NISQ-ga ühilduv ligikaudne kvantalgoritm piiramatuks ja piiratud diskreetseks optimeerimiseks

Taasavaldanud Platon

järgijaid: 0

M. R. Perelštein^1,2,3, AI Pakhomchik¹, Ar. A. Melnikov¹, M. Podobrii¹, A. Termanova¹, I. Kreidich¹, B. Nuriev¹, S. Iudin¹, CW Mansell¹ja V. M. Vinokur^1,4

¹Terra Quantum AG, Kornhausstrasse 25, 9000 St. Gallen, Šveits
²QTF tippkeskus, Aalto ülikooli rakendusfüüsika osakond, P.O. Box 15100, FI-00076 AALTO, Soome
³InstituteQ – Soome Kvantinstituut, Aalto Ülikool, Soome
⁴Füüsikaosakond, New Yorgi linnaülikooli linnakolledž, 160 Convent Ave, New York, NY 10031, USA

Kas see artikkel on huvitav või soovite arutada? Scite või jätke SciRate'i kommentaar.

Abstraktne

Kvantalgoritmid on muutumas äärmiselt populaarseks tänu nende potentsiaalile ületada oluliselt klassikalisi algoritme. Kuid kvantalgoritmide rakendamine optimeerimisprobleemidele vastab väljakutsetele, mis on seotud kvantalgoritmide koolituse tõhususe, nende kulumaastiku kuju, nende väljundi täpsusega ja nende suutlikkusega skaleerida suuremahuliste probleemideni. Siin esitame ligikaudse gradiendipõhise kvantalgoritmi riistvaratõhusate vooluahelate jaoks, millel on amplituudikodeering. Näitame, kuidas lihtsaid lineaarseid piiranguid saab otse ahelasse lisada ilma sihtfunktsiooni täiendavalt muutmata karistustingimustega. Kasutame numbrilisi simulatsioone, et testida seda $texttt{MaxCut}$ probleemidega koos tuhandete sõlmedega täielike kaalutud graafikutega ja käivitada algoritm ülijuhtival kvantprotsessoril. Leiame, et rohkem kui 1000 sõlmega piiranguteta $texttt{MaxCut}$ probleemide jaoks võib hübriidne lähenemisviis, mis kombineerib meie algoritmi klassikalise CPLEX-i lahendajaga, leida parema lahenduse kui CPLEX üksi. See näitab, et hübriidne optimeerimine on kaasaegsete kvantseadmete üks juhtivaid kasutusjuhtumeid.

NISQ-ga ühilduv ligikaudne kvantalgoritm piiramatuks ja piiratud diskreetseks optimeerimiseks PlatoBlockchain Data Intelligence. Vertikaalne otsing. Ai.

Esiletõstetud pilt: lahenduste energia (või maksumuse) graafik iteratsioonide arvu funktsioonina. Piiratud lahendused on näidatud punaselt ja piiramata lahendused on rohelised. Katkendjooned näitavad optimaalsete lahenduste maksumust.

Populaarne kokkuvõte

Optimeerimine on süsteemide ja toimingute kohandamise protsess, et muuta need tõhusamaks ja tulemuslikumaks. Kujutage ette näiteks tehases asuvat juhtpaneeli, kus on palju seadistusi. Optimeerimise ülesanne on välja selgitada, kuidas seadistusi kohandada, et tehas oleks võimalikult energiatõhus. Paremate optimeerimisalgoritmide, nii klassikaliste kui ka kvant-algoritmide väljatöötamine on oluline uurimisvaldkond.

Sageli on kasulik ette kujutada, et iga seadete kombinatsioon vastab asukohale kaardil. Optimeeritav kogus – eelmises näites energiatõhusus – oleks esindatud erinevate kaardipositsioonide kõrgusega merepinnast. Varasemas töös kombineeriti tõhus viis optimeerimisprobleemide kvantprotsessoritesse kodeerimiseks gradiendipõhise meetodiga (st meetodiga, mis kasutab maastiku järsust või madalust, et otsustada, millised seadistused on järgmised, mida proovida).

Me tugineme sellele eelnevale tööle, lisades probleemi lihtsad lineaarsed piirangud. See on kasulik, kuna tavaliselt ei ole kõik seadete kombinatsioonid füüsiliselt võimalikud. Seetõttu tuleb saadaolevaid valikuid piirata. Oluline on see, et nagu näitas töö analüüs, ei muuda meie viis piirangute esitamiseks optimeerimisprobleemi keerulisemaks ega keerulisemaks.

► BibTeX-i andmed

@artikkel{Perelshtein2023nisqyhteensopiva, doi = {10.22331/q-2023-11-21-1186}, url = {https://doi.org/10.22331/q-2023-11-21-1186}, pealkiri = {{NISQ }-ühilduv ligikaudne kvantalgoritm piiramatuks ja piiratud diskreetseks optimeerimiseks}, autor = {Perelshtein, M. R. and Pakhomchik, A. I. and Melnikov, Ar. A. ja Podobrii, M. ja Termanova, A. ja Kreidich, I. ja Nuriev, B. ja Iudin, S. ja Mansell, C. W. ja Vinokur, V. M.}, ajakiri = {{Quantum}}, issn = {2521- 327X}, väljaandja = {{Verein zur F{“{o}}rderung des Open Access Publizierens in den Quantenwissenschaften}}, maht = {7}, lehekülge = {1186}, kuu = nov, aasta = {2023} }

► Viited

[1] Frank Arute, Kunal Arya, Ryan Babbush, Dave Bacon, Joseph C Bardin, Rami Barends, Rupak Biswas, Sergio Boixo, Fernando GSL Brandao, David A Buell jt. "Mittetasapinnaliste graafikuprobleemide kvant-ligikaudne optimeerimine tasapinnalises ülijuhtivas protsessoris". Nature Physics 17, 332–336 (2021).
https:///doi.org/10.1038/s41567-020-01105-y

[2] Yulin Wu, Wan-Su Bao, Sirui Cao, Fusheng Chen, Ming-Cheng Chen, Xiawei Chen, Tung-Hsun Chung, Hui Deng, Yajie Du, Daojin Fan jt. "Tugev kvantarvutuslik eelis ülijuhtiva kvantprotsessori kasutamisel". Phys. Rev. Lett. 127, 180501 (2021).
https:///doi.org/10.1103/PhysRevLett.127.180501

[3] Qingling Zhu, Sirui Cao, Fusheng Chen, Ming-Cheng Chen, Xiawei Chen, Tung-Hsun Chung, Hui Deng, Yajie Du, Daojin Fan, Ming Gong jt. "Kvantarvutuse eelis 60-kubitise 24-tsüklilise juhusliku vooluahela diskreetimismeetodi abil". Science Bulletin 67, 240–245 (2022).
https:///doi.org/10.1016/j.scib.2021.10.017

[4] Suguru Endo, Zhenyu Cai, Simon C. Benjamin ja Xiao Yuan. "Kvantklassikalised hübriidalgoritmid ja kvantvigade leevendamine". Journal of the Physical Society of Japan 90, 032001 (2021).
https:///doi.org/10.7566/JPSJ.90.032001

[5] Michael Perelshtein, Asel Sagingalieva, Karan Pinto, Vishal Shete, Aleksei Pakhomchik, Artem Melnikov, Florian Neukart, Georg Gesek, Aleksei Melnikov ja Valerii Vinokur. "Praktiline rakendusespetsiifiline eelis hübriidkvantarvutite kaudu" (2022). arXiv:2205.04858.
arXiv: 2205.04858

[6] Sergey Bravyi, Graeme Smith ja John A. Smolin. "Kauplemine klassikaliste ja kvantarvutusressurssidega". Phys. Rev. X 6, 021043 (2016).
https:///doi.org/10.1103/PhysRevX.6.021043

[7] Jarrod R McClean, Jonathan Romero, Ryan Babbush ja Alán Aspuru-Guzik. "Variatsiooniliste hübriidsete kvant-klassikaliste algoritmide teooria". New Journal of Physics 18, 023023 (2016).
https://doi.org/10.1088/1367-2630/18/2/023023

[8] Jun Li, Xiaodong Yang, Xinhua Peng ja Chang-Pu Sun. Hübriidne kvantklassikaline lähenemine kvantoptimaalsele juhtimisele. Phys. Rev. Lett. 118, 150503 (2017).
https:///doi.org/10.1103/PhysRevLett.118.150503

[9] Daiwei Zhu, Norbert M Linke, Marcello Benedetti, Kevin A Landsman, Nhung H Nguyen, C Huerta Alderete, Alejandro Perdomo-Ortiz, Nathan Korda, A Garfoot, Charles Brecque jt. "Kvantahelate koolitus hübriidkvantarvutis". Science Advances 5, eaaw9918 (2019).
https:///doi.org/10.1126/sciadv.aaw9918

[10] Akshay Ajagekar, Travis Humble ja Fengqi You. "Kvantarvutitel põhinevad hübriidlahendusstrateegiad suuremahuliste diskreetsete-pidevate optimeerimisprobleemide jaoks". Computers & Chemical Engineering 132, 106630 (2020).
https:///doi.org/10.1016/j.compchemeng.2019.106630

[11] Ruslan Shaydulin, Hayato Ushijima-Mwesigwa, Christian F. A. Negre, Ilja Safro, Susan M. Mniszewski ja Juri Aleksejev. "Hübriidne lähenemisviis väikeste kvantarvutite optimeerimisprobleemide lahendamiseks". Arvuti 52, 18–26 (2019).
https:///doi.org/10.1109/MC.2019.2908942

[12] Libor Caha, Alexander Kliesch ja Robert Koenig. "Keeratud hübriidalgoritmid kombinatoorseks optimeerimiseks". Quantum Science and Technology 7, 045013 (2022).
https://doi.org/10.1088/2058-9565/ac7f4f

[13] Boukthir Haddar, Mahdi Khemakhem, Saïd Hanafi ja Christophe Wilbaut. Hübriidne kvantosakeste sülemi optimeerimine mitmemõõtmelise seljakoti probleemi jaoks. Tehisintellekti insenerirakendused 55, 1–13 (2016).
https:///doi.org/10.1016/j.engappai.2016.05.006

[14] Reza Mahroo ja Amin Kargarian. "Kvantklassikalise hübriidühiku kohustus". Aastal 2022 toimus IEEE Texase energia- ja energiakonverents (TPEC). Lk 1–5. (2022).
https:///doi.org/10.1109/TPEC54980.2022.9750763

[15] Tony T Tran, Minh Do, Eleanor G Rieffel, Jeremy Frank, Zhihui Wang, Bryan O'Gorman, Davide Venturelli ja J Christopher Beck. "Hübriidne kvantklassikaline lähenemine ajastamisprobleemide lahendamisele". Üheksandal iga-aastasel kombinatoorse otsingu sümpoosionil. 7. köide, lk 98–106. (2016).
https:///doi.org/10.1609/socs.v7i1.18390

[16] Xiao-Hong Liu, Mi-Yuan Shan, Ren-Long Zhang ja Li-Hong Zhang. Rohelise sõiduki marsruudi optimeerimine süsinikuheite ja mitmeotstarbelise hübriidkvantimmuunalgoritmi alusel. Inseneriteaduse matemaatilised ülesanded 2018, 8961505 (2018).
https:///doi.org/10.1155/2018/8961505

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

[18] Samuel Mugel, Mario Abad, Miguel Bermejo, Javier Sánchez, Enrique Lizaso ja Román Orús. "Hübriidkvantinvesteeringute optimeerimine minimaalse hoidmisperioodiga". Scientific Reports 11, 19587 (2021).
https:///doi.org/10.1038/s41598-021-98297-x

[19] Xiaozhen Ge, Re-Bing Wu ja Herschel Rabitz. Hübriidsete kvant-klassikaliste algoritmide optimeerimismaastik: kvantjuhtimisest NISQ rakendusteni. Aastaülevaated kontrollis 54, 314–323 (2022).
https:///doi.org/10.1016/j.arcontrol.2022.06.001

[20] Edward Farhi, Jeffrey Goldstone ja Sam Gutmann. "A Quantum Approximate Optimization Algorithm" (2014). arXiv:1411.4028.
arXiv: 1411.4028

[21] Madita Willsch, Dennis Willsch, Fengping Jin, Hans De Raedt ja Kristel Michielsen. "Kvantligikaudse optimeerimisalgoritmi võrdlusanalüüs". Quantum Information Processing 19, 197 (2020).
https://doi.org/10.1007/s11128-020-02692-8

[22] Danylo Lykov, Jonathan Wurtz, Cody Poole, Mark Saffman, Tom Noel ja Juri Aleksejev. “Sampling Frequency Thresholds for Quantum Advantage of Quantum Approximate Optimization Algorithm” (2022). arXiv:2206.03579.
arXiv: 2206.03579

[23] Davide Venturelli ja Aleksei Kondratjev. "Pöördkvantlõõmutamise lähenemisviis portfelli optimeerimise probleemidele". Quantum Machine Intelligence 1, 17–30 (2019).
https:///doi.org/10.1007/s42484-019-00001-w

[24] WangChun Peng, BaoNan Wang, Feng Hu, YunJiang Wang, XianJin Fang, XingYuan Chen ja Chao Wang. "Suuremate täisarvude faktoriseerimine vähemate kubitidega optimeeritud parameetritega kvantlõõmutamise teel". Science China Physics, Mechanics & Astronomy 62, 60311 (2019).
https://doi.org/10.1007/s11433-018-9307-1

[25] Fred Glover, Gary Kochenberger ja Yu Du. “QUBO mudelite formuleerimise ja kasutamise õpetus” (2018). arXiv:1811.11538.
arXiv: 1811.11538

[26] Marcello Benedetti, Mattia Fiorentini ja Michael Lubasch. "Riistvaratõhusad variatsioonikvantalgoritmid aja evolutsiooni jaoks". Phys. Rev. Res. 3, 033083 (2021).
https:///doi.org/10.1103/PhysRevResearch.3.033083

[27] Sheir Yarkoni, Elena Raponi, Thomas Bäck ja Sebastian Schmitt. "Kvantlõõmutamine tööstuslike rakenduste jaoks: tutvustus ja ülevaade". Aruanded füüsika edenemise kohta 85, 104001 (2022).
https://doi.org/10.1088/1361-6633/ac8c54

[28] Benjamin Tan, Marc-Antoine Lemonde, Supanut Thanasilp, Jirawat Tangpanitanon ja Dimitris G. Angelakis. "Qubit-efektiivsed kodeerimisskeemid binaarsete optimeerimisprobleemide jaoks". Quantum 5, 454 (2021).
https://doi.org/10.22331/q-2021-05-04-454

[29] Jin-Guo Liu ja Lei Wang. "Kvantahela sündinud masinate diferentseeritav õppimine". Phys. Rev. A 98, 062324 (2018).
https:///doi.org/10.1103/PhysRevA.98.062324

[30] Atsushi Matsuo, Yudai Suzuki ja Shigeru Yamashita. "VQE algoritmi optimeerimisprobleemide probleemipõhised parameetrilised kvantahelad" (2020). arXiv:2006.05643.
arXiv: 2006.05643

[31] Austin Gilliam, Stefan Woerner ja Constantin Gonciulea. "Groveri adaptiivne otsing piiratud polünoomilise binaarse optimeerimise jaoks". Quantum 5, 428 (2021).
https://doi.org/10.22331/q-2021-04-08-428

[32] Pradeep Niroula, Ruslan Shaydulin, Romina Yalovetzky, Pierre Minssen, Dylan Herman, Shaohan Hu ja Marco Pistoia. "Piiratud kvantoptimeerimine ekstraheerivaks kokkuvõtmiseks lõksus-ioonide kvantarvutis". Scientific Reports 12, 17171 (2022).
https:///doi.org/10.1038/s41598-022-20853-w

[33] M. R. Perelshtein ja A. I. Pakhomchik. "Polünoom-aja hübriidne kvantalgoritm diskreetseks optimeerimiseks". Patent (2021).

[34] A. I. Pakhomchik ja M. R. Perelshtein. "Hübriidne kvantarvutusarhitektuur lineaarsete binaarsuhete süsteemi lahendamiseks". Patent (2022).

[35] Richard M. Karp. "Taastatavus kombinatoorsete probleemide hulgas". Lk 85–103. Springer USA. Boston, MA (1972).
https://doi.org/10.1007/978-1-4684-2001-2_9

[36] QMware: esimene globaalne kvantpilv.

[37] "IBM Q kogemus".

[38] Giuseppe E Santoro ja Erio Tosatti. "Optimeerimine kvantmehaanika abil: kvantlõõmutamine adiabaatilise evolutsiooni kaudu". Journal of Physics A: Mathematical and General 39, R393 (2006).
https://doi.org/10.1088/0305-4470/39/36/R01

[39] Francisco Barahona, Martin Grötschel, Michael Jünger ja Gerhard Reinelt. "Kombinatoorse optimeerimise rakendus statistilisele füüsikale ja vooluahela paigutuse kujundamisele". Operations Research 36, 493–513 (1988).
https:///doi.org/10.1287/opre.36.3.493

[40] Giuseppe E. Santoro, Roman Martoňák, Erio Tosatti ja Roberto Car. "Isingi pöörleva klaasi kvantlõõmutamise teooria". Science 295, 2427–2430 (2002).
https:///doi.org/10.1126/science.1068774

[41] Juri Nesterov ja Vladimir Spokoinõi. "Kumerate funktsioonide juhuslik gradiendivaba minimeerimine". Arvutusmatemaatika alused 17, 527–566 (2017).
https://doi.org/10.1007/s10208-015-9296-2

[42] Michael JD Powell. "Optimeerimisalgoritmide vaade ilma tuletisteta". Mathematics Today – Matemaatika Instituudi ja selle rakenduste bülletään 43, 170–174 (2007). url: optimization-online.org/wp-content/uploads/2007/06/1680.pdf.
https:///optimization-online.org/wp-content/uploads/2007/06/1680.pdf

[43] Maria Schuld, Ville Bergholm, Christian Gogolin, Josh Izaac ja Nathan Killoran. "Analüütiliste gradientide hindamine kvantriistvaras". Phys. Rev. A 99, 032331 (2019).
https:///doi.org/10.1103/PhysRevA.99.032331

[44] Diederik P. Kingma ja Jimmy Ba. “Adam: A Method for Stochastic Optimization” (2014). arXiv: 1412.6980.
arXiv: 1412.6980

[45] Mohammad Kordzanganeh, Markus Buchberger, Maxim Povolotskii, Wilhelm Fischer, Andrii Kurkin, Wilfrid Somogyi, Asel Sagingalieva, Markus Pflitsch ja Aleksei Melnikov. "Simuleeritud ja füüsiliste kvanttöötlusüksuste võrdlusuuringud kvant- ja hübriidalgoritmide abil" Adv Quantum Technol. 2023, 6, 2300043 (2023). arXiv:2211.15631.
https:///doi.org/10.1002/qute.202300043
arXiv: 2211.15631

[46] IBM ILOG CPLEX. "CPLEXi kasutusjuhend". International Business Machines Corporation 46, 157 (2009). url: www.ibm.com/docs/en/icos/12.8.0.0?topic=cplex-users-manual.
https:///www.ibm.com/docs/en/icos/12.8.0.0?topic=cplex-users-manual

[47] M. Somov, M. Abelian, M. Podobrii, V. Vološinov, M. Veštšerova, B. Nuriev, D. Lemtiužnikova, M. Zarrin ja M. R. Perelštein. "Hübriidne kvantharuline torujuhe diskreetseks optimeerimiseks". avaldamata (2023).

[48] Junyu Liu, Frederik Wilde, Antonio Anna Mele, Liang Jiang ja Jens Eisert. "Müra võib olla abiks variatiivsete kvantalgoritmide jaoks" (2022). arXiv:2210.06723.
arXiv: 2210.06723

[49] Steven R. White. "Tihedusmaatriksi formulatsioon kvantrenormaliseerimisrühmade jaoks". Phys. Rev. Lett. 69, 2863–2866 (1992).
https:///doi.org/10.1103/PhysRevLett.69.2863

[50] Johnnie Gray ja Stefanos Kourtis. "Hüperoptimeeritud tensorvõrgu kokkutõmbumine". Quantum 5, 410 (2021).
https://doi.org/10.22331/q-2021-03-15-410

[51] Igor L. Markov ja Yaoyun Shi. "Kvantarvutuse simuleerimine tensorvõrkude kaudu". SIAM Journal on Computing 38, 963–981 (2008).
https:///doi.org/10.1137/050644756

[52] Yong Liu, Xin Liu, Fang Li, Haohuan Fu, Yuling Yang, Jiawei Song, Pengpeng Zhao, Zhen Wang, Dajia Peng, Huarong Chen jt. "Kvantide ülemvõimu" lõhe sulgemine: juhusliku kvantahela reaalajas simulatsiooni saavutamine uue Sunway superarvuti abil. Kõrgjõudlusega andmetöötluse, võrkude loomise, salvestuse ja analüüsi rahvusvahelise konverentsi toimetistes. SC ’21 New York, NY, USA (2021). Arvutusmasinate Ühing. url: dl.acm.org/doi/abs/10.1145/3458817.3487399.
https:///doi.org/10.1145/3458817.3487399

[53] Frank Arute, Kunal Arya, Ryan Babbush, Dave Bacon, Joseph C Bardin, Rami Barends, Rupak Biswas, Sergio Boixo, Fernando GSL Brandao, David A Buell jt. "Kvantide ülemvõim programmeeritava ülijuhtiva protsessori abil". Nature 574, 505–510 (2019).
https://doi.org/10.1038/s41586-019-1666-5

[54] C. Schön, K. Hammerer, M. M. Wolf, J. I. Cirac ja E. Solano. "Maatriks-produkti olekute järjestikune genereerimine õõnsuses QED". Phys. Rev. A 75, 032311 (2007).
https:///doi.org/10.1103/PhysRevA.75.032311

[55] Kouhei Nakaji ja Naoki Yamamoto. "Vahelduva kihilise ansatzi väljendatavus kvantarvutamiseks". Quantum 5, 434 (2021).
https://doi.org/10.22331/q-2021-04-19-434

[56] I. V. Oseledets. "Tensor-rongi lagunemine". SIAM Journal on Scientific Computing 33, 2295–2317 (2011).
https:///doi.org/10.1137/090752286

[57] Román Orús. "Praktiline sissejuhatus tensorvõrkudesse: maatriksi toote olekud ja kavandatud takerdunud paari olekud". Annals of Physics 349, 117–158 (2014).
https:///doi.org/10.1016/j.aop.2014.06.013

[58] Danylo Lykov, Roman Schutski, Aleksei Galda, Valeri Vinokur ja Juri Aleksejev. "Tensorvõrgu kvantsimulaator sammust sõltuva paralleelsusega". 2022. aastal toimub IEEE rahvusvaheline kvantarvutite ja -tehnoloogia konverents (QCE). Lk 582–593. (2022).
https:///doi.org/10.1109/QCE53715.2022.00081

[59] Ilia A Luchnikov, Mihhail E Krechetov ja Sergei N Filippov. "Riemanni geomeetria ja automaatne diferentseerimine kvantfüüsika ja kvanttehnoloogiate optimeerimisprobleemide jaoks". New Journal of Physics 23, 073006 (2021).
https://doi.org/10.1088/1367-2630/ac0b02

[60] Martin Larocca, Piotr Czarnik, Kunal Sharma, Gopikrishnan Muraleedharan, Patrick J. Coles ja M. Cerezo. Viljatute platoode diagnoosimine kvantoptimaalse kontrolli tööriistadega. Quantum 6, 824 (2022).
https://doi.org/10.22331/q-2022-09-29-824

[61] Ar A Melnikov, A A Termanova, S V Dolgov, F Neukart ja M R Perelshtein. "Kvantoleku ettevalmistamine tensorvõrkude abil". Quantum Science and Technology 8, 035027 (2023).
https://doi.org/10.1088/2058-9565/acd9e7

[62] Karol Życzkowski ja Hans-Jürgen Sommers. "Keskmine täpsus juhuslike kvantolekute vahel". Phys. Rev. A 71, 032313 (2005).
https:///doi.org/10.1103/PhysRevA.71.032313

[63] Zoë Holmes, Kunal Sharma, M. Cerezo ja Patrick J. Coles. "Ansatzi ekspressiivsuse ühendamine gradiendi suuruste ja viljatute platoodega". PRX Quantum 3, 010313 (2022).
https:///doi.org/10.1103/PRXQuantum.3.010313

[64] AI Pakhomchik, S Yudin, MR Perelshtein, A Aleksejenko ja S Yarkoni. "Töövoo ajastamise probleemide lahendamine QUBO modelleerimisega" (2022). arXiv:2205.04844.
arXiv: 2205.04844

[65] Marko J. Rančić. "Mürarikas keskmise skaala kvantarvutusalgoritm $n$-tipu MaxCut probleemi lahendamiseks log($n$) kubitidega". Phys. Rev. Res. 5, L012021 (2023).
https:///doi.org/10.1103/PhysRevResearch.5.L012021

[66] Yagnik Chatterjee, Eric Bourreau ja Marko J. Rančić. „Erinevate NP-raskete probleemide lahendamine, kasutades kvantarvutis eksponentsiaalselt vähem kubitte” (2023). arXiv:2301.06978.
arXiv: 2301.06978

[67] Jacek Gondzio. “Lõiketasandi skeemis rakendatud ürg-kaksikmeetodi soe algus”. Mathematical Programming 83, 125–143 (1998).
https:///doi.org/10.1007/bf02680554

[68] Daniel J. Egger, Jakub Mareček ja Stefan Woerner. "Soojalt algav kvantoptimeerimine". Quantum 5, 479 (2021).
https://doi.org/10.22331/q-2021-06-17-479

[69] Felix Truger, Martin Beisel, Johanna Barzen, Frank Leymann ja Vladimir Jussupov. “Hüperparameetrite valimine ja optimeerimine soojakäivitatud kvantoptimeerimises MaxCuti probleemi jaoks”. Elektroonika 11, 1033 (2022).
https:///doi.org/10.3390/electronics11071033

[70] Sukin Sim, Peter D. Johnson ja Alán Aspuru-Guzik. "Parameetriliste kvantahelate väljendatavus ja sidumisvõime hübriidsete kvant-klassikaliste algoritmide jaoks". Advanced Quantum Technologies 2, 1900070 (2019).
https:///doi.org/10.1002/qute.201900070

Viidatud

[1] Ar A. Melnikov, A. A. Termanova, S. V. Dolgov, F. Neukart ja M. R. Perelshtein, "Kvantseisundi ettevalmistamine tensorvõrkude abil", Quantum Science and Technology 8 3, 035027 (2023).

Ülaltoodud tsitaadid on pärit SAO/NASA KUULUTUSED (viimati edukalt värskendatud 2023-11-21 14:11:44). Loend võib olla puudulik, kuna mitte kõik väljaandjad ei esita sobivaid ja täielikke viiteandmeid.

Ei saanud tuua Ristviide viidatud andmete alusel viimase katse ajal 2023-11-21 14:11:42: 10.22331/q-2023-11-21-1186 viidatud andmeid ei saanud Crossrefist tuua. See on normaalne, kui DOI registreeriti hiljuti.

See raamat on avaldatud Quantum all Creative Commons Attribution 4.0 International (CC BY 4.0) litsents. Autoriõigus jääb algsetele autoriõiguste valdajatele, näiteks autoritele või nende institutsioonidele.

SEO-põhise sisu ja PR-levi. Võimenduge juba täna.
PlatoData.Network Vertikaalne generatiivne Ai. Jõustage ennast. Juurdepääs siia.
PlatoAiStream. Web3 luure. Täiustatud teadmised. Juurdepääs siia.
PlatoESG. Süsinik, CleanTech, Energia, Keskkond päikeseenergia, Jäätmekäitluse. Juurdepääs siia.
PlatoTervis. Biotehnoloogia ja kliiniliste uuringute luureandmed. Juurdepääs siia.
Allikas: https://quantum-journal.org/papers/q-2023-11-21-1186/

Ajatempel: November 21, 2023

Ajatempel: Oktoober 6, 2022

Taasavaldanud Platon

Quantum Monte Carlo integratsioon: täielik eelis minimaalse vooluringi sügavusega

Magnetiliste alamtasandite populatsioonide kvantpõimumise uurimine: väljaspool spinni pigistamise ebavõrdsust

Kvant-sisepunkti meetodid poolkindlaks optimeerimiseks

Retrodiktsiooni aksioomid: aja-pöörde sümmeetria saavutamine prioriga

Tõhusad algoritmid kvantteabe kitsaskohtade jaoks

Maavärina kvantimine

Kvantahelad kohalike fermion-kubiti kaardistuste lahendamiseks

Täiustatud proovi keerukuse alampiir (täpsusega) kvantolekutomograafia jaoks

Kvantiseeritud mittelineaarne transport ülikülmade aatomitega

Kvantalgoritmid fluktuatsiooniteoreemidest: Soojusoleku ettevalmistamine

Meist

Vertikaalne otsing ja Ai

Platvorm

Püsi ühenduses

konto