.022441.
https: / / doi.org/ 10.1103 / physreva.105.022441

[51] Zhihui Wang, Stuart Hadfield, Zhang Jiang und Eleanor G. Rieffel. Quantennäherungsoptimierungsalgorithmus für Maxcut: Eine fermionische Sichtweise. Physical Review A, 97(2):022304, 2018. https:///doi.org/10.1103/physreva.97.022304.
https: / / doi.org/ 10.1103 / physreva.97.022304

[52] Stuart Andrew Hadfield. Quantenalgorithmen für wissenschaftliches Rechnen und Näherungsoptimierung. Columbia University, 2018. https:///doi.org/10.48550/arXiv.1805.03265.
https:///doi.org/10.48550/arXiv.1805.03265

[53] Matthew B. Hastings. Klassische und quantenbeschränkte Tiefennäherungsalgorithmen. Quantum Information and Computation, 19(13&14):1116–1140, 2019. https:///doi.org/10.26421/QIC19.13-14-3.
https: / / doi.org/ 10.26421 / QIC19.13-14-3

[54] Sergey Bravyi, Alexander Kliesch, Robert Koenig und Eugene Tang. Hindernisse für die Variationsquantenoptimierung durch Symmetrieschutz. Physical Review Letters, 125(26):260505, 2020. https:///doi.org/10.1103/physrevlett.125.260505.
https://doi.org/ 10.1103/physrevlett.125.260505

[55] Alexander M. Dalzell, Aram W. Harrow, Dax Enshan Koh und Rolando L. La Placa. Wie viele Qubits sind für die Quantencomputerüberlegenheit erforderlich? Quantum, 4:264, 2020. https:///doi.org/10.22331/q-2020-05-11-264.
https://doi.org/10.22331/q-2020-05-11-264

[56] Daniel Stilck França und Raul Garcia-Patron. Einschränkungen von Optimierungsalgorithmen auf verrauschten Quantengeräten. Nature Physics, 17(11):1221–1227, 2021. https:///doi.org/10.1038/s41567-021-01356-3.
https://doi.org/10.1038/s41567-021-01356-3

[57] Leo Zhou, Sheng-Tao Wang, Soonwon Choi, Hannes Pichler und Mikhail D Lukin. Quantennäherungsoptimierungsalgorithmus: Leistung, Mechanismus und Implementierung auf kurzfristigen Geräten. Physical Review X, 10(2):021067, 2020. https:///doi.org/10.1103/physrevx.10.021067.
https: / / doi.org/ 10.1103 / physrevx.10.021067

[58] Boaz Barak und Kunal Marwaha. Klassische Algorithmen und Quantenbeschränkungen für den maximalen Schnitt in Diagrammen mit großem Umfang. In Mark Braverman, Herausgeber, 13. Innovations in Theoretical Computer Science Conference (ITCS 2022), Band 215 von Leibniz International Proceedings in Informatics (LIPIcs), Seiten 14:1–14:21, Dagstuhl, Deutschland, 2022. Schloss Dagstuhl – Leibniz- Zentrum für Informatik. https:///doi.org/10.4230/LIPIcs.ITCS.2022.14.
https: // doi.org/ 10.4230 / LIPIcs.ITCS.2022.14

[59] Lennart Bittel und Martin Kliesch. Das Training von Variationsquantenalgorithmen ist NP-schwer. Physical Review Letters, 127(12):120502, 2021. https:///doi.org/10.1103/PhysRevLett.127.120502.
https://doi.org/ 10.1103/PhysRevLett.127.120502

[60] Kunal Marwaha und Stuart Hadfield. Grenzen für die Approximation von Max $k$ XOR mit Quanten- und klassischen lokalen Algorithmen. Quantum, 6:757, 2022. https:///doi.org/10.22331/q-2022-07-07-757.
https://doi.org/10.22331/q-2022-07-07-757

[61] Ein Barış Özgüler und Davide Venturelli. Numerische Gattersynthese für Quantenheuristiken auf bosonischen Quantenprozessoren. Frontiers in Physics, Seite 724, 2022. https:///doi.org/10.3389/fphy.2022.900612.
https: / / doi.org/ 10.3389 / fphy.2022.900612

[62] Yannick Deller, Sebastian Schmitt, Maciej Lewenstein, Steve Lenk, Marika Federer, Fred Jendrzejewski, Philipp Hauke und Valentin Kasper. Quantennäherungsoptimierungsalgorithmus für Qudit-Systeme mit weitreichenden Wechselwirkungen. arXiv-Vorabdruck arXiv:2204.00340, 2022. https:///doi.org/10.1103/physreva.107.062410.
https: / / doi.org/ 10.1103 / physreva.107.062410
arXiv: 2204.00340

[63] Stuart Hadfield, Zhihui Wang, Eleanor G. Rieffel, Bryan O'Gorman, Davide Venturelli und Rupak Biswas. Quantennäherungsoptimierung mit harten und weichen Einschränkungen. In Proceedings of the Second International Workshop on Post Moores Era Supercomputing, Seiten 15–21, 2017. https://doi.org/10.1145/3149526.3149530.
https: / / doi.org/ 10.1145 / 3149526.3149530

[64] Nikolaj Moll, Panagiotis Barkoutsos, Lev S. Bishop, Jerry M. Chow, Andrew Cross, Daniel J. Egger, Stefan Filipp, Andreas Fuhrer, Jay M. Gambetta, Marc Ganzhorn, et al. Quantenoptimierung mithilfe von Variationsalgorithmen auf kurzfristigen Quantengeräten. Quantum Science and Technology, 3(3):030503, 2018. https:///doi.org/10.1088/2058-9565/aab822.
https: / / doi.org/ 10.1088 / 2058-9565 / aab822

[65] Sam McArdle, Tyson Jones, Suguru Endo, Ying Li, Simon C. Benjamin und Xiao Yuan. Variationsansatzbasierte Quantensimulation der imaginären Zeitentwicklung. npj Quantum Information, 5(1):1–6, 2019. https:///doi.org/10.1038/s41534-019-0187-2.
https://doi.org/10.1038/s41534-019-0187-2

[66] Mario Motta, Chong Sun, Adrian TK Tan, Matthew J. O'Rourke, Erika Ye, Austin J. Minnich, Fernando GSL Brandão und Garnet Kin-Lic Chan. Bestimmung von Eigenzuständen und thermischen Zuständen auf einem Quantencomputer mithilfe der imaginären Quantenzeitentwicklung. Nature Physics, 16(2):205–210, 2019. https:///doi.org/10.1038/s41567-019-0704-4.
https://doi.org/10.1038/s41567-019-0704-4

[67] Ryan O'Donnell. Analyse boolescher Funktionen. Cambridge University Press, 2014.

[68] Kyle EC Booth, Bryan O'Gorman, Jeffrey Marshall, Stuart Hadfield und Eleanor Rieffel. Quantenbeschleunigte Constraint-Programmierung. Quantum, 5:550, September 2021. https:///doi.org/10.22331/q-2021-09-28-550.
https://doi.org/10.22331/q-2021-09-28-550

[69] Adriano Barenco, Charles H. Bennett, Richard Cleve, David P. DiVincenzo, Norman Margolus, Peter Shor, Tycho Sleator, John A. Smolin und Harald Weinfurter. Elementare Gatter für die Quantenberechnung. Physical Review A, 52(5):3457, 1995. https:///doi.org/10.1103/PhysRevA.52.3457.
https: / / doi.org/ 10.1103 / PhysRevA.52.3457

[70] VV Shende und IL Markov. Zu den CNOT-Kosten der TOFFOLI-Tore. Quantum Information and Computation, 9(5&6):461–486, 2009. https:///doi.org/10.26421/qic8.5-6-8.
https: / / doi.org/ 10.26421 / qic8.5-6-8

[71] Mehdi Saeedi und Igor L Markov. Synthese und Optimierung reversibler Schaltkreise – eine Übersicht. ACM Computing Surveys (CSUR), 45(2):1–34, 2013. https:///doi.org/10.1145/2431211.2431220.
https: / / doi.org/ 10.1145 / 2431211.2431220

[72] Gian Giacomo Guerreschi. Lösen der quadratischen, uneingeschränkten binären Optimierung mit Divide-and-Conquer- und Quantenalgorithmen. arXiv-Vorabdruck arXiv:2101.07813, 2021. https:///doi.org/10.48550/arXiv.2101.07813.
https:///doi.org/10.48550/arXiv.2101.07813
arXiv: 2101.07813

[73] Zain H. Saleem, Teague Tomesh, Michael A. Perlin, Pranav Gokhale und Martin Suchara. Quantenteile und herrsche für kombinatorische Optimierung und verteiltes Rechnen. arXiv-Vorabdruck arXiv:2107.07532, 2021. https:///doi.org/10.48550/arXiv.2107.07532.
https:///doi.org/10.48550/arXiv.2107.07532
arXiv: 2107.07532

[74] Daniel A. Lidar und Todd A. Brun. Quantenfehlerkorrektur. Cambridge University Press, 2013.

[75] Nicholas Kanzler. Domänenwandkodierung diskreter Variablen für Quantenglühen und Qaoa. Quantum Science and Technology, 4(4):045004, 2019. https:///doi.org/10.1088/2058-9565/ab33c2.
https://doi.org/10.1088/2058-9565/ab33c2

[76] Jesse Berwald, Nicholas Chancellor und Raouf Dridi. Theoretisches und experimentelles Verständnis der Domain-Wall-Kodierung. Philosophical Transactions of the Royal Society A, 381(2241):20210410, 2023. https://doi.org/10.1098/rsta.2021.0410.
https: / / doi.org/ 10.1098 / rsta.2021.0410

[77] Jie Chen, Tobias Stollenwerk und Nicholas Chancellor. Leistung der Domänenwandkodierung für Quantum Annealing. IEEE Transactions on Quantum Engineering, 2:1–14, 2021. https:///doi.org/10.1109/tqe.2021.3094280.
https: / / doi.org/ 10.1109 / tqe.2021.3094280

[78] Mark W. Johnson, Mohammad HS Amin, Suzanne Gildert, Trevor Lanting, Firas Hamze, Neil Dickson, Richard Harris, Andrew J. Berkley, Jan Johansson, Paul Bunyk, et al. Quantenglühen mit hergestellten Spins. Nature, 473(7346):194–198, 2011. https:///doi.org/10.1038/nature10012.
https: / / doi.org/ 10.1038 / nature10012

[79] Zoe Gonzalez Izquierdo, Shon Grabbe, Stuart Hadfield, Jeffrey Marshall, Zhihui Wang und Eleanor Rieffel. Ferromagnetische Verschiebung der Kraft des Innehaltens. Physical Review Applied, 15(4):044013, 2021. https:///doi.org/10.1103/physrevapplied.15.044013.
https: / / doi.org/ 10.1103 / physrevapplied.15.044013

[80] Davide Venturelli und Alexei Kondratyev. Reverse Quantum Annealing-Ansatz für Portfoliooptimierungsprobleme. Quantum Machine Intelligence, 1(1):17–30, 2019. https:///doi.org/10.1007/s42484-019-00001-w.
https: / / doi.org/ 10.1007 / s42484-019-00001-w

[81] Nike Dattani, Szilard Szalay und Nick Chancellor. Pegasus: Der zweite Konnektivitätsgraph für groß angelegte Quanten-Annealing-Hardware. arXiv-Vorabdruck arXiv:1901.07636, 2019. https:///doi.org/10.48550/arXiv.1901.07636.
https:///doi.org/10.48550/arXiv.1901.07636
arXiv: 1901.07636

[82] Wolfgang Lechner, Philipp Hauke und Peter Zoller. Eine Quantenglüharchitektur mit All-to-All-Konnektivität durch lokale Wechselwirkungen. Science Advances, 1(9):e1500838, 2015. https:///doi.org/10.1126/sciadv.1500838.
https: / / doi.org/ 10.1126 / sciadv.1500838

[83] MS Sarandy und DA Lidar. Adiabatische Quantenberechnung in offenen Systemen. Physical Review Letters, 95(25):250503, 2005. https:///doi.org/10.1103/physrevlett.95.250503.
https://doi.org/ 10.1103/physrevlett.95.250503

[84] MHS Amin, Peter J Love und CJS Truncik. Thermisch unterstützte adiabatische Quantenberechnung. Physical Review Letters, 100(6):060503, 2008. https:///doi.org/10.1103/physrevlett.100.060503.
https://doi.org/ 10.1103/physrevlett.100.060503

[85] Sergio Boixo, Tameem Albash, Federico M Spedalieri, Nicholas Chancellor und Daniel A Lidar. Experimentelle Signatur des programmierbaren Quantenglühens. Nature communications, 4(1):2067, 2013. https:///doi.org/10.1038/ncomms3067.
https: / / doi.org/ 10.1038 / ncomms3067

[86] Kostyantyn Kechedzhi und Vadim N. Smelyanskiy. Quantenglühen im offenen System in Mean-Field-Modellen mit exponentieller Entartung. Physical Review X, 6(2):021028, 2016. https:///doi.org/10.1103/physrevx.6.021028.
https: / / doi.org/ 10.1103 / physrevx.6.021028

[87] Gianluca Passarelli, Ka-Wa Yip, Daniel A. Lidar und Procolo Lucignano. Das Standard-Quantenglühen übertrifft das adiabatische Umkehrglühen mit Dekohärenz. Physical Review A, 105(3):032431, 2022. https:///doi.org/10.1103/physreva.105.032431.
https: / / doi.org/ 10.1103 / physreva.105.032431

[88] Stefanie Zbinden, Andreas Bärtschi, Hristo Djidjev und Stephan Eidenbenz. Einbettungsalgorithmen für Quanten-Annealer mit Chimera- und Pegasus-Verbindungstopologien. In International Conference on High Performance Computing, Seiten 187–206. Springer, 2020. https:///doi.org/10.1007/978-3-030-50743-5_10.
https://doi.org/10.1007/978-3-030-50743-5_10

[89] Mario S. Könz, Wolfgang Lechner, Helmut G. Katzgraber und Matthias Troyer. Einbettung der Overhead-Skalierung von Optimierungsproblemen in Quantum Annealing. PRX Quantum, 2(4):040322, 2021. https:///doi.org/10.1103/prxquantum.2.040322.
https: / / doi.org/ 10.1103 / prxquantum.2.040322

[90] Aniruddha Bapat und Stephen Jordan. Bang-Bang-Kontrolle als Entwurfsprinzip für klassische und Quantenoptimierungsalgorithmen. arXiv-Vorabdruck arXiv:1812.02746, 2018. https:///doi.org/10.26421/qic19.5-6-4.
https: / / doi.org/ 10.26421 / qic19.5-6-4
arXiv: 1812.02746

[91] Ruslan Shaydulin, Stuart Hadfield, Tad Hogg und Ilya Safro. Klassische Symmetrien und der Quantennäherungsoptimierungsalgorithmus. Quantum Information Processing, 20(11):1–28, 2021. https:///doi.org/10.48550/arXiv.2012.04713.
https:///doi.org/10.48550/arXiv.2012.04713

[92] Vishwanathan Akshay, Daniil Rabinovich, Ernesto Campos und Jacob Biamonte. Parameterkonzentrationen in der Quantennäherungsoptimierung. Physical Review A, 104(1):L010401, 2021. https:///doi.org/10.1103/physreva.104.l010401.
https:///doi.org/10.1103/physreva.104.l010401

[93] Michael Streif und Martin Leib. Training des Quantennäherungsoptimierungsalgorithmus ohne Zugriff auf eine Quantenverarbeitungseinheit. Quantum Science and Technology, 5(3):034008, 2020. https:///doi.org/10.1088/2058-9565/ab8c2b.
https://doi.org/10.1088/2058-9565/ab8c2b

[94] Guillaume Verdon, Michael Broughton, Jarrod R McClean, Kevin J Sung, Ryan Babbush, Zhang Jiang, Hartmut Neven und Masoud Mohseni. Lernen, mit Quanten-Neuronalen Netzen über klassische Neuronale Netze zu lernen. arXiv-Vorabdruck arXiv:1907.05415, 2019. https:///doi.org/10.48550/arXiv.1907.05415.
https:///doi.org/10.48550/arXiv.1907.05415
arXiv: 1907.05415

[95] Max Wilson, Rachel Stromswold, Filip Wudarski, Stuart Hadfield, Norm M Tubman und Eleanor G Rieffel. Optimierung der Quantenheuristik mit Meta-Learning. Quantum Machine Intelligence, 3(1):1–14, 2021. https:///doi.org/10.1007/s42484-020-00022-w.
https: / / doi.org/ 10.1007 / s42484-020-00022-w

[96] Alicia B. Magann, Kenneth M. Rudinger, Matthew D. Grace und Mohan Sarovar. Feedbackbasierte Quantenoptimierung. Physical Review Letters, 129(25):250502, 2022. https:///doi.org/10.1103/physrevlett.129.250502.
https://doi.org/ 10.1103/physrevlett.129.250502

[97] Lucas T. Brady, Christopher L. Baldwin, Aniruddha Bapat, Yaroslav Kharkov und Alexey V. Gorshkov. Optimale Protokolle bei Quanten-Annealing- und Quanten-Approximations-Optimierungsalgorithmusproblemen. Physical Review Letters, 126(7):070505, 2021. https:///doi.org/10.1103/physrevlett.126.070505.
https://doi.org/ 10.1103/physrevlett.126.070505

[98] Jonathan Wurtz und Peter J Love. Gegendiabatizität und der Quantennäherungsoptimierungsalgorithmus. Quantum, 6:635, 2022. https:///doi.org/10.22331/q-2022-01-27-635.
https://doi.org/10.22331/q-2022-01-27-635

[99] Andreas Bärtschi und Stephan Eidenbenz. Grover-Mischer für QAOA: Verlagerung der Komplexität vom Mischerdesign zur Zustandsvorbereitung. Im Jahr 2020 IEEE International Conference on Quantum Computing and Engineering (QCE), Seiten 72–82. IEEE, 2020. https:///doi.org/10.1109/qce49297.2020.00020.
https:///doi.org/10.1109/qce49297.2020.00020

[100] Daniel J. Egger, Jakub Mareček und Stefan Woerner. Warmstart-Quantenoptimierung. Quantum, 5:479, 2021. https:///doi.org/10.22331/q-2021-06-17-479.
https://doi.org/10.22331/q-2021-06-17-479

[101] Jonathan Wurtz und Peter J Love. Klassisch optimale Variationsquantenalgorithmen. IEEE Transactions on Quantum Engineering, 2:1–7, 2021. https:///doi.org/10.1109/tqe.2021.3122568.
https: / / doi.org/ 10.1109 / tqe.2021.3122568

[102] Xiaoyuan Liu, Anthony Angone, Ruslan Shaydulin, Ilya Safro, Yuri Alexeev und Lukasz Cincio. Layer VQE: Ein Variationsansatz zur kombinatorischen Optimierung auf verrauschten Quantencomputern. IEEE Transactions on Quantum Engineering, 3:1–20, 2022. https:///doi.org/10.1109/tqe.2021.3140190.
https: / / doi.org/ 10.1109 / tqe.2021.3140190

[103] Jarrod R. McClean, Sergio Boixo, Vadim N. Smelyanskiy, Ryan Babbush und Hartmut Neven. Karge Hochebenen in Trainingslandschaften für Quanten-Neuronale Netzwerke. Nature communications, 9(1):1–6, 2018. https:///doi.org/10.1038/s41467-018-07090-4.
https://doi.org/10.1038/s41467-018-07090-4

[104] Linghua Zhu, Ho Lun Tang, George S. Barron, FA Calderon-Vargas, Nicholas J. Mayhall, Edwin Barnes und Sophia E. Economou. Adaptiver Quantennäherungsoptimierungsalgorithmus zur Lösung kombinatorischer Probleme auf einem Quantencomputer. Physical Review Research, 4(3):033029, 2022. https:///doi.org/10.1103/physrevresearch.4.033029.
https: / / doi.org/ 10.1103 / physrevresearch.4.033029

[105] Bence Bakó, Adam Glos, Özlem Salehi und Zoltán Zimborás. Nahezu optimales Schaltungsdesign für die Variationsquantenoptimierung. arXiv-Vorabdruck arXiv:2209.03386, 2022. https:///doi.org/10.48550/arXiv.2209.03386.
https:///doi.org/10.48550/arXiv.2209.03386
arXiv: 2209.03386

[106] Itay Hen und Marcelo S Sarandy. Treiber-Hamilton-Operatoren für die eingeschränkte Optimierung beim Quantenglühen. Physical Review A, 93(6):062312, 2016. https:///doi.org/10.1103/physreva.93.062312.
https: / / doi.org/ 10.1103 / physreva.93.062312

[107] Itay Hen und Federico M Spedalieri. Quantenglühen zur eingeschränkten Optimierung. Physical Review Applied, 5(3):034007, 2016. https:///doi.org/10.1103/PhysRevApplied.5.034007.
https: / / doi.org/ 10.1103 / PhysRevApplied.5.034007

[108] Yue Ruan, Samuel Marsh, Xilin Xue, Xi Li, Zhihao Liu und Jingbo Wang. Quantennäherungsalgorithmus für NP-Optimierungsprobleme mit Nebenbedingungen. arXiv-Vorabdruck arXiv:2002.00943, 2020. https:///doi.org/10.48550/arXiv.2002.00943.
https:///doi.org/10.48550/arXiv.2002.00943
arXiv: 2002.00943

[109] Michael A. Nielsen und Isaac L. Chuang. Quantenberechnung und Quanteninformation: 10. Jubiläumsausgabe. Cambridge University Press, New York, NY, USA, 10. Auflage, 2011.

[110] Masuo Suzuki. Zerlegungsformeln von Exponentialoperatoren und Lie-Exponentialfunktionen mit einigen Anwendungen in der Quantenmechanik und statistischen Physik. Journal of Mathematical Physics, 26(4):601–612, 1985. https:///doi.org/10.1063/1.526596.
https: / / doi.org/ 10.1063 / 1.526596

[111] Michael Streif, Martin Leib, Filip Wudarski, Eleanor Rieffel und Zhihui Wang. Quantenalgorithmen mit lokaler Teilchenzahlerhaltung: Rauscheffekte und Fehlerkorrektur. Physical Review A, 103(4):042412, 2021. https:///doi.org/10.1103/physreva.103.042412.
https: / / doi.org/ 10.1103 / physreva.103.042412

[112] Vishwanathan Akshay, Hariphan Philathong, Mauro ES Morales und Jacob D Biamonte. Erreichbarkeitsdefizite bei der Quantennäherungsoptimierung. Physical Review Letters, 124(9):090504, 2020. https:///doi.org/10.22331/q-2021-08-30-532.
https://doi.org/10.22331/q-2021-08-30-532

[113] Franz Georg Fuchs, Kjetil Olsen Lye, Halvor Møll Nilsen, Alexander Johannes Stasik und Giorgio Sartor. Constraint-erhaltende Mischer für den Quantennäherungsoptimierungsalgorithmus. Algorithmen, 15(6):202, 2022. https:///doi.org/10.3390/a15060202.
https: // doi.org/ 10.3390 / a15060202

[114] Vandana Shukla, OP Singh, GR Mishra und RK Tiwari. Anwendung des CSMT-Gatters zur effizienten reversiblen Realisierung einer Binär-Gray-Code-Wandlerschaltung. Im Jahr 2015 IEEE UP Section Conference on Electrical Computer and Electronics (UPCON). IEEE, Dezember 2015. https:///doi.org/10.1109/UPCON.2015.7456731.
https:///doi.org/10.1109/UPCON.2015.7456731

[115] Alexander Slepoy. Algorithmen zur Quantengatterzerlegung. Technischer Bericht, Sandia National Laboratories, 2006. https:///doi.org/10.2172/889415.
https: / / doi.org/ 10.2172 / 889415

[116] Bryan T. Gard, Linghua Zhu, George S. Barron, Nicholas J. Mayhall, Sophia E. Economou und Edwin Barnes. Effiziente symmetrieerhaltende Zustandsvorbereitungsschaltungen für den Variations-Quanten-Eigenlöser-Algorithmus. npj Quantum Information, 6(1), 2020. https:///doi.org/10.1038/s41534-019-0240-1.
https://doi.org/10.1038/s41534-019-0240-1

[117] DP DiVincenzo und J. Smolin. Ergebnisse zum Zwei-Bit-Gate-Design für Quantencomputer. In Proceedings Workshop zu Physik und Informatik. PhysComp 94. IEEE Comput. Soc. Press, 1994. https:///doi.org/10.48550/arXiv.cond-mat/9409111.
https:///doi.org/10.48550/arXiv.cond-mat/9409111

[118] David Joseph, Adam Callison, Cong Ling und Florian Mintert. Zwei Quantenalgorithmen für das Problem des kürzesten Vektors. Physical Review A, 103(3):032433, 2021. https:///doi.org/10.1103/PhysRevA.103.032433.
https: / / doi.org/ 10.1103 / PhysRevA.103.032433

[119] Peter Brucker. Planungsalgorithmen. Springer-Verlag Berlin Heidelberg, 2004.

[120] AMA Hariri und Chris N. Potts. Einzelmaschinenplanung mit Batch-Rüstzeiten zur Minimierung maximaler Verspätungen. Annals of Operations Research, 70:75–92, 1997. https:///doi.org/10.1023/A:1018903027868.
https: / / doi.org/ 10.1023 / A: 1018903027868

[121] Xiaoqiang Cai, Liming Wang und Xian Zhou. Einzelmaschinenplanung zur stochastischen Minimierung maximaler Verspätungen. Journal of Scheduling, 10(4):293–301, 2007. https:///doi.org/10.1007/s10951-007-0026-8.
https://doi.org/10.1007/s10951-007-0026-8

[122] Derya Eren Akyol und G Mirac Bayhan. Problem der Frühzeitigkeit und Verspätung mehrerer Maschinen: ein Ansatz für vernetzte neuronale Netze. The International Journal of Advanced Manufacturing Technology, 37(5):576–588, 2008. https:///doi.org/10.1007/s00170-007-0993-0.
https://doi.org/10.1007/s00170-007-0993-0

[123] Michele Conforti, Gérard Cornuéjols, Giacomo Zambelli, et al. Ganzzahlprogrammierung, Band 271. Springer, 2014.

[124] Hannes Leipold und Federico M Spedalieri. Konstruieren von Treiber-Hamilton-Operatoren für Optimierungsprobleme mit linearen Einschränkungen. Quantum Science and Technology, 7(1):015013, 2021. https:///doi.org/10.1088/2058-9565/ac16b8.
https://doi.org/10.1088/2058-9565/ac16b8

[125] Masuo Suzuki. Verallgemeinerte Trotter-Formel und systematische Approximationen von Exponentialoperatoren und inneren Ableitungen mit Anwendungen auf Vielteilchenprobleme. Communications in Mathematical Physics, 51(2):183–190, 1976. https://doi.org/10.1007/BF01609348.
https: / / doi.org/ 10.1007 / BF01609348

[126] Dominic W. Berry und Andrew M. Childs. Black-Box-Hamilton-Simulation und einheitliche Implementierung. Quanteninfo. Comput., 12(1–2):29–62, 2012. https:///doi.org/10.26421/qic12.1-2-4.
https: / / doi.org/ 10.26421 / qic12.1-2-4

[127] DW Berry, AM Childs und R. Kothari. Hamilton-Simulation mit nahezu optimaler Abhängigkeit aller Parameter. Im 2015 IEEE 56th Annual Symposium on Foundations of Computer Science, Seiten 792–809, 2015. https://doi.org/10.1109/FOCS.2015.54.
https: / / doi.org/ 10.1109 / FOCS.2015.54

[128] Dominic W. Berry, Andrew M. Childs, Richard Cleve, Robin Kothari und Rolando D. Somma. Simulation der Hamilton-Dynamik mit einer verkürzten Taylor-Reihe. Physical Review Letters, 114(9):090502, 2015. https:///doi.org/10.1103/PhysRevLett.114.090502.
https://doi.org/ 10.1103/PhysRevLett.114.090502

[129] Guang Hao Low und Isaac L. Chuang. Optimale Hamilton-Simulation durch Quantensignalverarbeitung. Physik. Rev. Lett., 118:010501, 2017. https:///doi.org/10.1103/PhysRevLett.118.010501.
https://doi.org/ 10.1103/PhysRevLett.118.010501

[130] Guang Hao Low und Isaac L. Chuang. Hamilton-Simulation durch Qubitisierung. Quantum, 3:163, 2019. https:///doi.org/10.22331/q-2019-07-12-163.
https://doi.org/10.22331/q-2019-07-12-163

[131] Andrew M. Childs, Aaron Ostrander und Yuan Su. Schnellere Quantensimulation durch Randomisierung. Quantum, 3:182, 2019. https:///doi.org/10.22331/q-2019-09-02-182.
https://doi.org/10.22331/q-2019-09-02-182

[132] Earl Campbell. Zufälliger Compiler für schnelle Hamilton-Simulation. Physical Review Letters, 123(7):070503, 2019. https:///doi.org/10.1103/PhysRevLett.123.070503.
https://doi.org/ 10.1103/PhysRevLett.123.070503

[133] Andrew M. Childs, Yuan Su, Minh C. Tran, Nathan Wiebe und Shuchen Zhu. Theorie des Traberfehlers mit Kommutatorskalierung. Physik. Rev. X, 11:011020, 2021. https://doi.org/10.1103/PhysRevX.11.011020.
https://doi.org/ 10.1103/PhysRevX.11.011020

[134] Albert T. Schmitz, Nicolas PD Sawaya, Sonika Johri und AY Matsuura. Diagrammoptimierungsperspektive für die Traber-Suzuki-Zerlegung mit geringer Tiefe. arXiv-Vorabdruck arXiv:2103.08602, 2021. https:///doi.org/10.48550/arXiv.2103.08602.
https:///doi.org/10.48550/arXiv.2103.08602
arXiv: 2103.08602

[135] Nicolas PD Sawaya. mat2qubit: Ein leichtes Python-Paket für Qubit-Kodierungen von Schwingungs-, Bosonik-, Graphfärbungs-, Routing-, Scheduling- und allgemeinen Matrixproblemen. arXiv-Vorabdruck arXiv:2205.09776, 2022. https:///doi.org/10.48550/arXiv.2205.09776.
https:///doi.org/10.48550/arXiv.2205.09776
arXiv: 2205.09776

[136] Pauli Virtanen, Ralf Gommers, Travis E. Oliphant, Matt Haberland, Tyler Reddy, David Cournapeau, Evgeni Burovski, Pearu Peterson, Warren Weckesser, Jonathan Bright, Stéfan J. van der Walt, Matthew Brett, Joshua Wilson, K. Jarrod Millman, Nikolay Mayorov, Andrew RJ Nelson, Eric Jones, Robert Kern, Eric Larson, CJ Carey, İlhan Polat, Yu Feng, Eric W. Moore, Jake VanderPlas, Denis Laxalde, Josef Perktold, Robert Cimrman, Ian Henriksen, EA Quintero, Charles R . Harris, Anne M. Archibald, Antônio H. Ribeiro, Fabian Pedregosa, Paul van Mulbregt und SciPy 1.0-Mitwirkende. SciPy 1.0: Grundlegende Algorithmen für wissenschaftliches Rechnen in Python. Nature Methods, 17:261–272, 2020. https:///doi.org/10.1038/s41592-019-0686-2.
https://doi.org/10.1038/s41592-019-0686-2

[137] Jarrod R. McClean, Nicholas C. Rubin, Kevin J. Sung, Ian D. Kivlichan, Xavier Bonet-Monroig, Yudong Cao, Chengyu Dai, E. Schuyler Fried, Craig Gidney, Brendan Gimby, et al. Openfermion: das elektronische Strukturpaket für Quantencomputer. Quantum Science and Technology, 5(3):034014, 2020. https:///doi.org/10.1088/2058-9565/ab8ebc.
https: / / doi.org/ 10.1088 / 2058-9565 / ab8ebc

[138] Aaron Meurer, Christopher P. Smith, Mateusz Paprocki, Ondřej Čertík, Sergey B. Kirpichev, Matthew Rocklin, AMiT Kumar, Sergiu Ivanov, Jason K. Moore, Sartaj Singh, et al. Sympy: Symbolisches Rechnen in Python. PeerJ Computer Science, 3:e103, 2017. https:///doi.org/10.7717/peerj-cs.103.
https: / / doi.org/ 10.7717 / peerj-cs.103

[139] Pradnya Khalate, Xin-Chuan Wu, Shavindra Premaratne, Justin Hogaboam, Adam Holmes, Albert Schmitz, Gian Giacomo Guerreschi, Xiang Zou und AY Matsuura. Eine LLVM-basierte C++-Compiler-Toolchain für hybride quantenklassische Variationsalgorithmen und Quantenbeschleuniger. arXiv-Vorabdruck arXiv:2202.11142, 2022. https:///doi.org/10.48550/arXiv.2202.11142.
https:///doi.org/10.48550/arXiv.2202.11142
arXiv: 2202.11142

[140] CA Ryan, C. Negrevergne, M. Laforest, E. Knill und R. Laflamme. Flüssige Kernspinresonanz als Testumgebung für die Entwicklung von Quantenkontrollmethoden. Physik. Rev. A, 78:012328, Juli 2008. https:///doi.org/10.1103/PhysRevA.78.012328.
https: / / doi.org/ 10.1103 / PhysRevA.78.012328

[141] Richard Versluis, Stefano Poletto, Nader Khammassi, Brian Tarasinski, Nadia Haider, David J Michalak, Alessandro Bruno, Koen Bertels und Leonardo DiCarlo. Skalierbare Quantenschaltung und Steuerung für einen supraleitenden Oberflächencode. Physical Review Applied, 8(3):034021, 2017. https:///doi.org/10.1103/physrevapplied.8.034021.
https: / / doi.org/ 10.1103 / physrevapplied.8.034021

[142] Bjoern Lekitsch, Sebastian Weidt, Austin G Fowler, Klaus Mølmer, Simon J Devitt, Christof Wunderlich und Winfried K Hensinger. Blaupause für einen Mikrowellen-Quantencomputer mit eingefangenen Ionen. Science Advances, 3(2):e1601540, 2017. https:///doi.org/10.1126/sciadv.1601540.
https: / / doi.org/ 10.1126 / sciadv.1601540

Zitiert von

[1] Nicolas PD Sawaya, Daniel Marti-Dafcik, Yang Ho, Daniel P. Tabor, David Bernal, Alicia B. Magann, Shavindra Premaratne, Pradeep Dubey, Anne Matsuura, Nathan Bishop, Wibe A de Jong, Simon Benjamin, Ojas D. Parekh, Norm Tubman, Katherine Klymko und Daan Camps, „HamLib: Eine Bibliothek von Hamiltonianern zum Benchmarking von Quantenalgorithmen und -hardware“, arXiv: 2306.13126, (2023).

[2] Federico Dominguez, Josua Unger, Matthias Traube, Barry Mant, Christian Ertler und Wolfgang Lechner, „Encoding-Independent Optimization Problem Formulation for Quantum Computing“, arXiv: 2302.03711, (2023).

[3] Nicolas PD Sawaya und Joonsuk Huh, „Verbesserte ressourcenabstimmbare kurzfristige Quantenalgorithmen für Übergangswahrscheinlichkeiten, mit Anwendungen in der Physik und der Variationsquantenlinearalgebra“, arXiv: 2206.14213, (2022).

Die obigen Zitate stammen von SAO / NASA ADS (Zuletzt erfolgreich aktualisiert am 2023, 09:17:01 Uhr). Die Liste ist möglicherweise unvollständig, da nicht alle Verlage geeignete und vollständige Zitationsdaten bereitstellen.

On Der von Crossref zitierte Dienst Es wurden keine Daten zum Zitieren von Werken gefunden (letzter Versuch 2023-09-17 01:11:39).

Dieses Papier ist in Quantum unter dem veröffentlicht Creative Commons Namensnennung 4.0 International (CC BY 4.0) Lizenz. Das Copyright verbleibt bei den ursprünglichen Copyright-Inhabern wie den Autoren oder deren Institutionen.

SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
PlatoESG. Automobil / Elektrofahrzeuge, Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
PlatoHealth. Informationen zu Biotechnologie und klinischen Studien. Hier zugreifen.
ChartPrime. Verbessern Sie Ihr Handelsspiel mit ChartPrime. Hier zugreifen.
BlockOffsets. Modernisierung des Eigentums an Umweltkompensationen. Hier zugreifen.
Quelle: https://quantum-journal.org/papers/q-2023-09-14-1111/

Zeitstempel: 14. September 2023

Korrelationen in der Typizität und eine positive Lösung für die exakte katalytische Entropie-Vermutung PlatoBlockchain Data Intelligence. Vertikale Suche. Ai.

Korrelationen in der Typizität und eine positive Lösung der exakten katalytischen Entropie-Vermutung

Quellcluster:

Quantenjournal

Quellknoten: 1752996

Zeitstempel: 10. Nov 2022

Neuauflage von Plato

Das Zusammenspiel von Verschränkung und Nichtlokalität verstehen: Motivation und Entwicklung eines neuen Zweigs der Verschränkungstheorie

Verschränkungs-erweiterter Testvorschlag für lokale Verletzung der Lorentz-Symmetrie durch Spinoratome

Quantenkopierschutz von Compute-and-Compare-Programmen im Quanten-Random-Oracle-Modell

Ein Paarmessflächencode auf Fünfecken

Quantensimulation von Batteriematerialien mithilfe ionischer Pseudopotentiale

Untersuchung der Quantenverschränkung aus Populationen magnetischer Unterebenen: jenseits von Spin-Squeezing-Ungleichungen

Regelmäßig aktualisierte Quantenthermomaschinen

Der minimale Kommunikationsaufwand für die Simulation verschränkter Qubits

Allgemeine Eigenschaften der Treue in nicht-hermiteschen Quantensystemen mit PT-Symmetrie

Quantenkorrelationen an der No-Signaling-Grenze: Selbsttests und mehr

Korrelationen in der Typizität und eine positive Lösung der exakten katalytischen Entropie-Vermutung

Über uns

Vertikale Suche & Ai

Plattform

Bleiben Sie in Verbindung

Konto