NISQ-kompatibel omtrentlig kvantealgoritme for ubegrenset og begrenset diskret optimalisering

NISQ-kompatibel omtrentlig kvantealgoritme for ubegrenset og begrenset diskret optimalisering

MR Perelshtein1,2,3, AI Pakhomchik1, Ar. A. Melnikov1, M. Podobrii1, A. Termanova1, I. Kreidich1, B. Nuriev1, S. Iudin1, CW Mansell1, og VM Vinokur1,4

1Terra Quantum AG, Kornhausstrasse 25, 9000 St. Gallen, Sveits
2QTF Center of Excellence, Institutt for anvendt fysikk, Aalto-universitetet, postboks 15100, FI-00076 AALTO, Finland
3InstituteQ – det finske kvanteinstituttet, Aalto-universitetet, Finland
4Fysikkavdelingen, City College ved City University of New York, 160 Convent Ave, New York, NY 10031, USA

Finn dette papiret interessant eller vil diskutere? Scite eller legg igjen en kommentar på SciRate.

Abstrakt

Kvantealgoritmer blir ekstremt populære på grunn av deres potensial til å overgå klassiske algoritmer betydelig. Likevel, å bruke kvantealgoritmer på optimaliseringsproblemer møter utfordringer knyttet til effektiviteten til kvantealgoritmetrening, formen på kostnadslandskapet deres, nøyaktigheten av produksjonen deres og deres evne til å skalere til store problemer. Her presenterer vi en omtrentlig gradientbasert kvantealgoritme for maskinvareeffektive kretser med amplitudekoding. Vi viser hvordan enkle lineære begrensninger kan inkorporeres direkte i kretsen uten ytterligere modifikasjon av objektivfunksjonen med straffevilkår. Vi bruker numeriske simuleringer for å teste det på $texttt{MaxCut}$-problemer med komplette vektede grafer med tusenvis av noder og kjører algoritmen på en superledende kvanteprosessor. Vi finner at for ubegrensede $texttt{MaxCut}$-problemer med mer enn 1000 noder, kan hybridtilnærmingen som kombinerer algoritmen vår med en klassisk løser kalt CPLEX finne en bedre løsning enn CPLEX alene. Dette viser at hybridoptimalisering er en av de ledende brukssakene for moderne kvanteenheter.

Optimalisering er prosessen med å justere systemer og operasjoner for å gjøre dem mer effektive. Tenk deg for eksempel et kontrollpanel på en fabrikk med mange innstillinger. Å finne ut hvordan man justerer innstillingene for å gjøre fabrikken så energieffektiv som mulig, vil være en optimaliseringsoppgave. Å utvikle bedre optimaliseringsalgoritmer, både klassiske og kvante, er et viktig forskningsområde.

Det er ofte nyttig å forestille seg hver kombinasjon av innstillinger som korresponderende med en posisjon på et kart. Mengden som optimaliseres – energieffektiviteten i forrige eksempel – vil bli representert av høyden over havet til de forskjellige kartposisjonene. I tidligere arbeid ble en effektiv måte å kode optimaliseringsproblemer inn i kvanteprosessorer kombinert med en gradientbasert metode (dvs. en metode som bruker brattheten eller grunnheten i terrenget til å bestemme de neste innstillingene som skal prøves).

Vi bygger på dette tidligere arbeidet ved å inkludere enkle lineære begrensninger i problemet. Dette er nyttig fordi det vanligvis er slik at ikke alle kombinasjoner av innstillinger er fysisk mulig. Derfor må de tilgjengelige alternativene begrenses. Viktigere, som vist av analysen i artikkelen, gjør ikke vår måte å gi begrensningene optimaliseringsproblemet vanskeligere eller komplisert.

► BibTeX-data

► Referanser

[1] Frank Arute, Kunal Arya, Ryan Babbush, Dave Bacon, Joseph C Bardin, Rami Barends, Rupak Biswas, Sergio Boixo, Fernando GSL Brandao, David A Buell, et al. "Kvante omtrentlig optimalisering av ikke-plane grafproblemer på en plan superledende prosessor". 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, et al. "Sterk Quantum Computational Advantage ved å bruke en superledende kvanteprosessor". 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, et al. "Kvanteberegningsfordel via 60-qubit 24-syklus tilfeldig kretssampling". Science Bulletin 67, 240–245 (2022).
https: / / doi.org/ 10.1016 / j.scib.2021.10.017

[4] Suguru Endo, Zhenyu Cai, Simon C. Benjamin og Xiao Yuan. "Hybride kvante-klassiske algoritmer og kvantefeilredusering". 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, Alexey Pakhomchik, Artem Melnikov, Florian Neukart, Georg Gesek, Alexey Melnikov og Valerii Vinokur. "Praktisk applikasjonsspesifikk fordel gjennom hybrid kvanteberegning" (2022). arXiv:2205.04858.
arxiv: 2205.04858

[6] Sergey Bravyi, Graeme Smith og John A. Smolin. "Handle klassiske og kvanteberegningsressurser". Phys. Rev. X 6, 021043 (2016).
https: / / doi.org/ 10.1103 / PhysRevX.6.021043

[7] Jarrod R McClean, Jonathan Romero, Ryan Babbush og Alán Aspuru-Guzik. "Teorien om variasjonelle hybride kvante-klassiske algoritmer". New Journal of Physics 18, 023023 (2016).
https:/​/​doi.org/​10.1088/​1367-2630/​18/​2/​023023

[8] Jun Li, Xiaodong Yang, Xinhua Peng og Chang-Pu Sun. "Hybrid kvante-klassisk tilnærming til kvanteoptimal kontroll". 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, et al. "Opplæring av kvantekretser på en hybrid kvantedatamaskin". Science Advances 5, eaaw9918 (2019).
https: / / doi.org/ 10.1126 / sciadv.aaw9918

[10] Akshay Ajagekar, Travis Humble og Fengqi You. "Kvantedatabaserte hybridløsningsstrategier for storskala diskrete kontinuerlige optimaliseringsproblemer". Datamaskiner og kjemiteknikk 132, 106630 (2020).
https://​/​doi.org/​10.1016/​j.compchemeng.2019.106630

[11] Ruslan Shaydulin, Hayato Ushijima-Mwesigwa, Christian FA Negre, Ilya Safro, Susan M. Mniszewski og Yuri Alexeev. "En hybrid tilnærming for å løse optimaliseringsproblemer på små kvantedatamaskiner". Datamaskin 52, 18–26 (2019).
https: / / doi.org/ 10.1109 / MC.2019.2908942

[12] Libor Caha, Alexander Kliesch og Robert Koenig. "Vridde hybridalgoritmer for kombinatorisk optimalisering". Quantum Science and Technology 7, 045013 (2022).
https:/​/​doi.org/​10.1088/​2058-9565/​ac7f4f

[13] Boukthir Haddar, Mahdi Khemakhem, Saïd Hanafi og Christophe Wilbaut. "En hybrid kvantepartikkelsvermoptimalisering for det flerdimensjonale ryggsekkproblemet". Engineering Applications of Artificial Intelligence 55, 1–13 (2016).
https://​/​doi.org/​10.1016/​j.engappai.2016.05.006

[14] Reza Mahroo og Amin Kargarian. "Hybrid kvante-klassisk enhetsforpliktelse". I 2022 IEEE Texas Power and Energy Conference (TPEC). Side 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 og J Christopher Beck. "En hybrid kvante-klassisk tilnærming til å løse planleggingsproblemer". I niende årlige symposium om kombinatorisk søk. Bind 7, side 98–106. (2016).
https://​/​doi.org/​10.1609/​socs.v7i1.18390

[16] Xiao-Hong Liu, Mi-Yuan Shan, Ren-Long Zhang og Li-Hong Zhang. "Optimalisering av grønn kjøretøyruting basert på karbonutslipp og multiobjektiv hybrid kvanteimmunalgoritme". Matematiske problemer i ingeniørfag 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, et al. "Variasjonskvantealgoritmer". 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 og Román Orús. "Hybrid kvanteinvesteringsoptimalisering med minimal holdeperiode". Scientific Reports 11, 19587 (2021).
https: / / doi.org/ 10.1038 / s41598-021-98297-x

[19] Xiaozhen Ge, Re-Bing Wu og Herschel Rabitz. "Optimaliseringslandskapet til hybride kvante-klassiske algoritmer: Fra kvantekontroll til NISQ-applikasjoner". Årlige vurderinger i kontroll 54, 314–323 (2022).
https://​/​doi.org/​10.1016/​j.arcontrol.2022.06.001

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

[21] Madita Willsch, Dennis Willsch, Fengping Jin, Hans De Raedt og Kristel Michielsen. "Benchmarking av omtrentlig kvanteoptimaliseringsalgoritme". 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 og Yuri Alexeev. "Sampling Frequency Thresholds for Quantum Advantage of Quantum Approximate Optimization Algorithm" (2022). arXiv:2206.03579.
arxiv: 2206.03579

[23] Davide Venturelli og Alexei Kondratyev. "Omvendt kvanteutglødning tilnærming til porteføljeoptimaliseringsproblemer". 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 og Chao Wang. "Faktorering av større heltall med færre qubits via kvantegløding med optimaliserte parametere". Science China Physics, Mechanics & Astronomy 62, 60311 (2019).
https:/​/​doi.org/​10.1007/​s11433-018-9307-1

[25] Fred Glover, Gary Kochenberger og Yu Du. "En veiledning om formulering og bruk av QUBO-modeller" (2018). arXiv:1811.11538.
arxiv: 1811.11538

[26] Marcello Benedetti, Mattia Fiorentini og Michael Lubasch. "Maskinvareeffektive variasjonskvantealgoritmer for tidsevolusjon". Phys. Rev. Res. 3, 033083 (2021).
https: / / doi.org/ 10.1103 / PhysRevResearch.3.033083

[27] Sheir Yarkoni, Elena Raponi, Thomas Bäck og Sebastian Schmitt. "Kvanteutglødning for industriapplikasjoner: introduksjon og gjennomgang". Reports on Progress in Physics 85, 104001 (2022).
https:/​/​doi.org/​10.1088/​1361-6633/​ac8c54

[28] Benjamin Tan, Marc-Antoine Lemonde, Supanut Thanasilp, Jirawat Tangpanitanon og Dimitris G. Angelakis. "Qubit-effektive kodingsskjemaer for binære optimaliseringsproblemer". Quantum 5, 454 (2021).
https:/​/​doi.org/​10.22331/​q-2021-05-04-454

[29] Jin-Guo Liu og Lei Wang. "Differensierbar læring av quantum circuit Born-maskiner". Phys. Rev. A 98, 062324 (2018).
https: / / doi.org/ 10.1103 / PhysRevA.98.062324

[30] Atsushi Matsuo, Yudai Suzuki og Shigeru Yamashita. "Problemspesifikke parametriserte kvantekretser for VQE-algoritmen for optimaliseringsproblemer" (2020). arXiv:2006.05643.
arxiv: 2006.05643

[31] Austin Gilliam, Stefan Woerner og Constantin Gonciulea. "Grover Adaptive Search for Constrained Polynomial Binary Optimization". 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 og Marco Pistoia. "Begrenset kvanteoptimalisering for ekstraktiv oppsummering på en fanget-ion kvantedatamaskin". Scientific Reports 12, 17171 (2022).
https: / / doi.org/ 10.1038 / s41598-022-20853-w

[33] MR Perelshtein og AI Pakhomchik. "Polynomisk-tids hybrid kvantealgoritme for diskret optimalisering". Patent (2021).

[34] AI Pakhomchik og MR Perelshtein. "Hybrid kvanteberegningsarkitektur for å løse et system med lineære binære relasjoner". Patent (2022).

[35] Richard M. Karp. "Reduserbarhet blant kombinatoriske problemer". Side 85–103. Springer USA. Boston, MA (1972).
https:/​/​doi.org/​10.1007/​978-1-4684-2001-2_9

[36] "QMware: Den første globale kvanteskyen".

[37] "IBM Q-opplevelse".

[38] Giuseppe E Santoro og Erio Tosatti. "Optimalisering ved bruk av kvantemekanikk: kvanteutglødning gjennom adiabatisk evolusjon". 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 og Gerhard Reinelt. "En anvendelse av kombinatorisk optimalisering til statistisk fysikk og kretslayoutdesign". Operations Research 36, 493–513 (1988).
https: / / doi.org/ 10.1287 / opre.36.3.493

[40] Giuseppe E. Santoro, Roman Martoňák, Erio Tosatti og Roberto Car. "Teori om kvanteglødning av et Ising Spin Glass". Science 295, 2427–2430 (2002).
https: / / doi.org/ 10.1126 / science.1068774

[41] Yurii Nesterov og Vladimir Spokoiny. "Tilfeldig gradientfri minimering av konvekse funksjoner". Foundations of Computational Mathematics 17, 527–566 (2017).
https:/​/​doi.org/​10.1007/​s10208-015-9296-2

[42] Michael JD Powell. "Et syn på algoritmer for optimalisering uten derivater". Mathematics Today-Bulletin fra Institute of Mathematics and its Applications 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 og Nathan Killoran. "Evaluering av analytiske gradienter på kvantemaskinvare". Phys. Rev. A 99, 032331 (2019).
https: / / doi.org/ 10.1103 / PhysRevA.99.032331

[44] Diederik P. Kingma og Jimmy Ba. "Adam: En metode for stokastisk optimalisering" (2014). arXiv:1412.6980.
arxiv: 1412.6980

[45] Mohammad Kordzanganeh, Markus Buchberger, Maxim Povolotskii, Wilhelm Fischer, Andrii Kurkin, Wilfrid Somogyi, Asel Sagingalieva, Markus Pflitsch og Alexey Melnikov. "Benchmarking simulerte og fysiske kvantebehandlingsenheter ved hjelp av kvante- og hybridalgoritmer" Adv Quantum Technol. 2023, 6, 2300043 (2023). arXiv:2211.15631.
https: / / doi.org/ 10.1002 / qute.202300043
arxiv: 2211.15631

[46] IBM ILOG CPLEX. "Brukerhåndbok for CPLEX". 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. Voloshinov, M. Veshchezerova, B. Nuriev, D. Lemtiuzhnikova, M. Zarrin og MR Perelshtein. "Hybrid kvantegren-og-bundet rørledning for diskret optimalisering". upublisert (2023).

[48] Junyu Liu, Frederik Wilde, Antonio Anna Mele, Liang Jiang og Jens Eisert. "Støy kan være nyttig for variasjonskvantealgoritmer" (2022). arXiv:2210.06723.
arxiv: 2210.06723

[49] Steven R. White. "Tetthetsmatriseformulering for kvantenormaliseringsgrupper". Phys. Rev. Lett. 69, 2863-2866 (1992).
https: / / doi.org/ 10.1103 / PhysRevLett.69.2863

[50] Johnnie Gray og Stefanos Kourtis. "Hyperoptimalisert tensornettverkssammentrekning". Quantum 5, 410 (2021).
https:/​/​doi.org/​10.22331/​q-2021-03-15-410

[51] Igor L. Markov og Yaoyun Shi. "Simulering av kvanteberegning ved å kontrahere tensornettverk". 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, et al. "Å lukke "kvanteoverlegenhet"-gapet: Oppnå sanntidssimulering av en tilfeldig kvantekrets ved hjelp av en ny Sunway-superdatamaskin. I Proceedings of the International Conference for High Performance Computing, Networking, Storage and Analysis. SC '21New York, NY, USA (2021). Foreningen for datamaskiner. 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, et al. "Kvanteoverlegenhet ved bruk av en programmerbar superledende prosessor". Nature 574, 505–510 (2019).
https:/​/​doi.org/​10.1038/​s41586-019-1666-5

[54] C. Schön, K. Hammerer, MM Wolf, JI Cirac og E. Solano. "Sekvensiell generering av matrise-produkttilstander i hulrom QED". Phys. Rev. A 75, 032311 (2007).
https: / / doi.org/ 10.1103 / PhysRevA.75.032311

[55] Kouhei Nakaji og Naoki Yamamoto. "Uttrykkbarhet av den vekslende lagdelte ansatz for kvanteberegning". Quantum 5, 434 (2021).
https:/​/​doi.org/​10.22331/​q-2021-04-19-434

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

[57] Román Orús. "En praktisk introduksjon til tensornettverk: Matriseprodukttilstander og projiserte sammenfiltrede partilstander". Annals of Physics 349, 117–158 (2014).
https: / / doi.org/ 10.1016 / j.aop.2014.06.013

[58] Danylo Lykov, Roman Schutski, Alexey Galda, Valeri Vinokur og Yuri Alexeev. "Tensor Network Quantum Simulator med trinnavhengig parallellisering". I 2022 IEEE International Conference on Quantum Computing and Engineering (QCE). Side 582–593. (2022).
https: / / doi.org/ 10.1109 / QCE53715.2022.00081

[59] Ilia A Luchnikov, Mikhail E Krechetov og Sergey N Filippov. "Riemannsk geometri og automatisk differensiering for optimaliseringsproblemer av kvantefysikk og kvanteteknologier". 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 og M. Cerezo. "Diagnostisere golde platåer med verktøy fra kvanteoptimal kontroll". Quantum 6, 824 (2022).
https:/​/​doi.org/​10.22331/​q-2022-09-29-824

[61] Ar A Melnikov, AA Termanova, SV Dolgov, F Neukart og MR Perelshtein. "Kvantetilstandsforberedelse ved bruk av tensornettverk". Quantum Science and Technology 8, 035027 (2023).
https:/​/​doi.org/​10.1088/​2058-9565/​acd9e7

[62] Karol Życzkowski og Hans-Jürgen Sommers. "Gjennomsnittlig troskap mellom tilfeldige kvantetilstander". Phys. Rev. A 71, 032313 (2005).
https: / / doi.org/ 10.1103 / PhysRevA.71.032313

[63] Zoë Holmes, Kunal Sharma, M. Cerezo og Patrick J. Coles. "Koble Ansatz-uttrykkbarhet til gradientstørrelser og golde platåer". PRX Quantum 3, 010313 (2022).
https: / / doi.org/ 10.1103 / PRXQuantum.3.010313

[64] AI Pakhomchik, S Yudin, MR Perelshtein, A Alekseyenko og S Yarkoni. "Løse problemer med arbeidsflytplanlegging med QUBO-modellering" (2022). arXiv:2205.04844.
arxiv: 2205.04844

[65] Marko J. Rančić. "Støyende mellomskala kvanteberegningsalgoritme for å løse et $n$-vertex MaxCut-problem med log($n$) qubits". Phys. Rev. Res. 5, L012021 (2023).
https://​/​doi.org/​10.1103/​PhysRevResearch.5.L012021

[66] Yagnik Chatterjee, Eric Bourreau og Marko J. Rančić. "Løse forskjellige NP-harde problemer ved å bruke eksponentielt færre qubits på en kvantedatamaskin" (2023). arXiv:2301.06978.
arxiv: 2301.06978

[67] Jacek Gondzio. "Varm start på primal-dual-metoden brukt i skjæreplansordningen". Matematisk programmering 83, 125–143 (1998).
https: / / doi.org/ 10.1007 / bf02680554

[68] Daniel J. Egger, Jakub Mareček og Stefan Woerner. "Varmstartende kvanteoptimalisering". Quantum 5, 479 (2021).
https:/​/​doi.org/​10.22331/​q-2021-06-17-479

[69] Felix Truger, Martin Beisel, Johanna Barzen, Frank Leymann og Vladimir Yussupov. "Valg og optimalisering av hyperparametre i varmstartet kvanteoptimalisering for MaxCut-problemet". Electronics 11, 1033 (2022).
https://​/​doi.org/​10.3390/​electronics11071033

[70] Sukin Sim, Peter D. Johnson og Alán Aspuru-Guzik. "Uttrykkbarhet og sammenfiltringsevne til parametriserte kvantekretser for hybride kvante-klassiske algoritmer". Advanced Quantum Technologies 2, 1900070 (2019).
https: / / doi.org/ 10.1002 / qute.201900070

Sitert av

[1] Ar A. Melnikov, AA Termanova, SV Dolgov, F. Neukart og MR Perelshtein, "Kvantetilstandsforberedelse ved bruk av tensornettverk", Kvantevitenskap og teknologi 8 3, 035027 (2023).

Sitatene ovenfor er fra SAO / NASA ADS (sist oppdatert vellykket 2023-11-21 14:11:44). Listen kan være ufullstendig fordi ikke alle utgivere gir passende og fullstendige sitasjonsdata.

Kunne ikke hente Crossref sitert av data under siste forsøk 2023-11-21 14:11:42: Kunne ikke hente siterte data for 10.22331 / q-2023-11-21-1186 fra Crossref. Dette er normalt hvis DOI nylig ble registrert.

Tidstempel:

Mer fra Kvantejournal