Codifica di compromessi e kit di strumenti di progettazione negli algoritmi quantistici per l'ottimizzazione discreta: colorazione, instradamento, pianificazione e altri problemi

Ripubblicato da Platone

Seguaci: 0

Nicolas PD Sawaya¹, Albert T Schmitz²e Stuart Hadfield^3,4

¹Intel Labs, Intel Corporation, Santa Clara, California 95054, Stati Uniti [nicolas.sawaya@intel.com]
²Intel Labs, Intel Corporation, Hillsboro, Oregon 97124, Stati Uniti
³Laboratorio di intelligenza artificiale quantistica, Centro ricerche Ames della NASA, Moffett Field, California 94035, USA
⁴USRA Research Institute for Advanced Computer Science, Mountain View, California, 94043, USA

Trovi questo documento interessante o vuoi discuterne? Scrivi o lascia un commento su SciRate.

Astratto

Gli impegnativi problemi di ottimizzazione combinatoria sono onnipresenti nella scienza e nell'ingegneria. Recentemente sono stati sviluppati diversi metodi quantistici per l'ottimizzazione, in diversi contesti, inclusi solutori sia esatti che approssimati. Affrontando questo campo di ricerca, questo manoscritto ha tre scopi distinti. Innanzitutto, presentiamo un metodo intuitivo per sintetizzare e analizzare problemi di ottimizzazione discreti ($ cioè basati su numeri interi), in cui il problema e le corrispondenti primitive algoritmiche sono espressi utilizzando una rappresentazione quantistica intermedia discreta (DQIR) che è indipendente dalla codifica. Questa rappresentazione compatta spesso consente una compilazione più efficiente dei problemi, analisi automatizzate di diverse scelte di codifica, una più semplice interpretabilità, procedure di runtime più complesse e una programmabilità più ricca, rispetto agli approcci precedenti, che dimostreremo con una serie di esempi. In secondo luogo, eseguiamo studi numerici confrontando diverse codifiche di qubit; i risultati mostrano una serie di tendenze preliminari che aiutano a guidare la scelta della codifica per un particolare set di hardware e per un particolare problema e algoritmo. Il nostro studio include problemi relativi alla colorazione dei grafici, al problema del venditore ambulante, alla pianificazione di fabbriche/macchine, al riequilibrio del portafoglio finanziario e alla programmazione lineare intera. In terzo luogo, progettiamo miscelatori parziali derivati da grafici (GDPM) a bassa profondità fino a variabili quantistiche a 16 livelli, dimostrando che le codifiche compatte (binarie) sono più suscettibili al QAOA di quanto precedentemente compreso. Ci aspettiamo che questo toolkit di astrazioni di programmazione e elementi costitutivi di basso livello aiuti nella progettazione di algoritmi quantistici per problemi combinatori discreti.

Codifica di compromessi e kit di strumenti di progettazione in algoritmi quantistici per l'ottimizzazione discreta: colorazione, instradamento, pianificazione e altri problemi PlatoBlockchain Data Intelligence. Ricerca verticale. Ai.

Immagine in primo piano: un mixer parziale derivato da un grafico (GDPM) per vincolare una variabile da 3 qubit a 6 stati durante l'implementazione, ad esempio, di QAOA.

► dati BibTeX

@article{Sawaya2023encodingtradeoffs, doi = {10.22331/q-2023-09-14-1111}, url = {https://doi.org/10.22331/q-2023-09-14-1111}, titolo = {Encoding trade -off e toolkit di progettazione in algoritmi quantistici per l'ottimizzazione discreta: colorazione, instradamento, pianificazione e altri problemi}, autore = {Sawaya, Nicolas PD e Schmitz, Albert T e Hadfield, Stuart}, journal = {{Quantum}}, issn = {2521-327X}, editore = {{Verein zur F{“{o}}rderung des Open Access Publizierens in den Quantenwissenschaften}}, volume = {7}, pagine = {1111}, mese = set, anno = { 2023} }

► Riferimenti

, Christos H Papadimitriou e Kenneth Steiglitz. Ottimizzazione combinatoria: algoritmi e complessità. Corriere Corporation, 1998.

, Lov K Grover. Un algoritmo veloce di meccanica quantistica per la ricerca nei database. In Atti del ventottesimo simposio annuale ACM sulla teoria dell'informatica, pagine 212–219, 1996. https:///doi.org/10.1145/237814.237866.
https: / / doi.org/ 10.1145 / 237814.237866 mila

, Tad Hogg e Dmitriy Portnov. Ottimizzazione quantistica. Scienze dell'informazione, 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

, Edward Farhi, Jeffrey Goldstone e Sam Gutmann. Un algoritmo di ottimizzazione quantistica approssimata. prestampa di arXiv arXiv:1411.4028, 2014. https:///doi.org/10.48550/arXiv.1411.4028.
https:///doi.org/10.48550/arXiv.1411.4028
arXiv: 1411.4028

, Matteo B Hastings. Un algoritmo quantistico a percorso breve per l'ottimizzazione esatta. Quantum, 2:78, 2018. https:///doi.org/10.22331/q-2018-07-26-78.
https://doi.org/10.22331/q-2018-07-26-78

, Tameem Albash e Daniel A Lidar. Calcolo quantistico adiabatico. Recensioni di fisica moderna, 90(1):015002, 2018. https:///doi.org/10.1103/revmodphys.90.015002.
https: / / doi.org/ 10.1103 / revmodphys.90.015002

, Stuart Hadfield, Zhihui Wang, Bryan O'Gorman, Eleanor Rieffel, Davide Venturelli e Rupak Biswas. Dall'algoritmo di ottimizzazione quantistica approssimata all'operatore quantistico alternato ansatz. Algoritmi, 12(2):34, 2019. https:///doi.org/10.3390/a12020034.
https: / / doi.org/ 10.3390 / a12020034

, Philipp Hauke, Helmut G Katzgraber, Wolfgang Lechner, Hidetoshi Nishimori e William D Oliver. Prospettive della ricottura quantistica: metodi e implementazioni. 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

, KM Svore, AV Aho, AW Cross, I. Chuang e IL Markov. Un'architettura software a più livelli per strumenti di progettazione del calcolo quantistico. Computer, 39(1):74–83, gennaio 2006. https:///doi.org/10.1109/MC.2006.4.
https: / / doi.org/ 10.1109 / MC.2006.4

, David Ittah, Thomas Häner, Vadym Kliuchnikov e Torsten Hoefler. Abilitazione dell'ottimizzazione del flusso di dati per i programmi quantistici. prestampa di arXiv arXiv:2101.11030, 2021. https:///doi.org/10.48550/arXiv.2101.11030.
https:///doi.org/10.48550/arXiv.2101.11030
arXiv: 2101.11030

, Ruslan Shaydulin, Kunal Marwaha, Jonathan Wurtz e Phillip C Lotshaw. Qaoakit: un kit di strumenti per lo studio riproducibile, l'applicazione e la verifica del qaoa. Nel 2021 IEEE/ACM Secondo workshop internazionale sul software di calcolo quantistico (QCS), pagine 64–71. IEEE, 2021. https:///doi.org/10.1109/qcs54837.2021.00011.
https:///doi.org/10.1109/qcs54837.2021.00011

, Nicolas PD Sawaya, Tim Menke, Thi Ha Kyaw, Sonika Johri, Alán Aspuru-Guzik e Gian Giacomo Guerreschi. Simulazione quantistica digitale efficiente in termini di risorse di sistemi di livello D per hamiltoniani fotonici, vibrazionali e di spin. npj Quantum Information, 6(1), giugno 2020. https:///doi.org/10.1038/s41534-020-0278-0.
https://doi.org/10.1038/s41534-020-0278-0

, Stuart Hadfield. Sulla rappresentazione delle funzioni booleane e reali come hamiltoniane per il calcolo quantistico. ACM Transactions on Quantum Computing, 2(4):1–21, 2021. https:///doi.org/10.1145/3478519.
https: / / doi.org/ 10.1145 / 3478519 mila

, Kesha Hietala, Robert Rand, Shih-Han Hung, Xiaodi Wu e Michael Hicks. Ottimizzazione verificata in una rappresentazione quantistica intermedia. CoRR, abs/1904.06319, 2019. https:///doi.org/10.48550/arXiv.1904.06319.
https:///doi.org/10.48550/arXiv.1904.06319

, Thien Nguyen e Alexander McCaskey. Compilatori ottimizzanti retargetabili per acceleratori quantistici tramite una rappresentazione intermedia multilivello. IEEE Micro, 42(5):17–33, 2022. https:///doi.org/10.1109/mm.2022.3179654.
https:///doi.org/10.1109/mm.2022.3179654

, Alexander McCaskey e Thien Nguyen. Un dialetto MLIR per linguaggi di assemblaggio quantistico. Nel 2021 Conferenza internazionale IEEE sull'informatica e l'ingegneria quantistica (QCE), pagine 255–264. IEEE, 2021. https:///doi.org/10.1109/qce52317.2021.00043.
https:///doi.org/10.1109/qce52317.2021.00043

, Andrew W Cross, Lev S Bishop, John A Smolin e Jay M Gambetta. Linguaggio assembly quantistico aperto. prestampa di arXiv arXiv:1707.03429, 2017. https:///doi.org/10.48550/arXiv.1707.03429.
https:///doi.org/10.48550/arXiv.1707.03429
arXiv: 1707.03429

, Nicolas PD Sawaya, Gian Giacomo Guerreschi e Adam Holmes. Sui requisiti di risorse dipendenti dalla connettività per la simulazione quantistica digitale di particelle di livello D. Nel 2020 Conferenza internazionale IEEE sull'informatica e l'ingegneria quantistica (QCE). IEEE, 2020. https:///doi.org/10.1109/qce49297.2020.00031.
https:///doi.org/10.1109/qce49297.2020.00031

, Alexandru Macridin, Panagiotis Spentzouris, James Amundson e Roni Harnik. Sistemi elettrone-fononi su un computer quantistico universale. Fis. Rev. Lett., 121:110504, 2018. https:///doi.org/10.1103/PhysRevLett.121.110504.
https: / / doi.org/ 10.1103 / PhysRevLett.121.110504

, Sam McArdle, Alexander Mayorov, Xiao Shan, Simon Benjamin e Xiao Yuan. Simulazione quantistica digitale delle vibrazioni molecolari. Chimica. Sci., 10(22):5725–5735, 2019. https:///doi.org/10.1039/c9sc01313j.
https:///doi.org/10.1039/c9sc01313j

, Pauline J. Ollitrault, Alberto Baiardi, Markus Reiher e Ivano Tavernelli. Algoritmi quantistici efficienti in termini hardware per calcoli di strutture vibrazionali. Chimica. Sci., 11(26):6842–6855, 2020. https:///doi.org/10.1039/d0sc01908a.
https:///doi.org/10.1039/d0sc01908a

, Nicolas PD Sawaya, Francesco Paesani e Daniel P Tabor. Approcci algoritmici quantistici a breve e lungo termine per la spettroscopia vibrazionale. Physical Review A, 104(6):062419, 2021. https:///doi.org/10.1103/physreva.104.062419.
https: / / doi.org/ 10.1103 / physreva.104.062419

, Jakob S Kottmann, Mario Krenn, Thi Ha Kyaw, Sumner Alperin-Lea e Alán Aspuru-Guzik. Progettazione quantistica assistita da computer di hardware di ottica quantistica. Scienza e tecnologia quantistica, 6(3):035010, 2021. https:///doi.org/10.1088/2058-9565/abfc94.
https:///doi.org/10.1088/2058-9565/abfc94

, R Lora-Serrano, Daniel Julio Garcia, D Betancourth, RP Amaral, NS Camilo, E Estévez-Rams, LA Ortellado GZ e PG Pagliuso. Effetti di diluizione nei sistemi spin 7/2. il caso dell’antiferromagnete 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

, Jarrod R McClean, Jonathan Romero, Ryan Babbush e Alán Aspuru-Guzik. La teoria degli algoritmi variazionali ibridi quantistici-classici. 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

, Vladyslav Verteletskyi, Tzu-Ching Yen e Artur F Izmaylov. Ottimizzazione della misurazione nell'autorisolutore quantistico variazionale utilizzando una copertura minima della cricca. The Journal of Chemical Physics, 152(12):124114, 2020. https:///doi.org/10.1063/1.5141458.
https: / / doi.org/ 10.1063 / 1.5141458 mila

, Marco Cerezo, Andrew Arrasmith, Ryan Babbush, Simon C Benjamin, Suguru Endo, Keisuke Fujii, Jarrod R McClean, Kosuke Mitarai, Xiao Yuan, Lukasz Cincio, et al. Algoritmi quantistici variazionali. 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

, Dmitry A Fedorov, Bo Peng, Niranjan Govind e Yuri Alexeev. Metodo VQE: una breve indagine e sviluppi recenti. Teoria dei materiali, 6(1):1–21, 2022. https:///doi.org/10.1186/s41313-021-00032-6.
https://doi.org/10.1186/s41313-021-00032-6

, Andrea Luca. Formulazioni ising di molti problemi NP. Frontiere nella fisica, 2:5, 2014. https:///doi.org/10.3389/fphy.2014.00005.
https: / / doi.org/ 10.3389 / fphy.2014.00005

, Young-Hyun Oh, Hamed Mohammadbagherpoor, Patrick Dreher, Anand Singh, Xianqing Yu e Andy J. Rindos. Risoluzione di problemi di ottimizzazione combinatoria multicolorazione utilizzando algoritmi quantistici ibridi. prestampa di arXiv arXiv:1911.00595, 2019. https:///doi.org/10.48550/arXiv.1911.00595.
https:///doi.org/10.48550/arXiv.1911.00595
arXiv: 1911.00595

, Zhihui Wang, Nicholas C. Rubin, Jason M. Dominy e Eleanor G. Rieffel. Miscelatori XY: risultati analitici e numerici per l'operatore alternato quantistico ansatz. Fis. Rev. A, 101:012320, gennaio 2020. https:///doi.org/10.1103/PhysRevA.101.012320.
https: / / doi.org/ 10.1103 / PhysRevA.101.012320

, Zsolt Tabi, Kareem H. El-Safty, Zsofia Kallus, Peter Haga, Tamas Kozsik, Adam Glos e Zoltan Zimboras. Ottimizzazione quantistica per il problema della colorazione dei grafi con incorporamento efficiente in termini di spazio. Nel 2020 Conferenza internazionale IEEE sull'informatica e l'ingegneria quantistica (QCE). IEEE, ottobre 2020. https:///doi.org/10.1109/qce49297.2020.00018.
https:///doi.org/10.1109/qce49297.2020.00018

, Franz G Fuchs, Herman Oie Kolden, Niels Henrik Aase e Giorgio Sartor. Codifica efficiente del MAX k-CUT ponderato su un computer quantistico utilizzando 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

, Bryan O'Gorman, Eleanor Gilbert Rieffel, Minh Do, Davide Venturelli e Jeremy Frank. Confronto degli approcci alla compilazione dei problemi di pianificazione per la ricottura quantistica. The Knowledge Engineering Review, 31(5):465–474, 2016. https:///doi.org/10.1017/S0269888916000278.
https: / / doi.org/ 10.1017 / S0269888916000278

, Tobias Stollenwerk, Stuart Hadfield e Zhihui Wang. Verso l'euristica del modello di porta quantistica per problemi di pianificazione del mondo reale. 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

, Tobias Stollenwerk, Bryan OGorman, Davide Venturelli, Salvatore Mandra, Olga Rodionova, Hokkwan Ng, Banavar Sridhar, Eleanor Gilbert Rieffel e Rupak Biswas. La ricottura quantistica applicata alla risoluzione dei conflitti tra traiettorie ottimali per la gestione del traffico aereo. IEEE Transactions on Intelligent Transportation Systems, 21(1):285–297, gennaio 2020. https:///doi.org/10.1109/tits.2019.2891235.
https:///doi.org/10.1109/tits.2019.2891235

, Alan Crispin e Alex Syrichas. Algoritmo di ricottura quantistica per la pianificazione dei veicoli. Nel 2013 Conferenza internazionale IEEE su sistemi, uomo e cibernetica. IEEE, 2013. https:///doi.org/10.1109/smc.2013.601.
https:///doi.org/10.1109/smc.2013.601

, Davide Venturelli, Dominic JJ Marchand e Galo Rojo. Implementazione della ricottura quantistica della pianificazione di job-shop. prestampa di arXiv arXiv:1506.08479, 2015. https:///doi.org/10.48550/arXiv.1506.08479.
https:///doi.org/10.48550/arXiv.1506.08479
arXiv: 1506.08479

, Tony T. Tran, Minh Do, Eleanor G. Rieffel, Jeremy Frank, Zhihui Wang, Bryan O'Gorman, Davide Venturelli e J. Christopher Beck. Un approccio ibrido quantistico-classico per risolvere problemi di scheduling. Nel nono simposio annuale sulla ricerca combinatoria. AAAI, 2016. https:///doi.org/10.1609/socs.v7i1.18390.
https:///doi.org/10.1609/socs.v7i1.18390

, Krzysztof Domino, Mátyás Koniorczyk, Krzysztof Krawiec, Konrad Jałowiecki e Bartłomiej Gardas. Approccio quantistico al dispacciamento ferroviario e all’ottimizzazione della gestione dei conflitti su linee ferroviarie a binario unico. prestampa di arXiv arXiv:2010.08227, 2020. https:///doi.org/10.48550/arXiv.2010.08227.
https:///doi.org/10.48550/arXiv.2010.08227
arXiv: 2010.08227

, Constantin Dalyac, Loïc Henriet, Emmanuel Jeandel, Wolfgang Lechner, Simon Perdrix, Marc Porcheron e Margarita Veshchezerova. Approcci quantistici qualificanti per problemi complessi di ottimizzazione industriale. Un caso di studio nel campo della ricarica intelligente dei veicoli elettrici. 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

, David Amaro, Matthias Rosenkranz, Nathan Fitzpatrick, Koji Hirano e Mattia Fiorentini. Un caso di studio di algoritmi quantistici variazionali per un problema di pianificazione di un'officina. 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

, Julia Plewa, Joanna Sieńko e Katarzyna Rycerz. Algoritmi variazionali per problemi di pianificazione del flusso di lavoro in dispositivi quantistici basati su gate. Informatica e informatica, 40(4), 2021. https:///doi.org/10.31577/cai_2021_4_897.
https:///doi.org/10.31577/cai_2021_4_897

, Adam Glos, Aleksandra Krawiec e Zoltán Zimborás. Ottimizzazione binaria efficiente in termini di spazio per il calcolo quantistico variazionale. 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

, Özlem Salehi, Adam Glos e Jarosław Adam Miszczak. Modelli binari non vincolati delle varianti del problema del commesso viaggiatore per l'ottimizzazione quantistica. Elaborazione delle informazioni quantistiche, 21(2):67, 2022. https:///doi.org/10.1007/s11128-021-03405-5.
https://doi.org/10.1007/s11128-021-03405-5

, David E. Bernal, Sridhar Tayur e Davide Venturelli. Programmazione quantistica intera (QuIP) 47-779: Dispense delle lezioni. prestampa di arXiv arXiv:2012.11382, 2020. https:///doi.org/10.48550/arXiv.2012.11382.
https:///doi.org/10.48550/arXiv.2012.11382
arXiv: 2012.11382

, Mark Hodson, Brendan Ruck, Hugh Ong, David Garvin e Stefan Dulman. Esperimenti di riequilibrio del portafoglio utilizzando l'operatore alternato quantistico ansatz. prestampa di arXiv arXiv:1911.05296, 2019. https:///doi.org/10.48550/arXiv.1911.05296.
https:///doi.org/10.48550/arXiv.1911.05296
arXiv: 1911.05296

, Sergi Ramos-Calderer, Adrián Pérez-Salinas, Diego García-Martín, Carlos Bravo-Prieto, Jorge Cortada, Jordi Planagumà e José I. Latorre. Approccio quantistico unario al pricing delle opzioni. Fis. Rev. A, 103:032414, 2021. https:///doi.org/10.1103/PhysRevA.103.032414.
https: / / doi.org/ 10.1103 / PhysRevA.103.032414

, Kensuke Tamura, Tatsuhiko Shirai, Hosho Katsura, Shu Tanaka e Nozomu Togawa. Confronto delle prestazioni delle tipiche codifiche di numeri interi binari in una macchina di ising. IEEE Access, 9:81032–81039, 2021. https:///doi.org/10.1109/ACCESS.2021.3081685.
https: / / doi.org/ 10.1109 / ACCESS.2021.3081685

, Ludmila Botelho, Adam Glos, Akash Kundu, Jarosław Adam Miszczak, Özlem Salehi e Zoltán Zimborás. Mitigazione degli errori per algoritmi quantistici variazionali attraverso misurazioni del circuito medio. Physical Review A, 105(2):022441, 2022. https:///doi.org/10.1103/physreva.105.022441.
https: / / doi.org/ 10.1103 / physreva.105.022441

, Zhihui Wang, Stuart Hadfield, Zhang Jiang e Eleanor G Rieffel. Algoritmo di ottimizzazione quantistica approssimata per maxcut: una visione fermionica. Physical Review A, 97(2):022304, 2018. https:///doi.org/10.1103/physreva.97.022304.
https: / / doi.org/ 10.1103 / physreva.97.022304

, Stuart Andrew Hadfield. Algoritmi quantistici per il calcolo scientifico e ottimizzazione approssimata. Columbia University, 2018. https:///doi.org/10.48550/arXiv.1805.03265.
https:///doi.org/10.48550/arXiv.1805.03265

, Matteo B. Hastings. Algoritmi di approssimazione della profondità limitata classica e quantistica. 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

, Sergey Bravyi, Alexander Kliesch, Robert Koenig e Eugene Tang. Ostacoli all'ottimizzazione quantistica variazionale derivanti dalla protezione della simmetria. Physical Review Letters, 125(26):260505, 2020. https:///doi.org/10.1103/physrevlett.125.260505.
https: / / doi.org/ 10.1103 / physrevlett.125.260505

, Alexander M Dalzell, Aram W Harrow, Dax Enshan Koh e Rolando L La Placa. Quanti qubit sono necessari per la supremazia computazionale quantistica? Quantum, 4:264, 2020. https:///doi.org/10.22331/q-2020-05-11-264.
https://doi.org/10.22331/q-2020-05-11-264

, Daniel Stilck França e Raul Garcia-Patron. Limitazioni degli algoritmi di ottimizzazione su dispositivi quantistici rumorosi. 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

, Leo Zhou, Sheng-Tao Wang, Soonwon Choi, Hannes Pichler e Mikhail D Lukin. Algoritmo di ottimizzazione approssimata quantistica: prestazioni, meccanismo e implementazione su dispositivi a breve termine. Physical Review X, 10(2):021067, 2020. https:///doi.org/10.1103/physrevx.10.021067.
https: / / doi.org/ 10.1103 / physrevx.10.021067

, Boaz Barak e Kunal Marwaha. Algoritmi classici e limitazioni quantistiche per il taglio massimo su grafici ad alta circonferenza. In Mark Braverman, editore, 13th Innovations in Theoretical Computer Science Conference (ITCS 2022), volume 215 di Leibniz International Proceedings in Informatics (LIPIcs), pagine 14:1–14:21, Dagstuhl, Germania, 2022. Schloss Dagstuhl – Leibniz- Centro informatico. https:///doi.org/10.4230/LIPIcs.ITCS.2022.14.
https: / / doi.org/ 10.4230 / LIPIcs.ITCS.2022.14

, Lennart Bittel e Martin Kliesch. L’addestramento degli algoritmi quantistici variazionali è NP-difficile. Physical Review Letters, 127(12):120502, 2021. https:///doi.org/10.1103/PhysRevLett.127.120502.
https: / / doi.org/ 10.1103 / PhysRevLett.127.120502

, Kunal Marwaha e Stuart Hadfield. Limiti all'approssimazione del Max $k$ XOR con algoritmi locali quantistici e classici. Quantum, 6:757, 2022. https:///doi.org/10.22331/q-2022-07-07-757.
https://doi.org/10.22331/q-2022-07-07-757

, A Barış Özgüler e Davide Venturelli. Sintesi di porte numeriche per euristiche quantistiche su processori quantistici bosonici. Frontiers in Physics, pagina 724, 2022. https:///doi.org/10.3389/fphy.2022.900612.
https: / / doi.org/ 10.3389 / fphy.2022.900612

, Yannick Deller, Sebastian Schmitt, Maciej Lewenstein, Steve Lenk, Marika Federer, Fred Jendrzejewski, Philipp Hauke e Valentin Kasper. Algoritmo di ottimizzazione quantistica approssimata per sistemi qudit con interazioni a lungo raggio. prestampa di arXiv arXiv:2204.00340, 2022. https:///doi.org/10.1103/physreva.107.062410.
https: / / doi.org/ 10.1103 / physreva.107.062410
arXiv: 2204.00340

, Stuart Hadfield, Zhihui Wang, Eleanor G Rieffel, Bryan O'Gorman, Davide Venturelli e Rupak Biswas. Ottimizzazione quantistica approssimata con vincoli hard e soft. In Atti del secondo workshop internazionale sul supercalcolo dell'era Post Moores, pagine 15–21, 2017. https:///doi.org/10.1145/3149526.3149530.
https: / / doi.org/ 10.1145 / 3149526.3149530 mila

, 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. Ottimizzazione quantistica utilizzando algoritmi variazionali su dispositivi quantistici a breve termine. Scienza e tecnologia quantistica, 3(3):030503, 2018. https:///doi.org/10.1088/2058-9565/aab822.
https: / / doi.org/ 10.1088 / 2058-9565 / aab822

, Sam McArdle, Tyson Jones, Suguru Endo, Ying Li, Simon C Benjamin e Xiao Yuan. Simulazione quantistica variazionale basata su ansatz dell'evoluzione temporale immaginaria. 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

, Mario Motta, Chong Sun, Adrian TK Tan, Matthew J. O'Rourke, Erika Ye, Austin J. Minnich, Fernando GSL Brandão e Garnet Kin-Lic Chan. Determinazione degli autostati e degli stati termici su un computer quantistico utilizzando l'evoluzione temporale quantistica immaginaria. 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

, Ryan O'Donnell. Analisi delle funzioni booleane. Stampa dell'Università di Cambridge, 2014.

, Kyle EC Booth, Bryan O'Gorman, Jeffrey Marshall, Stuart Hadfield ed Eleanor Rieffel. Programmazione dei vincoli con accelerazione quantistica. Quantum, 5:550, settembre 2021. https:///doi.org/10.22331/q-2021-09-28-550.
https://doi.org/10.22331/q-2021-09-28-550

, Adriano Barenco, Charles H Bennett, Richard Cleve, David P DiVincenzo, Norman Margolus, Peter Shor, Tycho Sleator, John A Smolin e Harald Weinfurter. Porte elementari per il calcolo quantistico. Revisione fisica A, 52(5):3457, 1995. https:///doi.org/10.1103/PhysRevA.52.3457.
https: / / doi.org/ 10.1103 / PhysRevA.52.3457

, VV Shende e IL Markov. Sul costo CNOT dei cancelli TOFFOLI. 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

, Mehdi Saeedi e Igor L Markov. Sintesi e ottimizzazione di circuiti reversibili: un'indagine. ACM Computing Surveys (CSUR), 45(2):1–34, 2013. https:///doi.org/10.1145/2431211.2431220.
https: / / doi.org/ 10.1145 / 2431211.2431220 mila

, Gian Giacomo Guerreschi. Risoluzione dell'ottimizzazione binaria quadratica non vincolata con algoritmi divide et impera e quantistici. prestampa di arXiv arXiv:2101.07813, 2021. https:///doi.org/10.48550/arXiv.2101.07813.
https:///doi.org/10.48550/arXiv.2101.07813
arXiv: 2101.07813

, Zain H. Saleem, Teague Tomesh, Michael A. Perlin, Pranav Gokhale e Martin Suchara. Divide et impera quantistici per l'ottimizzazione combinatoria e il calcolo distribuito. prestampa di arXiv arXiv:2107.07532, 2021. https:///doi.org/10.48550/arXiv.2107.07532.
https:///doi.org/10.48550/arXiv.2107.07532
arXiv: 2107.07532

, Daniel A Lidar e Todd A Brun. Correzione dell'errore quantistico. Stampa universitaria di Cambridge, 2013.

, Nicola Cancelliere. Codifica della parete del dominio di variabili discrete per ricottura quantistica e qaoa. Scienza e tecnologia quantistica, 4(4):045004, 2019. https:///doi.org/10.1088/2058-9565/ab33c2.
https://doi.org/10.1088/2058-9565/ab33c2

, Jesse Berwald, Nicholas Cancelliere e Raouf Dridi. Comprensione teorica e sperimentale della codifica del muro di dominio. 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

, Jie Chen, Tobias Stollenwerk e Nicholas Cancelliere. Prestazioni della codifica del muro di dominio per la ricottura quantistica. 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

, 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. Ricottura quantistica con spin fabbricati. Natura, 473(7346):194–198, 2011. https:///doi.org/10.1038/nature10012.
https: / / doi.org/ 10.1038 / nature10012

, Zoe Gonzalez Izquierdo, Shon Grabbe, Stuart Hadfield, Jeffrey Marshall, Zhihui Wang ed Eleanor Rieffel. Spostamento ferromagnetico del potere della pausa. Physical Review Applied, 15(4):044013, 2021. https:///doi.org/10.1103/physrevapplied.15.044013.
https: / / doi.org/ 10.1103 / physrevapplied.15.044013

, Davide Venturelli e Alexei Kondratyev. Approccio della ricottura quantistica inversa ai problemi di ottimizzazione del portafoglio. 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

, Nike Dattani, Szilard Szalay e Nick Cancelliere. Pegasus: il secondo grafico di connettività per hardware di ricottura quantistica su larga scala. prestampa di arXiv arXiv:1901.07636, 2019. https:///doi.org/10.48550/arXiv.1901.07636.
https:///doi.org/10.48550/arXiv.1901.07636
arXiv: 1901.07636

, Wolfgang Lechner, Philipp Hauke e Peter Zoller. Un'architettura di ricottura quantistica con connettività all-to-all da interazioni locali. Science advances, 1(9):e1500838, 2015. https:///doi.org/10.1126/sciadv.1500838.
https: / / doi.org/ 10.1126 / sciadv.1500838

, MS Sarandy e procuratore distrettuale Lidar. Calcolo quantistico adiabatico in sistemi aperti. Lettere di revisione fisica, 95(25):250503, 2005. https:///doi.org/10.1103/physrevlett.95.250503.
https: / / doi.org/ 10.1103 / physrevlett.95.250503

, MHS Amin, Peter J Love e CJS Truncik. Calcolo quantistico adiabatico termicamente assistito. Lettere di revisione fisica, 100(6):060503, 2008. https:///doi.org/10.1103/physrevlett.100.060503.
https: / / doi.org/ 10.1103 / physrevlett.100.060503

, Sergio Boixo, Tameem Albash, Federico M. Spedalieri, Nicholas Chancellor e Daniel A Lidar. Firma sperimentale della ricottura quantistica programmabile. Comunicazioni sulla natura, 4(1):2067, 2013. https:///doi.org/10.1038/ncomms3067.
https: / / doi.org/ 10.1038 / ncomms3067

, Kostyantyn Kechedzhi e Vadim N Smelyanskiy. Ricottura quantistica a sistema aperto in modelli di campo medio con degenerazione esponenziale. Physical Review X, 6(2):021028, 2016. https:///doi.org/10.1103/physrevx.6.021028.
https: / / doi.org/ 10.1103 / physrevx.6.021028

, Gianluca Passarelli, Ka-Wa Yip, Daniel A Lidar e Procolo Lucignano. La ricottura quantistica standard supera la ricottura inversa adiabatica con decoerenza. Physical Review A, 105(3):032431, 2022. https:///doi.org/10.1103/physreva.105.032431.
https: / / doi.org/ 10.1103 / physreva.105.032431

, Stefanie Zbinden, Andreas Bärtschi, Hristo Djidjev e Stephan Eidenbenz. Algoritmi di incorporamento per ricotture quantistiche con topologie di connessione chimera e pegaso. Nella Conferenza internazionale sul calcolo ad alte prestazioni, pagine 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

, Mario S Könz, Wolfgang Lechner, Helmut G Katzgraber e Matthias Troyer. Incorporamento del ridimensionamento generale dei problemi di ottimizzazione nella ricottura quantistica. PRX Quantum, 2(4):040322, 2021. https:///doi.org/10.1103/prxquantum.2.040322.
https: / / doi.org/ 10.1103 / prxquantum.2.040322

, Aniruddha Bapat e Stephen Jordan. Controllo bang-bang come principio di progettazione per algoritmi di ottimizzazione classici e quantistici. prestampa di arXiv 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

, Ruslan Shaydulin, Stuart Hadfield, Tad Hogg e Ilya Safro. Simmetrie classiche e algoritmo di ottimizzazione quantistica approssimata. Elaborazione delle informazioni quantistiche, 20(11):1–28, 2021. https:///doi.org/10.48550/arXiv.2012.04713.
https:///doi.org/10.48550/arXiv.2012.04713

, Vishwanathan Akshay, Daniil Rabinovich, Ernesto Campos e Jacob Biamonte. Concentrazioni dei parametri nell'ottimizzazione quantistica approssimata. Physical Review A, 104(1):L010401, 2021. https:///doi.org/10.1103/physreva.104.l010401.
https:///doi.org/10.1103/physreva.104.l010401

, Michael Streif e Martin Leib. Addestramento dell'algoritmo di ottimizzazione quantistica approssimativa senza accesso a un'unità di elaborazione quantistica. Scienza e tecnologia quantistica, 5(3):034008, 2020. https:///doi.org/10.1088/2058-9565/ab8c2b.
https://doi.org/10.1088/2058-9565/ab8c2b

, Guillaume Verdon, Michael Broughton, Jarrod R McClean, Kevin J Sung, Ryan Babbush, Zhang Jiang, Hartmut Neven e Masoud Mohseni. Imparare ad apprendere con reti neurali quantistiche tramite reti neurali classiche. prestampa di arXiv arXiv:1907.05415, 2019. https:///doi.org/10.48550/arXiv.1907.05415.
https:///doi.org/10.48550/arXiv.1907.05415
arXiv: 1907.05415

, Max Wilson, Rachel Stromswold, Filip Wudarski, Stuart Hadfield, Norm M Tubman e Eleanor G Rieffel. Ottimizzazione dell'euristica quantistica con il meta-apprendimento. 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

, Alicia B Magann, Kenneth M Rudinger, Matthew D Grace e Mohan Sarovar. Ottimizzazione quantistica basata sul feedback. Physical Review Letters, 129(25):250502, 2022. https:///doi.org/10.1103/physrevlett.129.250502.
https: / / doi.org/ 10.1103 / physrevlett.129.250502

, Lucas T Brady, Christopher L Baldwin, Aniruddha Bapat, Yaroslav Kharkov e Alexey V Gorshkov. Protocolli ottimali in problemi di ricottura quantistica e algoritmi di ottimizzazione quantistica approssimata. Physical Review Letters, 126(7):070505, 2021. https:///doi.org/10.1103/physrevlett.126.070505.
https: / / doi.org/ 10.1103 / physrevlett.126.070505

, Jonathan Wurtz e Peter J. Love. Controdiabaticità e algoritmo di ottimizzazione quantistica approssimata. Quantum, 6:635, 2022. https:///doi.org/10.22331/q-2022-01-27-635.
https://doi.org/10.22331/q-2022-01-27-635

, Andreas Bärtschi e Stephan Eidenbenz. Miscelatori Grover per QAOA: spostamento della complessità dalla progettazione del miscelatore alla preparazione dello stato. Nel 2020 Conferenza internazionale IEEE sull'informatica e l'ingegneria quantistica (QCE), pagine 72–82. IEEE, 2020. https:///doi.org/10.1109/qce49297.2020.00020.
https:///doi.org/10.1109/qce49297.2020.00020

, Daniel J Egger, Jakub Mareček e Stefan Woerner. Ottimizzazione quantistica a caldo. Quantum, 5:479, 2021. https://doi.org/10.22331/q-2021-06-17-479.
https://doi.org/10.22331/q-2021-06-17-479

, Jonathan Wurtz e Peter J. Love. Algoritmi quantistici variazionali classicamente ottimali. 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

, Xiaoyuan Liu, Anthony Angone, Ruslan Shaydulin, Ilya Safro, Yuri Alexeev e Lukasz Cincio. Layer VQE: un approccio variazionale per l'ottimizzazione combinatoria su computer quantistici rumorosi. 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

, Jarrod R McClean, Sergio Boixo, Vadim N Smelyanskiy, Ryan Babbush e Hartmut Neven. Altopiani sterili nei paesaggi di addestramento delle reti neurali quantistiche. Comunicazioni sulla natura, 9(1):1–6, 2018. https:///doi.org/10.1038/s41467-018-07090-4.
https://doi.org/10.1038/s41467-018-07090-4

, Linghua Zhu, Ho Lun Tang, George S Barron, FA Calderon-Vargas, Nicholas J Mayhall, Edwin Barnes e Sophia E Economou. Algoritmo di ottimizzazione approssimata quantistica adattiva per la risoluzione di problemi combinatori su un computer quantistico. Physical Review Research, 4(3):033029, 2022. https:///doi.org/10.1103/physrevresearch.4.033029.
https: / / doi.org/ 10.1103 / physrevresearch.4.033029

, Bence Bakó, Adam Glos, Özlem Salehi e Zoltán Zimborás. Progettazione di circuiti quasi ottimali per l'ottimizzazione quantistica variazionale. prestampa di arXiv arXiv:2209.03386, 2022. https:///doi.org/10.48550/arXiv.2209.03386.
https:///doi.org/10.48550/arXiv.2209.03386
arXiv: 2209.03386

, Itay Hen e Marcelo S Sarandy. Driver hamiltoniani per l'ottimizzazione vincolata nella ricottura quantistica. Physical Review A, 93(6):062312, 2016. https:///doi.org/10.1103/physreva.93.062312.
https: / / doi.org/ 10.1103 / physreva.93.062312

, Itay Hen e Federico M. Spedalieri. Ricottura quantistica per l'ottimizzazione vincolata. Physical Review Applied, 5(3):034007, 2016. https:///doi.org/10.1103/PhysRevApplied.5.034007.
https: / / doi.org/ 10.1103 / PhysRevApplied.5.034007

, Yue Ruan, Samuel Marsh, Xilin Xue, Xi Li, Zhihao Liu e Jingbo Wang. Algoritmo quantistico approssimato per problemi di ottimizzazione NP con vincoli. prestampa di arXiv arXiv:2002.00943, 2020. https:///doi.org/10.48550/arXiv.2002.00943.
https:///doi.org/10.48550/arXiv.2002.00943
arXiv: 2002.00943

, Michael A. Nielsen e Isaac L. Chuang. Calcolo quantistico e informazioni quantistiche: edizione per il decimo anniversario. Cambridge University Press, New York, NY, USA, 10a edizione, 10.

, Masuo Suzuki. Formule di decomposizione di operatori esponenziali ed esponenziali di Lie con alcune applicazioni alla meccanica quantistica e alla fisica statistica. Giornale di fisica matematica, 26(4):601–612, 1985. https:///doi.org/10.1063/1.526596.
https: / / doi.org/ 10.1063 / 1.526596 mila

, Michael Streif, Martin Leib, Filip Wudarski, Eleanor Rieffel e Zhihui Wang. Algoritmi quantistici con conservazione locale del numero di particelle: effetti del rumore e correzione degli errori. Physical Review A, 103(4):042412, 2021. https:///doi.org/10.1103/physreva.103.042412.
https: / / doi.org/ 10.1103 / physreva.103.042412

, Vishwanathan Akshay, Hariphan Philathong, Mauro ES Morales e Jacob D Biamonte. Deficit di raggiungibilità nell'ottimizzazione quantistica approssimata. Lettere di revisione fisica, 124(9):090504, 2020. https:///doi.org/10.22331/q-2021-08-30-532.
https://doi.org/10.22331/q-2021-08-30-532

, Franz Georg Fuchs, Kjetil Olsen Lye, Halvor Møll Nilsen, Alexander Johannes Stasik e Giorgio Sartor. Miscelatori che preservano i vincoli per l'algoritmo di ottimizzazione quantistica approssimata. Algoritmi, 15(6):202, 2022. https:///doi.org/10.3390/a15060202.
https: / / doi.org/ 10.3390 / a15060202

, Vandana Shukla, OP Singh, GR Mishra e RK Tiwari. Applicazione del gate CSMT per un'efficiente realizzazione reversibile del circuito convertitore da codice binario a codice grigio. Nel 2015 IEEE UP Sezione Conferenza su Computer Elettrici ed Elettronica (UPCON). IEEE, dicembre 2015. https:///doi.org/10.1109/UPCON.2015.7456731.
https:///doi.org/10.1109/UPCON.2015.7456731

, Alessandro Slepoy. Algoritmi di decomposizione di gate quantistici. Rapporto tecnico, Sandia National Laboratories, 2006. https:///doi.org/10.2172/889415.
https: / / doi.org/ 10.2172 / 889415 mila

, Bryan T. Gard, Linghua Zhu, George S. Barron, Nicholas J. Mayhall, Sophia E. Economou e Edwin Barnes. Efficienti circuiti di preparazione dello stato che preservano la simmetria per l'algoritmo variazionale dell'autorisolutore quantistico. npj Quantum Information, 6(1), 2020. https:///doi.org/10.1038/s41534-019-0240-1.
https://doi.org/10.1038/s41534-019-0240-1

, DP DiVincenzo e J. Smolin. Risultati sulla progettazione di porte a due bit per computer quantistici. In Atti Workshop su fisica e calcolo. PhysComp 94. Calcolo IEEE. Soc. Stampa, 1994. https:///doi.org/10.48550/arXiv.cond-mat/9409111.
https:///doi.org/10.48550/arXiv.cond-mat/9409111

, David Joseph, Adam Callison, Cong Ling e Florian Mintert. Due algoritmi di quantificazione per il problema del vettore minimo. Physical Review A, 103(3):032433, 2021. https:///doi.org/10.1103/PhysRevA.103.032433.
https: / / doi.org/ 10.1103 / PhysRevA.103.032433

, Pietro Brucker. Algoritmi di pianificazione. Springer-Verlag Berlino Heidelberg, 2004.

, AMA Hariri e Chris N. Potts. Programmazione di una singola macchina con tempi di impostazione batch per ridurre al minimo i ritardi massimi. Annals of Operations Research, 70:75–92, 1997. https:///doi.org/10.1023/A:1018903027868.
https: / / doi.org/ 10.1023 / A: 1018903027868 millions

, Xiaoqiang Cai, Liming Wang e Xian Zhou. Pianificazione di una singola macchina per ridurre al minimo stocasticamente il ritardo massimo. 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

, Derya Eren Akyol e G Mirac Bayhan. Problema di pianificazione di precocità e ritardo multi-macchina: un approccio di rete neurale interconnessa. 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

, Michele Conforti, Gérard Cornuéjols, Giacomo Zambelli, et al. Programmazione intera, volume 271. Springer, 2014.

, Hannes Leipold e Federico M. Spedalieri. Costruzione di hamiltoniani driver per problemi di ottimizzazione con vincoli lineari. Scienza e tecnologia quantistica, 7(1):015013, 2021. https:///doi.org/10.1088/2058-9565/ac16b8.
https://doi.org/10.1088/2058-9565/ac16b8

, Masuo Suzuki. Formula di Trotter generalizzata e approssimanti sistematici di operatori esponenziali e derivazioni interne con applicazioni a problemi a molti corpi. Communications in Mathematical Physics, 51(2):183–190, 1976. https:///doi.org/10.1007/BF01609348.
https: / / doi.org/ 10.1007 / BF01609348

, Dominic W. Berry e Andrew M. Childs. Simulazione hamiltoniana a scatola nera e implementazione unitaria. Informazioni quantistiche. 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

, DW Berry, AM Childs e R. Kothari. Simulazione hamiltoniana con dipendenza quasi ottimale da tutti i parametri. Nel 2015 IEEE 56th Annual Symposium on Foundations of Computer Science, pagine 792–809, 2015. https:///doi.org/10.1109/FOCS.2015.54.
https: / / doi.org/ 10.1109 / FOCS.2015.54

, Dominic W. Berry, Andrew M. Childs, Richard Cleve, Robin Kothari e Rolando D. Somma. Simulazione della dinamica hamiltoniana con una serie di Taylor troncata. Physical Review Letters, 114(9):090502, 2015. https:///doi.org/10.1103/PhysRevLett.114.090502.
https: / / doi.org/ 10.1103 / PhysRevLett.114.090502

, Guang Hao Basso e Isaac L. Chuang. Simulazione hamiltoniana ottimale mediante elaborazione quantistica del segnale. Fis. Rev. Lett., 118:010501, 2017. https:///doi.org/10.1103/PhysRevLett.118.010501.
https: / / doi.org/ 10.1103 / PhysRevLett.118.010501

, Guang Hao Basso e Isaac L. Chuang. Simulazione hamiltoniana mediante qubitizzazione. Quantum, 3:163, 2019. https:///doi.org/10.22331/q-2019-07-12-163.
https://doi.org/10.22331/q-2019-07-12-163

, Andrew M. Childs, Aaron Ostrander e Yuan Su. Simulazione quantistica più veloce mediante randomizzazione. Quantum, 3:182, 2019. https:///doi.org/10.22331/q-2019-09-02-182.
https://doi.org/10.22331/q-2019-09-02-182

, Conte Campbell. Compilatore casuale per la simulazione hamiltoniana veloce. Physical Review Letters, 123(7):070503, 2019. https:///doi.org/10.1103/PhysRevLett.123.070503.
https: / / doi.org/ 10.1103 / PhysRevLett.123.070503

, Andrew M. Childs, Yuan Su, Minh C. Tran, Nathan Wiebe e Shuchen Zhu. Teoria dell'errore del trottatore con scalatura del commutatore. Fis. Rev. X, 11:011020, 2021. https:///doi.org/10.1103/PhysRevX.11.011020.
https: / / doi.org/ 10.1103 / PhysRevX.11.011020

, Albert T Schmitz, Nicolas PD Sawaya, Sonika Johri e AY Matsuura. Prospettiva di ottimizzazione del grafico per la decomposizione trottatore-suzuki a bassa profondità. prestampa di arXiv arXiv:2103.08602, 2021. https:///doi.org/10.48550/arXiv.2103.08602.
https:///doi.org/10.48550/arXiv.2103.08602
arXiv: 2103.08602

, Nicolas PD Sawaya. mat2qubit: un pacchetto Python leggero per codifiche qubit di problemi vibrazionali, bosonici, colorazione dei grafici, instradamento, pianificazione e matrici generali. prestampa di arXiv arXiv:2205.09776, 2022. https:///doi.org/10.48550/arXiv.2205.09776.
https:///doi.org/10.48550/arXiv.2205.09776
arXiv: 2205.09776

, 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 e collaboratori di SciPy 1.0. SciPy 1.0: Algoritmi fondamentali per l'informatica scientifica 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

, 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: il pacchetto di strutture elettroniche per computer quantistici. Scienza e tecnologia quantistica, 5(3):034014, 2020. https:///doi.org/10.1088/2058-9565/ab8ebc.
https: / / doi.org/ 10.1088 / 2058-9565 / ab8ebc

, 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: calcolo simbolico in Python. PeerJ Computer Science, 3:e103, 2017. https:///doi.org/10.7717/peerj-cs.103.
https:///doi.org/10.7717/peerj-cs.103

, Pradnya Khalate, Xin-Chuan Wu, Shavindra Premaratne, Justin Hogaboam, Adam Holmes, Albert Schmitz, Gian Giacomo Guerreschi, Xiang Zou e AY Matsuura. Una toolchain di compilatore C++ basata su LLVM per algoritmi variazionali ibridi quantistici-classici e acceleratori quantistici. prestampa di arXiv arXiv:2202.11142, 2022. https:///doi.org/10.48550/arXiv.2202.11142.
https:///doi.org/10.48550/arXiv.2202.11142
arXiv: 2202.11142

, CA Ryan, C. Negrevergne, M. Laforest, E. Knill e R. Laflamme. La risonanza magnetica nucleare allo stato liquido come banco di prova per lo sviluppo di metodi di controllo quantistico. Fis. Rev. A, 78:012328, luglio 2008. https:///doi.org/10.1103/PhysRevA.78.012328.
https: / / doi.org/ 10.1103 / PhysRevA.78.012328

, Richard Versluis, Stefano Poletto, Nader Khammassi, Brian Tarasinski, Nadia Haider, David J Michalak, Alessandro Bruno, Koen Bertels e Leonardo DiCarlo. Circuito quantistico scalabile e controllo per un codice di superficie superconduttiva. Physical Review Applied, 8(3):034021, 2017. https:///doi.org/10.1103/physrevapplied.8.034021.
https: / / doi.org/ 10.1103 / physrevapplied.8.034021

, Bjoern Lekitsch, Sebastian Weidt, Austin G Fowler, Klaus Mølmer, Simon J Devitt, Christof Wunderlich e Winfried K Hensinger. Progetto per un computer quantistico con ioni intrappolati a microonde. Science Advances, 3(2):e1601540, 2017. https:///doi.org/10.1126/sciadv.1601540.
https: / / doi.org/ 10.1126 / sciadv.1601540

Citato da

[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 e Daan Camps, "HamLib: una libreria di hamiltoniani per il benchmarking di algoritmi e hardware quantistici", arXiv: 2306.13126, (2023).

[2] Federico Dominguez, Josua Unger, Matthias Traube, Barry Mant, Christian Ertler e Wolfgang Lechner, "Formulazione del problema di ottimizzazione indipendente dalla codifica per il calcolo quantistico", arXiv: 2302.03711, (2023).

[3] Nicolas PD Sawaya e Joonsuk Huh, "Algoritmi quantistici a breve termine ottimizzati per le risorse per le probabilità di transizione, con applicazioni in fisica e algebra lineare quantistica variazionale", arXiv: 2206.14213, (2022).

Le citazioni sopra sono di ANNUNCI SAO / NASA (ultimo aggiornamento riuscito 2023-09-17 01:11:40). L'elenco potrebbe essere incompleto poiché non tutti gli editori forniscono dati di citazione adeguati e completi.

On Il servizio citato da Crossref non sono stati trovati dati su citazioni (ultimo tentativo 2023-09-17 01:11:39).

Questo documento è pubblicato in Quantum sotto il Creative Commons Attribuzione 4.0 Internazionale (CC BY 4.0) licenza. Il copyright rimane dei detentori del copyright originali come gli autori o le loro istituzioni.

Distribuzione di contenuti basati su SEO e PR. Ricevi amplificazione oggi.
PlatoData.Network Generativo verticale Ai. Potenzia te stesso. Accedi qui.
PlatoAiStream. Intelligenza Web3. Conoscenza amplificata. Accedi qui.
PlatoneESG. Automobilistico/VE, Carbonio, Tecnologia pulita, Energia, Ambiente, Solare, Gestione dei rifiuti. Accedi qui.
Platone Salute. Intelligence sulle biotecnologie e sulle sperimentazioni cliniche. Accedi qui.
Grafico Prime. Migliora il tuo gioco di trading con ChartPrime. Accedi qui.
BlockOffset. Modernizzare la proprietà della compensazione ambientale. Accedi qui.
Fonte: https://quantum-journal.org/papers/q-2023-09-14-1111/

Timestamp: 14 settembre 2023

Timestamp: Novembre 10, 2022

Ripubblicato da Platone

Comprendere l'interazione tra entanglement e nonlocalità: motivare e sviluppare un nuovo ramo della teoria dell'entanglement

Proposta di test potenziato dall'entanglement per la violazione locale della simmetria di Lorentz tramite atomi spinori

Protezione quantistica dalla copia di programmi di calcolo e confronto nel modello oracolo casuale quantistico

Un codice di superficie di misurazione della coppia sui pentagoni

Simulazione quantistica di materiali per batterie utilizzando pseudopotenziali ionici

Sondaggio dell'entanglement quantistico da popolazioni di sottolivelli magnetici: oltre le disuguaglianze di compressione dello spin

Macchine termiche quantistiche periodicamente aggiornate

Il costo di comunicazione minimo per la simulazione di qubit entangled

Proprietà generali di fedeltà in sistemi quantistici non hermitiani con simmetria PT

Correlazioni quantistiche sul confine di non segnalazione: autotest e altro

Correlazioni nella tipicità e una soluzione affermativa all'esatta congettura dell'entropia catalitica

Chi siamo

Ricerca verticale e Ai

Piattaforma

Rimani in contatto

Il mio account