Encoding Trade-offs And Design Toolkits In Quantum Algorithms For Discrete Optimization: Coloring, Routing, Scheduling, And Other Problems

เผยแพร่ซ้ำโดยเพลโต

ผู้ติดตาม: 0

นิโคลัส พีดี ซาวายะ¹, อัลเบิร์ต ที ชมิทซ์²และสจวร์ต แฮดฟิลด์^3,4

¹Intel Labs, Intel Corporation, ซานตาคลารา, แคลิฟอร์เนีย 95054, สหรัฐอเมริกา [nicolas.sawaya@intel.com]
²Intel Labs, Intel Corporation, ฮิลส์โบโร, ออริกอน 97124, สหรัฐอเมริกา
³ห้องปฏิบัติการปัญญาประดิษฐ์ควอนตัม, ศูนย์วิจัย NASA Ames, Moffett Field, California 94035, USA
⁴สถาบันวิจัย USRA สำหรับวิทยาศาสตร์คอมพิวเตอร์ขั้นสูง, Mountain View, California, 94043, USA

พบบทความนี้ที่น่าสนใจหรือต้องการหารือ? Scite หรือแสดงความคิดเห็นใน SciRate.

นามธรรม

ปัญหาการหาค่าเหมาะที่สุดแบบผสมผสานที่ท้าทายมีอยู่ทั่วไปในสาขาวิทยาศาสตร์และวิศวกรรมศาสตร์ เมื่อเร็วๆ นี้ มีการพัฒนาวิธีการควอนตัมหลายวิธีสำหรับการเพิ่มประสิทธิภาพ ในการตั้งค่าที่แตกต่างกัน รวมถึงตัวแก้ปัญหาที่แน่นอนและโดยประมาณ ต้นฉบับนี้มีจุดประสงค์ที่แตกต่างกันสามประการเพื่อกล่าวถึงสาขาการวิจัยนี้ อันดับแรก เรานำเสนอวิธีการที่ใช้งานง่ายสำหรับการสังเคราะห์และวิเคราะห์ปัญหาการหาค่าเหมาะที่สุดแบบไม่ต่อเนื่อง ($ เช่น $ ตามจำนวนเต็ม) โดยที่ปัญหาและอัลกอริทึมดั้งเดิมที่สอดคล้องกันจะแสดงออกโดยใช้การแทนค่าระดับกลางควอนตัมแบบไม่ต่อเนื่อง (DQIR) ที่ไม่ขึ้นกับการเข้ารหัส การแสดงแบบกะทัดรัดนี้มักจะช่วยให้การรวบรวมปัญหามีประสิทธิภาพมากขึ้น การวิเคราะห์อัตโนมัติของตัวเลือกการเข้ารหัสที่แตกต่างกัน การตีความได้ง่ายขึ้น ขั้นตอนรันไทม์ที่ซับซ้อนมากขึ้น และความสามารถในการโปรแกรมที่สมบูรณ์ยิ่งขึ้น เมื่อเทียบกับวิธีการก่อนหน้านี้ ซึ่งเราแสดงให้เห็นด้วยตัวอย่างจำนวนหนึ่ง ประการที่สอง เราทำการศึกษาเชิงตัวเลขโดยเปรียบเทียบการเข้ารหัส qubit หลายตัว ผลลัพธ์แสดงให้เห็นถึงแนวโน้มเบื้องต้นหลายประการที่ช่วยเป็นแนวทางในการเลือกการเข้ารหัสสำหรับชุดฮาร์ดแวร์เฉพาะและปัญหาและอัลกอริธึมเฉพาะ การศึกษาของเราครอบคลุมถึงปัญหาที่เกี่ยวข้องกับการระบายสีกราฟ ปัญหาของพนักงานขายที่กำลังเดินทาง การจัดตารางเวลาของโรงงาน/เครื่องจักร การปรับสมดุลพอร์ตโฟลิโอทางการเงิน และการเขียนโปรแกรมเชิงเส้นจำนวนเต็ม ประการที่สาม เราออกแบบตัวผสมบางส่วน (GDPM) ที่ได้มาจากกราฟระดับความลึกต่ำ จนถึงตัวแปรควอนตัม 16 ระดับ ซึ่งแสดงให้เห็นว่าการเข้ารหัสแบบกะทัดรัด (ไบนารี) นั้นคล้อยตาม QAOA ได้มากกว่าที่เข้าใจกันก่อนหน้านี้ เราคาดหวังว่าชุดเครื่องมือของการเขียนโปรแกรมนามธรรมและบล็อคการสร้างระดับต่ำนี้จะช่วยในการออกแบบอัลกอริธึมควอนตัมสำหรับปัญหาเชิงผสมแบบแยกส่วน

Encoding trade-offs and design toolkits in quantum algorithms for discrete optimization: coloring, routing, scheduling, and other problems PlatoBlockchain Data Intelligence. Vertical Search. Ai.

ภาพเด่น: ตัวผสมบางส่วนที่ได้มาจากกราฟ (GDPM) สำหรับการจำกัดตัวแปร 3 ควิบิตเป็น 6 สถานะขณะใช้งาน เช่น QAOA

► ข้อมูล BibTeX

@article{Sawaya2023encodingtradeoffs, doi = {10.22331/q-2023-09-14-1111}, url = {https://doi.org/10.22331/q-2023-09-14-1111}, title = {การเข้ารหัสการค้า -การทำงานและชุดเครื่องมือการออกแบบในอัลกอริธึมควอนตัมสำหรับการเพิ่มประสิทธิภาพแบบแยกส่วน: การระบายสี การกำหนดเส้นทาง การกำหนดเวลา และปัญหาอื่นๆ}, ผู้แต่ง = {Sawaya, Nicolas PD และ Schmitz, Albert T และ Hadfield, Stuart}, Journal = {{Quantum}}, issn = {2521-327X}, ผู้เผยแพร่ = {{Verein zur F{“{o}}rderung des Open Access Publizierens in den Quantenwissenschaften}}, ปริมาณ = {7}, หน้า = {1111}, เดือน = กันยายน, ปี = { 2023} }

► ข้อมูลอ้างอิง

[1] คริสตอส เอช ปาปาดิมิทริอู และเคนเน็ธ ชไตลิทซ์ การเพิ่มประสิทธิภาพเชิงผสมผสาน: อัลกอริธึมและความซับซ้อน บริษัทคูเรียร์, 1998.

[2] ลอฟ เค โกรเวอร์ อัลกอริธึมเชิงกลควอนตัมที่รวดเร็วสำหรับการค้นหาฐานข้อมูล ใน รายงานการประชุมสัมมนา ACM ประจำปีครั้งที่ 212 เรื่องทฤษฎีการคำนวณ หน้า 219–1996, 10.1145 https:///doi.org/237814.237866/XNUMX
https://doi.org/10.1145/237814.237866

[3] ทัด ฮ็อก และดมิทรี พอร์ทนอฟ การเพิ่มประสิทธิภาพควอนตัม สารสนเทศศาสตร์, 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] เอ็ดเวิร์ด ฟาร์ฮี, เจฟฟรีย์ โกลด์สโตน และแซม กัตมันน์ อัลกอริธึมการหาค่าเหมาะที่สุดโดยประมาณควอนตัม arXiv พิมพ์ล่วงหน้า arXiv:1411.4028, 2014 https:///doi.org/10.48550/arXiv.1411.4028
https://doi.org/10.48550/arXiv.1411.4028
arXiv: 1411.4028

[5] แมทธิว บี. เฮสติงส์. อัลกอริธึมควอนตัมเส้นทางสั้นสำหรับการเพิ่มประสิทธิภาพที่แน่นอน ควอนตัม 2:78, 2018 https:///doi.org/10.22331/q-2018-07-26-78.
https://doi.org/10.22331/q-2018-07-26-78

[6] ทามีม อัลบาช และดาเนียล เอ ลิดาร์ การคำนวณควอนตัมอะเดียแบติก บทวิจารณ์ฟิสิกส์สมัยใหม่ 90(1):015002, 2018 https:///doi.org/10.1103/revmodphys.90.015002
https://doi.org/10.1103/revmodphys.90.015002

[7] สจวร์ต แฮดฟิลด์, จิฮุย หวัง, ไบรอัน โอกอร์แมน, เอลีนอร์ รีฟเฟล, ดาวิเด เวนเจอร์ลี และรูปัค บิสวาส จากอัลกอริธึมการหาค่าเหมาะที่สุดโดยประมาณของควอนตัม ไปจนถึงตัวดำเนินการสลับควอนตัม ansatz อัลกอริทึม 12(2):34, 2019. https:///doi.org/10.3390/a12020034.
https://doi.org/10.3390/a12020034

[8] ฟิลิปป์ เฮาเกะ, เฮลมุท จี. แคทซ์กราเบอร์, โวล์ฟกัง เลชเนอร์, ฮิเดโทชิ นิชิโมริ และวิลเลียม ดี. โอลิเวอร์ มุมมองของการหลอมควอนตัม: วิธีการและการนำไปปฏิบัติ รายงานความก้าวหน้าทางฟิสิกส์ 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 และ IL Markov สถาปัตยกรรมซอฟต์แวร์แบบเลเยอร์สำหรับเครื่องมือออกแบบคอมพิวเตอร์ควอนตัม คอมพิวเตอร์ 39(1):74–83 ม.ค. 2006 https:///doi.org/10.1109/MC.2006.4
https://doi.org/10.1109/MC.2006.4

[10] เดวิด อิตทาห์, โธมัส ฮาเนอร์, วาดิม คลิชนิคอฟ และทอร์สเตน โฮฟเลอร์ การเปิดใช้งานการเพิ่มประสิทธิภาพกระแสข้อมูลสำหรับโปรแกรมควอนตัม arXiv พิมพ์ล่วงหน้า arXiv:2101.11030, 2021. https:///doi.org/10.48550/arXiv.2101.11030
https://doi.org/10.48550/arXiv.2101.11030
arXiv: 2101.11030

[11] รุสลัน เชย์ดูลิน, คูนัล มาร์วาฮา, โจนาธาน เวิร์ตซ และฟิลลิป ซี ล็อตชอว์ Qaoakit: ชุดเครื่องมือสำหรับการศึกษาที่ทำซ้ำได้ การประยุกต์ใช้ และการตรวจสอบ Qaoa ในการประชุมเชิงปฏิบัติการระหว่างประเทศครั้งที่สองของ IEEE/ACM เกี่ยวกับซอฟต์แวร์คอมพิวเตอร์ควอนตัม (QCS) ปี 2021 หน้า 64–71 มาตรฐาน IEEE, 2021. https:///doi.org/10.1109/qcs54837.2021.00011.
https:///doi.org/10.1109/qcs54837.2021.00011

[12] นิโคลัส พีดี ซาวายา, ทิม เมนเก้, ธี ฮา จ่อ, โซนิก้า โจห์รี, อลัน อัสปูรู-กูซิก และจาน จาโคโม เกอร์เรสชี การจำลองควอนตัมดิจิทัลอย่างประหยัดทรัพยากรของระบบระดับ d สำหรับแฮมิลโทเนียนโฟโตนิก การสั่น และสปิน npj Quantum Information, 6(1), มิ.ย. 2020 https:///doi.org/10.1038/s41534-020-0278-0
https://doi.org/10.1038/s41534-020-0278-0

[13] สจวร์ต แฮดฟิลด์. เกี่ยวกับการแทนบูลีนและฟังก์ชันจริงในฐานะแฮมิลตันเนียนสำหรับการคำนวณควอนตัม ธุรกรรม ACM เกี่ยวกับคอมพิวเตอร์ควอนตัม 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 และ Michael Hicks การปรับให้เหมาะสมที่ตรวจสอบแล้วในการเป็นตัวแทนระดับกลางควอนตัม CoRR, abs/1904.06319, 2019. https:///doi.org/10.48550/arXiv.1904.06319.
https://doi.org/10.48550/arXiv.1904.06319

[15] เทียน เหงียน และ อเล็กซานเดอร์ แม็กแคสกี้ คอมไพเลอร์การปรับให้เหมาะสมแบบกำหนดเป้าหมายใหม่ได้สำหรับเครื่องเร่งควอนตัมผ่านการเป็นตัวแทนระดับกลางหลายระดับ IEEE Micro, 42(5):17–33, 2022. https:///doi.org/10.1109/mm.2022.3179654.
https:///doi.org/10.1109/mm.2022.3179654

[16] อเล็กซานเดอร์ แม็กคาสกี้ และ เทียน เหงียน ภาษา MLIR สำหรับภาษาแอสเซมบลีควอนตัม ในการประชุมนานาชาติ IEEE ว่าด้วยคอมพิวเตอร์ควอนตัมและวิศวกรรม (QCE) ปี 2021 หน้า 255–264 มาตรฐาน IEEE, 2021. https:///doi.org/10.1109/qce52317.2021.00043.
https:///doi.org/10.1109/qce52317.2021.00043

[17] แอนดรูว์ ดับเบิลยู ครอส, เลฟ เอส บิชอป, จอห์น เอ สโมลิน และเจย์ เอ็ม แกมเบตตา เปิดภาษาแอสเซมบลีควอนตัม arXiv พิมพ์ล่วงหน้า arXiv:1707.03429, 2017. https:///doi.org/10.48550/arXiv.1707.03429
https://doi.org/10.48550/arXiv.1707.03429
arXiv: 1707.03429

[18] นิโคลัส พีดี ซาวาย่า, จาน จาโคโม เกร์เรสชี และอดัม โฮล์มส์ เกี่ยวกับความต้องการทรัพยากรที่ขึ้นอยู่กับการเชื่อมต่อสำหรับการจำลองควอนตัมดิจิทัลของอนุภาคระดับ d ในปี 2020 การประชุมนานาชาติ IEEE ว่าด้วยคอมพิวเตอร์ควอนตัมและวิศวกรรม (QCE) IEEE, 2020. https:///doi.org/10.1109/qce49297.2020.00031.
https:///doi.org/10.1109/qce49297.2020.00031

[19] อเล็กซานดรู มาคริดิน, พานาจิโอติส สเปนต์ซูริส, เจมส์ อมุนด์สัน และโรนี ฮาร์นิค ระบบอิเล็กตรอน-โฟนอนบนคอมพิวเตอร์ควอนตัมสากล ฟิสิกส์ สาธุคุณเลตต์ 121:110504 2018 https:///doi.org/10.1103/PhysRevLett.121.110504
https://doi.org/10.1103/PhysRevLett.121.110504

[20] แซม แม็กอาร์เดิล, อเล็กซานเดอร์ มาโยรอฟ, เซียว ชาน, ไซมอน เบนจามิน และเซียว หยวน การจำลองควอนตัมดิจิทัลของการสั่นสะเทือนของโมเลกุล เคมี. วิทย์, 10(22):5725–5735, 2019. https:///doi.org/10.1039/c9sc01313j.
https:///doi.org/10.1039/c9sc01313j

[21] พอลลีน เจ. โอลลิโทรต์, อัลเบอร์โต ไบอาร์ดี, มาร์คุส ไรเฮอร์ และอิวาโน ทาเวิร์นเนลลี อัลกอริธึมควอนตัมที่มีประสิทธิภาพสำหรับฮาร์ดแวร์สำหรับการคำนวณโครงสร้างแบบสั่นสะเทือน เคมี. วิทย์, 11(26):6842–6855, 2020. https:///doi.org/10.1039/d0sc01908a.
https:///doi.org/10.1039/d0sc01908a

[22] นิโคลัส พีดี ซาวายา, ฟรานเชสโก เพซานี และแดเนียล พี ทาบอร์ วิธีอัลกอริธึมควอนตัมระยะสั้นและระยะยาวสำหรับสเปกโทรสโกปีแบบสั่นสะเทือน การตรวจร่างกาย A, 104(6):062419, 2021. https:///doi.org/10.1103/physreva.104.062419.
https://doi.org/10.1103/physreva.104.062419

[23] จาคอบ เอส คอตต์มันน์, มาริโอ เคร็นน์, ธี ฮา จ่อ, ซัมเนอร์ อัลเปริน-ลี และอลัน อัสปูรู-กูซิก การออกแบบฮาร์ดแวร์ออปติกควอนตัมโดยใช้คอมพิวเตอร์ช่วย วิทยาศาสตร์และเทคโนโลยีควอนตัม 6(3):035010, 2021. https:///doi.org/10.1088/2058-9565/abfc94
https://doi.org/10.10882058-9565/abfc94

[24] ลอรา-เซอร์ราโน, แดเนียล ฮูลิโอ การ์เซีย, ดี เบตันคูร์ธ, RP อามารัล, NS Camilo, อี เอสเตเวซ-แรมส์, แอลเอ ออร์เตลลาโด จีแซด และพีจี ปากลิอุสโซ ผลการเจือจางในระบบสปิน 7/2 กรณีของแอนติเฟอร์โรแมกเน็ต GdRhIn5 วารสารแม่เหล็กและวัสดุแม่เหล็ก, 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] จาร์ร็อด อาร์ แมคคลีน, โจนาธาน โรเมโร, ไรอัน แบบบุช และอลัน แอสปูรู-กูซิก ทฤษฎีอัลกอริธึมควอนตัมคลาสสิกแบบไฮบริดแปรผัน วารสารฟิสิกส์ใหม่, 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] วลาดีสลาฟ แวร์เทเลตสกี้, จื่อชิง เยน และอาร์ตูร์ เอฟ อิซไมลอฟ การปรับการวัดให้เหมาะสมในไอเกนโซลเวอร์ควอนตัมแบบแปรผันโดยใช้ฝาครอบกลุ่มขั้นต่ำ วารสารฟิสิกส์เคมี, 152(12):124114, 2020. https:///doi.org/10.1063/1.5141458.
https://doi.org/10.1063/1.5141458

[27] มาร์โก เซเรโซ, แอนดรูว์ อาร์ราสมิธ, ไรอัน แบบบุช, ไซมอน ซี เบนจามิน, ซูกุรุ เอนโด, เคสุเกะ ฟูจิอิ, จาร์รอด อาร์ แม็คคลีน, โคสุเกะ มิทาไร, เซียว หยวน, ลูคัสซ์ ซินซิโอ และคณะ อัลกอริธึมควอนตัมแปรผัน ฟิสิกส์บทวิจารณ์ธรรมชาติ, 3(9):625–644, 2021. https:///doi.org/10.1038/s42254-021-00348-9.
https://doi.org/10.1038/s42254-021-00348-9

[28] ดมิทรี เอ เฟโดรอฟ, โบ เผิง, นิรานจาน โกวินด์ และยูริ อเล็กซีเยฟ วิธี VQE: แบบสำรวจสั้นๆ และการพัฒนาล่าสุด ทฤษฎีวัสดุ 6(1):1–21, 2022. https:///doi.org/10.1186/s41313-021-00032-6.
https://doi.org/10.1186/s41313-021-00032-6

[29] แอนดรูว์ ลูคัส. การกำหนดสูตรของปัญหา NP มากมาย พรมแดนทางฟิสิกส์ 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 และ Andy J. Rindos การแก้ปัญหาการหาค่าเหมาะที่สุดแบบผสมผสานหลายสีโดยใช้อัลกอริธึมควอนตัมแบบไฮบริด arXiv พิมพ์ล่วงหน้า arXiv:1911.00595, 2019. https:///doi.org/10.48550/arXiv.1911.00595.
https://doi.org/10.48550/arXiv.1911.00595
arXiv: 1911.00595

[31] จือฮุย หวัง, นิโคลัส ซี. รูบิน, เจสัน เอ็ม. โดมินี และเอลีนอร์ จี. รีฟเฟล เครื่องผสม XY: ผลลัพธ์เชิงวิเคราะห์และตัวเลขสำหรับตัวดำเนินการสลับควอนตัม ansatz ฟิสิกส์ รายได้ A 101:012320 ม.ค. 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 และ Zoltan Zimbaras การเพิ่มประสิทธิภาพควอนตัมสำหรับปัญหาการระบายสีกราฟด้วยการฝังแบบประหยัดพื้นที่ ในปี 2020 การประชุมนานาชาติ IEEE ว่าด้วยคอมพิวเตอร์ควอนตัมและวิศวกรรม (QCE) IEEE ต.ค. 2020 https:///doi.org/10.1109/qce49297.2020.00018.
https:///doi.org/10.1109/qce49297.2020.00018

[33] ฟรานซ์ จี ฟุคส์, เฮอร์มาน โออี โคลเดน, นีลส์ เฮนริก อาส และจอร์โจ ซาร์ตอร์ การเข้ารหัสที่มีประสิทธิภาพของ MAX k-CUT แบบถ่วงน้ำหนักบนคอมพิวเตอร์ควอนตัมโดยใช้ qaoa สน.วิทยาการคอมพิวเตอร์, 2(2):89, 2021. https:///doi.org/10.1007/s42979-020-00437-z.
https://doi.org/10.1007/s42979-020-00437-z

[34] ไบรอัน โอกอร์แมน, เอลีเนอร์ กิลเบิร์ต รีฟเฟล, มินห์ โด, ดาวิเด เวนเจอร์ลี และเจเรมี แฟรงค์ เปรียบเทียบแนวทางการรวบรวมปัญหาการวางแผนสำหรับการหลอมควอนตัม การทบทวนวิศวกรรมความรู้, 31(5):465–474, 2016. https:///doi.org/10.1017/S0269888916000278
https://doi.org/10.1017/S0269888916000278

[35] โทเบียส สโตลเลนแวร์ก, สจวร์ต แฮดฟิลด์ และจือฮุย หวัง สู่การศึกษาพฤติกรรมจำลองเกตควอนตัมสำหรับปัญหาการวางแผนในโลกแห่งความเป็นจริง ธุรกรรม IEEE เกี่ยวกับวิศวกรรมควอนตัม, 1:1–16, 2020 https:///doi.org/10.1109/TQE.2020.3030609
https://doi.org/10.1109/TQE.2020.3030609

[36] โทเบียส สโตลเลนแวร์ค, ไบรอัน โอกอร์แมน, ดาวิเด เวนเจอร์ลี, ซัลวาตอเร มันดรา, โอลก้า โรดิโอโนวา, ฮกวาน อึ้ง, บานาวาร์ ศรีดาร์, เอลีนอร์ กิลเบิร์ต รีฟเฟล และรูพัค บิสวาส การอบอ่อนด้วยควอนตัมนำไปใช้กับการลดความขัดแย้งในวิถีที่เหมาะสมที่สุดสำหรับการจัดการการจราจรทางอากาศ ธุรกรรม IEEE บนระบบขนส่งอัจฉริยะ 21(1):285–297 ม.ค. 2020 https:///doi.org/10.1109/tits.2019.2891235
https:///doi.org/10.1109/tits.2019.2891235

[37] อลัน คริสปิน และอเล็กซ์ ซิริชาส อัลกอริธึมการหลอมควอนตัมสำหรับการตั้งเวลายานพาหนะ ในปี 2013 การประชุมนานาชาติ IEEE ว่าด้วยระบบ มนุษย์ และไซเบอร์เนติกส์ มาตรฐาน IEEE, 2013. https:///doi.org/10.1109/smc.2013.601.
https:///doi.org/10.1109/smc.2013.601

[38] ดาวิเด เวนเวนเจอร์ลี, โดมินิก เจเจ มาร์ชองด์ และกาโล โรโฮ การดำเนินการควอนตัมอบอ่อนของการจัดตารางงานร้านค้า arXiv พิมพ์ล่วงหน้า arXiv:1506.08479, 2015. https:///doi.org/10.48550/arXiv.1506.08479
https://doi.org/10.48550/arXiv.1506.08479
arXiv: 1506.08479

[39] โทนี่ ที. ทราน, มินห์ โด, เอลีนอร์ จี. รีฟเฟล, เจเรมี แฟรงก์, จิฮุย หวัง, ไบรอัน โอ'กอร์แมน, ดาวิเด เวนเจอร์ลี และเจ. คริสโตเฟอร์ เบ็ค แนวทางควอนตัมคลาสสิกแบบไฮบริดในการแก้ปัญหาการจัดตารางเวลา ในการประชุมวิชาการประจำปีครั้งที่ 2016 เรื่อง Combinatorial Search AAAI, 10.1609. https:///doi.org/7/socs.v1.18390iXNUMX.
https://doi.org/10.1609/socs.v7i1.18390

[40] คริสตอฟ โดมิโน, มาตีอาส โคนิออร์คซิค, เคอร์ซีสตอฟ คราเวียซ, คอนราด จาโลเวียคกี และบาร์ทโลมิเยจ การ์ดาส วิธีการคำนวณควอนตัมในการจัดส่งทางรถไฟและการเพิ่มประสิทธิภาพการจัดการข้อขัดแย้งบนเส้นทางรถไฟรางเดียว arXiv พิมพ์ล่วงหน้า arXiv:2010.08227, 2020 https:///doi.org/10.48550/arXiv.2010.08227
https://doi.org/10.48550/arXiv.2010.08227
arXiv: 2010.08227

[41] คอนสแตนติน ดาเลียค, โลอิค เฮนเรียต, เอ็มมานูเอล ฌองเดล, โวล์ฟกัง เลชเนอร์, ไซมอน แปร์ดริกซ์, มาร์ค พอร์เชรอน และมาร์การิต้า เวชเชเซโรวา แนวทางควอนตัมที่มีคุณสมบัติเหมาะสมสำหรับปัญหาการเพิ่มประสิทธิภาพทางอุตสาหกรรมอย่างหนัก กรณีศึกษาด้านการชาร์จรถยนต์ไฟฟ้าอัจฉริยะ เทคโนโลยีควอนตัม EPJ 8(1) 2021 https:///doi.org/10.1140/epjqt/s40507-021-00100-3
https://doi.org/10.1140/epjqt/s40507-021-00100-3

[42] เดวิด อมาโร, มัทธีอัส โรเซนครานซ์, นาธาน ฟิตซ์แพทริค, โคจิ ฮิราโน่ และมัตเทีย ฟิออเรนตินี่ กรณีศึกษาอัลกอริธึมควอนตัมแบบแปรผันสำหรับปัญหาการจัดตารางเวลาของร้านขายงาน เทคโนโลยีควอนตัม EPJ, 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] จูเลีย พเลวา, โจอันนา เซียนโค และคาทาร์ซีนา ไรเซอร์ซ อัลกอริธึมการเปลี่ยนแปลงสำหรับปัญหาการกำหนดเวลาเวิร์กโฟลว์ในอุปกรณ์ควอนตัมแบบเกท คอมพิวเตอร์และสารสนเทศ 40(4) 2021 https:///doi.org/10.31577/cai_2021_4_897
https:///doi.org/10.31577/cai_2021_4_897

[44] อดัม กลอส, อเล็กซานดรา คราเวียค และโซลแทน ซิมโบราส การเพิ่มประสิทธิภาพไบนารี่อย่างมีประสิทธิภาพด้านพื้นที่สำหรับการคำนวณควอนตัมแบบแปรผัน ข้อมูลควอนตัม npj 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 และ Jarosław Adam Miszczak โมเดลไบนารีที่ไม่มีข้อจำกัดของตัวแปรปัญหาของพนักงานขายที่กำลังเดินทางเพื่อการปรับควอนตัมให้เหมาะสม การประมวลผลข้อมูลควอนตัม, 21(2):67, 2022. https:///doi.org/10.1007/s11128-021-03405-5.
https://doi.org/10.1007/s11128-021-03405-5

[46] เดวิด อี. เบอร์นัล, ศรีดาร์ ทายูร์ และดาวิเด เวนเจอร์เรลลี การเขียนโปรแกรมจำนวนเต็มควอนตัม (QuIP) 47-779: บันทึกการบรรยาย arXiv พิมพ์ล่วงหน้า arXiv:2012.11382, 2020 https:///doi.org/10.48550/arXiv.2012.11382
https://doi.org/10.48550/arXiv.2012.11382
arXiv: 2012.11382

[47] มาร์ค ฮอดสัน, เบรนแดน รัค, ฮิวจ์ ออง, เดวิด การ์วิน และสเตฟาน ดัลแมน การทดลองการปรับสมดุลพอร์ตโฟลิโอโดยใช้ตัวดำเนินการสลับควอนตัม ansatz arXiv พิมพ์ล่วงหน้า arXiv:1911.05296, 2019. https:///doi.org/10.48550/arXiv.1911.05296
https://doi.org/10.48550/arXiv.1911.05296
arXiv: 1911.05296

[48] เซอร์กี รามอส-คัลเดอเรอร์, อาเดรียน เปเรซ-ซาลินาส, ดิเอโก การ์เซีย-มาร์ติน, คาร์ลอส บราโว-ปรีเอโต, ฮอร์เก้ กอร์ตาดา, จอร์ดี ปลานากูมา และโฮเซ่ ไอ. ลาตอร์เร วิธีการควอนตัมเอกพจน์ในการกำหนดราคาตัวเลือก ฟิสิกส์ รายได้ ก 103:032414, 2021. https:///doi.org/10.1103/PhysRevA.103.032414.
https://doi.org/10.1103/PhysRevA.103.032414

[49] เคนสุเกะ ทามูระ, ทัตสึฮิโกะ ชิราอิ, โฮโช คัตสึระ, ชู ทานากะ และโนโซมุ โทกาวะ การเปรียบเทียบประสิทธิภาพของการเข้ารหัสเลขฐานสอง-จำนวนเต็มทั่วไปในเครื่อง ising การเข้าถึง IEEE, 9:81032–81039, 2021. https:///doi.org/10.1109/ACCESS.2021.3081685.
https://doi.org/10.1109/ACCESS.2021.3081685

[50] ลุดมิลา โบเตลโญ่, อดัม กลอส, อากาช คุนดู, ยาโรสลาฟ อดัม มิสซ์แซค, เอิซเลม ซาเลฮี และโซลแทน ซิมโบราส การลดข้อผิดพลาดสำหรับอัลกอริธึมควอนตัมแปรผันผ่านการวัดกลางวงจร การตรวจร่างกาย A, 105(2):022441, 2022. https:///doi.org/10.1103/physreva.105.022441.
https://doi.org/10.1103/physreva.105.022441

[51] จือฮุย หวาง, สจวร์ต แฮดฟิลด์, จาง เจียง และเอลีนอร์ จี รีฟเฟล อัลกอริธึมการปรับให้เหมาะสมโดยประมาณของควอนตัมสำหรับ Maxcut: มุมมองเฟอร์มิโอนิก การตรวจร่างกาย A, 97(2):022304, 2018. https:///doi.org/10.1103/physreva.97.022304.
https://doi.org/10.1103/physreva.97.022304

[52] สจวร์ต แอนดรูว์ แฮดฟิลด์. อัลกอริธึมควอนตัมสำหรับการคำนวณทางวิทยาศาสตร์และการเพิ่มประสิทธิภาพโดยประมาณ มหาวิทยาลัยโคลัมเบีย, 2018. https:///doi.org/10.48550/arXiv.1805.03265.
https://doi.org/10.48550/arXiv.1805.03265

[53] แมทธิว บี. เฮสติงส์. อัลกอริธึมการประมาณความลึกแบบคลาสสิกและควอนตัม ข้อมูลควอนตัมและการคำนวณ 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] เซอร์เกย์ บราวี, อเล็กซานเดอร์ คลิช, โรเบิร์ต โคนิก และยูจีน ถัง อุปสรรคในการปรับควอนตัมให้เหมาะสมจากการป้องกันแบบสมมาตร จดหมายทบทวนทางกายภาพ, 125(26):260505, 2020. https:///doi.org/10.1103/physrevlett.125.260505.
https://doi.org/10.1103/physrevlett.125.260505

[55] อเล็กซานเดอร์ เอ็ม ดัลเซลล์, อราม ดับเบิลยู แฮร์โรว์, แดกซ์ เอนชาน โค และโรลันโด แอล ลา พลาก้า ต้องใช้คิวบิตจำนวนเท่าใดเพื่ออำนาจสูงสุดในการคำนวณควอนตัม ควอนตัม 4:264 2020 https:///doi.org/10.22331/q-2020-05-11-264.
https://doi.org/10.22331/q-2020-05-11-264

[56] ดาเนียล สติลค์ ฟรานซา และราอูล การ์เซีย-ปาตรอน ข้อจำกัดของอัลกอริธึมการปรับให้เหมาะสมบนอุปกรณ์ควอนตัมที่มีเสียงดัง ฟิสิกส์ธรรมชาติ 17(11):1221–1227, 2021. https:///doi.org/10.1038/s41567-021-01356-3.
https://doi.org/10.1038/s41567-021-01356-3

[57] ลีโอ โจว, เซิงเทา หวาง, ซุนวอน ชอย, ฮันเนส พิชเลอร์ และมิคาอิล ดี ลูกิน อัลกอริธึมการหาค่าเหมาะที่สุดโดยประมาณควอนตัม: ประสิทธิภาพ กลไก และการนำไปใช้งานบนอุปกรณ์ระยะใกล้ การทบทวนทางกายภาพ X, 10(2):021067, 2020. https:///doi.org/10.1103/physrevx.10.021067.
https://doi.org/10.1103/physrevx.10.021067

[58] โบอาซ บารัค และคูนัล มาร์วาฮา อัลกอริธึมแบบคลาสสิกและข้อจำกัดควอนตัมสำหรับการตัดสูงสุดบนกราฟเส้นรอบวงสูง ใน Mark Braverman บรรณาธิการ การประชุมนวัตกรรมทางวิทยาศาสตร์คอมพิวเตอร์เชิงทฤษฎีครั้งที่ 13 (ITCS 2022) เล่มที่ 215 ของ Leibniz International Proceedings in Informatics (LIPIcs) หน้า 14:1–14:21, Dagstuhl, Germany, 2022 Schloss Dagstuhl – Leibniz- Zentrum สำหรับข้อมูลสารสนเทศ https:///doi.org/10.4230/LIPIcs.ITCS.2022.14.
https://doi.org/10.4230/LIPIcs.ITCS.2022.14

[59] เลนนาร์ท บิตเทล และมาร์ติน คลิช การฝึกอบรมอัลกอริธึมควอนตัมแบบแปรผันเป็นแบบ NP-hard จดหมายทบทวนทางกายภาพ, 127(12):120502, 2021. https:///doi.org/10.1103/PhysRevLett.127.120502.
https://doi.org/10.1103/PhysRevLett.127.120502

[60] คูนัล มาร์วาฮา และสจ๊วต แฮดฟิลด์ เชื่อมโยงกับการประมาณ Max $k$ XOR ด้วยควอนตัมและอัลกอริธึมท้องถิ่นแบบคลาสสิก ควอนตัม 6:757 2022 https:///doi.org/10.22331/q-2022-07-07-757
https://doi.org/10.22331/q-2022-07-07-757

[61] Barış Özgüler และ Davide Venturelli การสังเคราะห์เกทเชิงตัวเลขสำหรับการวิเคราะห์พฤติกรรมควอนตัมบนโปรเซสเซอร์ควอนตัมแบบโบโซนิก พรมแดนทางฟิสิกส์ หน้า 724 2022 https:///doi.org/10.3389/fphy.2022.900612.
https://doi.org/10.3389/fphy.2022.900612

[62] ยานนิค เดลเลอร์, เซบาสเตียน ชมิตต์, มาซีจ เลเวนสไตน์, สตีฟ เลงค์, มาริกา เฟเดอเรอร์, เฟร็ด เจนเดอร์เซจิวสกี้, ฟิลิปป์ เฮาเค และวาเลนติน แคสเปอร์ อัลกอริธึมการหาค่าเหมาะที่สุดโดยประมาณของควอนตัมสำหรับระบบ qudit ที่มีการโต้ตอบระยะไกล arXiv พิมพ์ล่วงหน้า arXiv:2204.00340, 2022. https:///doi.org/10.1103/physreva.107.062410.
https://doi.org/10.1103/physreva.107.062410
arXiv: 2204.00340

[63] สจวร์ต แฮดฟิลด์, จิฮุย หวัง, เอลีนอร์ จี รีฟเฟล, ไบรอัน โอกอร์แมน, ดาวิเด เวนเจอร์ลี และรูพัค บิสวาส การเพิ่มประสิทธิภาพเชิงควอนตัมโดยประมาณด้วยข้อจำกัดแบบแข็งและแบบอ่อน ใน Proceedings of the Second International Workshop on Post Moores Era Supercomputing, หน้า 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 และคณะ การเพิ่มประสิทธิภาพควอนตัมโดยใช้อัลกอริธึมแปรผันบนอุปกรณ์ควอนตัมระยะสั้น วิทยาศาสตร์และเทคโนโลยีควอนตัม 3(3):030503, 2018 https:///doi.org/10.1088/2058-9565/aab822
https://doi.org/10.10882058-9565/aab822

[65] แซม แม็คอาร์เดิล, ไทสัน โจนส์, ซูกูรู เอนโด, หยิง ลี่, ไซมอน ซี เบนจามิน และเซียว หยวน การจำลองควอนตัมแบบแปรผันตามแอนแซทซ์ของวิวัฒนาการเวลาจินตภาพ ข้อมูลควอนตัม npj 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 และ Garnet Kin-Lic Chan การกำหนดสถานะลักษณะเฉพาะและสถานะความร้อนบนคอมพิวเตอร์ควอนตัมโดยใช้วิวัฒนาการเวลาจินตภาพควอนตัม ฟิสิกส์ธรรมชาติ, 16(2):205–210, 2019. https:///doi.org/10.1038/s41567-019-0704-4.
https://doi.org/10.1038/s41567-019-0704-4

[67] ไรอัน โอดอนเนลล์. การวิเคราะห์ฟังก์ชันบูลีน สำนักพิมพ์มหาวิทยาลัยเคมบริดจ์, 2014

[68] บูธ Kyle EC, ไบรอัน โอ'กอร์แมน, เจฟฟรีย์ มาร์แชล, สจวร์ต แฮดฟิลด์ และเอลีนอร์ รีฟเฟล การเขียนโปรแกรมข้อจำกัดแบบเร่งด้วยควอนตัม ควอนตัม 5:550 กันยายน 2021 https:///doi.org/10.22331/q-2021-09-28-550
https://doi.org/10.22331/q-2021-09-28-550

[69] อาเดรียโน บาเรนโก, ชาร์ลส เอช. เบนเน็ตต์, ริชาร์ด คลีฟ, เดวิด พี ดิวินเชนโซ, นอร์แมน มาร์โกลัส, ปีเตอร์ ชอร์, ไทโค สเลเตอร์, จอห์น เอ สโมลิน และฮารัลด์ ไวน์เฟิร์ตเตอร์ ประตูเบื้องต้นสำหรับการคำนวณควอนตัม การตรวจร่างกาย A, 52(5):3457, 1995. https:///doi.org/10.1103/PhysRevA.52.3457.
https://doi.org/10.1103/PhysRevA.52.3457

[70] วีวี เชนเด้ และ อิลลินอยส์ มาร์คอฟ เกี่ยวกับต้นทุน CNOT ของประตู TOFFOLI ข้อมูลควอนตัมและการคำนวณ, 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] เมห์ดี ซาอีดี และอิกอร์ แอล มาร์คอฟ การสังเคราะห์และการหาค่าเหมาะที่สุดของวงจรแบบพลิกกลับได้—แบบสำรวจ แบบสำรวจคอมพิวเตอร์ของ ACM (CSUR), 45(2):1–34, 2013. https:///doi.org/10.1145/2431211.2431220
https://doi.org/10.1145/2431211.2431220

[72] จาน จาโคโม เกร์เรสคี่. การแก้ปัญหาการหาค่าเหมาะที่สุดไบนารี่แบบไม่มีข้อจำกัดแบบกำลังสองด้วยอัลกอริธึมการแบ่งและพิชิตและควอนตัม arXiv พิมพ์ล่วงหน้า 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 และ Martin Suchara การแบ่งควอนตัมและพิชิตเพื่อการเพิ่มประสิทธิภาพแบบผสมผสานและการคำนวณแบบกระจาย arXiv พิมพ์ล่วงหน้า arXiv:2107.07532, 2021. https:///doi.org/10.48550/arXiv.2107.07532
https://doi.org/10.48550/arXiv.2107.07532
arXiv: 2107.07532

[74] แดเนียล เอ ลิดาร์ และ ท็อดด์ เอ บรุน การแก้ไขข้อผิดพลาดควอนตัม สำนักพิมพ์มหาวิทยาลัยเคมบริดจ์, 2013

[75] นิโคลัส ชานเซลเลอร์. การเข้ารหัสผนังโดเมนของตัวแปรแยกสำหรับการหลอมควอนตัมและ qaoa วิทยาศาสตร์และเทคโนโลยีควอนตัม 4(4):045004, 2019 https:///doi.org/10.1088/2058-9565/ab33c2
https://doi.org/10.1088/2058-9565/ab33c2

[76] เจสซี เบอร์วาลด์, นิโคลัส ชานเซลเลอร์ และราอูฟ ดริดี ทำความเข้าใจการเข้ารหัสโดเมนวอลล์ทั้งทางทฤษฎีและเชิงทดลอง ธุรกรรมเชิงปรัชญาของ Royal Society A, 381(2241):20210410, 2023 https:///doi.org/10.1098/rsta.2021.0410
https://doi.org/10.1098/rsta.2021.0410

[77] เจี่ย เฉิน, โทเบียส สโตลเลนแวร์ก และนิโคลัส ชานเซลเลอร์ ประสิทธิภาพของการเข้ารหัสผนังโดเมนสำหรับการหลอมควอนตัม ธุรกรรม IEEE เกี่ยวกับวิศวกรรมควอนตัม, 2:1–14, 2021 https:///doi.org/10.1109/tqe.2021.3094280
https://doi.org/10.1109/tqe.2021.3094280

[78] มาร์ค ดับเบิลยู จอห์นสัน, โมฮัมหมัด เอชเอส อามิน, ซูซาน กิลเดิร์ต, เทรเวอร์ แลนติง, ฟิรัส แฮมซี, นีล ดิกสัน, ริชาร์ด แฮร์ริส, แอนดรูว์ เจ เบิร์คลีย์, แจน โจแฮนสัน, พอล บูนีค และคณะ การหลอมควอนตัมด้วยสปินที่ผลิตขึ้น ธรรมชาติ 473(7346):194–198, 2011. https:///doi.org/10.1038/nature10012.
https://doi.org/10.1038/nature10012

[79] โซอี้ กอนซาเลซ อิซเกียร์โด, ชอน แกร็บเบ, สจวร์ต แฮดฟิลด์, เจฟฟรีย์ มาร์แชล, จี้ฮุ่ย หวาง และเอลีนอร์ รีฟเฟล Ferromagnetic เปลี่ยนพลังของการหยุดชั่วคราว ใช้การทบทวนทางกายภาพ 15(4):044013, 2021. https:///doi.org/10.1103/physrevapplied.15.044013.
https://doi.org/10.1103/physrevapplied.15.044013

[80] ดาวิเด เวนเวนเจอร์ลี และอเล็กซี่ คอนดราเทเยฟ แนวทางการหลอมควอนตัมแบบย้อนกลับเพื่อแก้ไขปัญหาการปรับพอร์ตโฟลิโอให้เหมาะสม 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 และ Nick Chancellor เพกาซัส: กราฟการเชื่อมต่อที่สองสำหรับฮาร์ดแวร์อบอ่อนควอนตัมขนาดใหญ่ arXiv พิมพ์ล่วงหน้า arXiv:1901.07636, 2019. https:///doi.org/10.48550/arXiv.1901.07636
https://doi.org/10.48550/arXiv.1901.07636
arXiv: 1901.07636

[82] โวล์ฟกัง เลชเนอร์, ฟิลิปป์ เฮาเคีย และปีเตอร์ โซลเลอร์ สถาปัตยกรรมการหลอมควอนตัมพร้อมการเชื่อมต่อแบบครบวงจรจากการโต้ตอบในท้องถิ่น ความก้าวหน้าทางวิทยาศาสตร์ 1(9):e1500838, 2015. https:///doi.org/10.1126/sciadv.1500838.
https://doi.org/10.1126/sciadv.1500838

[83] เอ็มเอส ซารันดี และ ดีเอ ลิดาร์ การคำนวณควอนตัมอะเดียแบติกในระบบเปิด จดหมายตรวจร่างกาย, 95(25):250503, 2005. https:///doi.org/10.1103/physrevlett.95.250503
https://doi.org/10.1103/physrevlett.95.250503

[84] เอ็มเอชเอส อามิน, ปีเตอร์ เจ เลิฟ และซีเจเอส ทรูนซิก การคำนวณควอนตัมอะเดียแบติกแบบใช้ความร้อน จดหมายตรวจร่างกาย, 100(6):060503, 2008. https:///doi.org/10.1103/physrevlett.100.060503.
https://doi.org/10.1103/physrevlett.100.060503

[85] แซร์คิโอ โบโซ, ทามีม อัลบาช, เฟเดริโก เอ็ม สเปดาลิเอรี, นิโคลัส ชานเซลเลอร์ และดาเนียล เอ ลิดาร์ ลายเซ็นการทดลองของการหลอมควอนตัมแบบตั้งโปรแกรมได้ การสื่อสารทางธรรมชาติ 4(1):2067, 2013. https:///doi.org/10.1038/ncomms3067.
https://doi.org/10.1038/ncomms3067

[86] คอสตินติน เคเชดซิ และ วาดิม เอ็น สเมลยานสกี้ การหลอมควอนตัมระบบเปิดในแบบจำลองสนามเฉลี่ยที่มีความเสื่อมแบบเอ็กซ์โปเนนเชียล การทบทวนทางกายภาพ X, 6(2):021028, 2016. https:///doi.org/10.1103/physrevx.6.021028
https://doi.org/10.1103/physrevx.6.021028

[87] จานลูก้า พาสซาเรลลี, คา-วา ยิป, แดเนียล เอ ลิดาร์ และโปรโกโล ลูซิญญาโน การหลอมควอนตัมมาตรฐานมีประสิทธิภาพเหนือกว่าการหลอมแบบอะเดียแบติกแบบย้อนกลับด้วยการลดความสอดคล้อง การทบทวนทางกายภาพ A, 105(3):032431, 2022. https:///doi.org/10.1103/physreva.105.032431.
https://doi.org/10.1103/physreva.105.032431

[88] สเตฟานี ซบินเดน, อันเดรียส บาร์ตสกี้, ฮริสโต ยิดเยฟ และสเตฟาน ไอเดนเบนซ์ อัลกอริธึมการฝังสำหรับเครื่องอบควอนตัมด้วยโทโพโลยีการเชื่อมต่อไคเมร่าและเพกาซัส ในการประชุมนานาชาติเรื่องคอมพิวเตอร์ประสิทธิภาพสูง หน้า 187–206 สปริงเกอร์, 2020. https:///doi.org/10.1007/978-3-030-50743-5_10.
https://doi.org/10.1007/978-3-030-50743-5_10

[89] มาริโอ เอส โคนซ์, โวล์ฟกัง เลชเนอร์, เฮลมุท จี คัทซ์กราเบอร์ และแมทเธียส ทรอยเยอร์ การฝังการขยายขนาดค่าใช้จ่ายของปัญหาการหาค่าเหมาะที่สุดในการอบอ่อนด้วยควอนตัม PRX Quantum, 2(4):040322, 2021. https:///doi.org/10.1103/prxquantum.2.040322.
https://doi.org/10.1103/prxquantum.2.040322

[90] อนิรุดธา บาพัท และ สตีเฟน จอร์แดน. การควบคุม Bang-bang เป็นหลักการออกแบบสำหรับอัลกอริธึมการหาค่าเหมาะที่สุดแบบคลาสสิกและควอนตัม arXiv พิมพ์ล่วงหน้า 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] รุสลัน เชย์ดูลิน, สจวร์ต แฮดฟิลด์, แทด ฮอกก์ และอิลยา ซาโฟร สมมาตรแบบคลาสสิกและอัลกอริธึมการหาค่าเหมาะที่สุดโดยประมาณควอนตัม การประมวลผลข้อมูลควอนตัม, 20(11):1–28, 2021. https:///doi.org/10.48550/arXiv.2012.04713
https://doi.org/10.48550/arXiv.2012.04713

[92] วิชวานาธาน อัคเชย์, ดาเนียล ราบิโนวิช, เออร์เนสโต กัมโปส และจาค็อบ เบียมอนเต ความเข้มข้นของพารามิเตอร์ในการหาค่าเหมาะที่สุดโดยประมาณของควอนตัม การตรวจร่างกาย A, 104(1):L010401, 2021. https:///doi.org/10.1103/physreva.104.l010401.
https:///doi.org/10.1103/physreva.104.l010401

[93] ไมเคิล สตรีฟ และมาร์ติน ไลบ์ การฝึกอบรมอัลกอริธึมการหาค่าเหมาะที่สุดโดยประมาณของควอนตัมโดยไม่ต้องเข้าถึงหน่วยประมวลผลควอนตัม วิทยาศาสตร์และเทคโนโลยีควอนตัม 5(3):034008, 2020 https:///doi.org/10.1088/2058-9565/ab8c2b
https://doi.org/10.1088/2058-9565/ab8c2b

[94] กีโยม แวร์ดอน, ไมเคิล โบรห์ตัน, จาร์ร็อด อาร์ แม็คคลีน, เควิน เจ ซุง, ไรอัน แบบบุช, จาง เจียง, ฮาร์ทมุท เนเวน และมาซูด โมห์เซนี การเรียนรู้ที่จะเรียนรู้ด้วยโครงข่ายประสาทควอนตัมผ่านโครงข่ายประสาทเทียมแบบคลาสสิก arXiv พิมพ์ล่วงหน้า arXiv:1907.05415, 2019 https:///doi.org/10.48550/arXiv.1907.05415
https://doi.org/10.48550/arXiv.1907.05415
arXiv: 1907.05415

[95] แม็กซ์ วิลสัน, ราเชล สตรอมสวอลด์, ฟิลิป วูดาร์สกี้, สจวร์ต แฮดฟิลด์, นอร์ม เอ็ม ทับแมน และเอลีนอร์ จี รีฟเฟล การเพิ่มประสิทธิภาพการวิเคราะห์พฤติกรรมควอนตัมด้วยเมตาเลิร์นนิง 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] อลิเซีย บี มากานน์, เคนเน็ธ เอ็ม. รูดิงเจอร์, แมทธิว ดี เกรซ และโมฮัน ซาโรวาร์ การเพิ่มประสิทธิภาพควอนตัมตามผลตอบรับ จดหมายทบทวนทางกายภาพ, 129(25):250502, 2022. https:///doi.org/10.1103/physrevlett.129.250502.
https://doi.org/10.1103/physrevlett.129.250502

[97] ลูคัส ที เบรดี้, คริสโตเฟอร์ แอล บอลด์วิน, อนิรุดธา บาพัท, ยาโรสลาฟ คาร์คอฟ และอเล็กซีย์ วี กอร์ชคอฟ โปรโตคอลที่เหมาะสมที่สุดในการหลอมควอนตัมและปัญหาอัลกอริธึมการหาค่าเหมาะที่สุดโดยประมาณของควอนตัม จดหมายทบทวนทางกายภาพ, 126(7):070505, 2021. https:///doi.org/10.1103/physrevlett.126.070505.
https://doi.org/10.1103/physrevlett.126.070505

[98] โจนาธาน เวิร์ตซ และปีเตอร์ เจ เลิฟ การต้านปฏิกิริยาไดอะแบติกและอัลกอริธึมการหาค่าเหมาะที่สุดโดยประมาณควอนตัม ควอนตัม 6:635 2022 https:///doi.org/10.22331/q-2022-01-27-635.
https://doi.org/10.22331/q-2022-01-27-635

[99] อันเดรียส บาร์ตสกี้ และสเตฟาน ไอเดนเบนซ์ เครื่องผสม Grover สำหรับ QAOA: การเปลี่ยนความซับซ้อนจากการออกแบบเครื่องผสมไปสู่การเตรียมการ ในการประชุมนานาชาติ IEEE ว่าด้วยคอมพิวเตอร์ควอนตัมและวิศวกรรม (QCE) ปี 2020 หน้า 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 และ Stefan Woerner การเพิ่มประสิทธิภาพควอนตัมที่เริ่มต้นอย่างอบอุ่น ควอนตัม 5:479, 2021 https:///doi.org/10.22331/q-2021-06-17-479
https://doi.org/10.22331/q-2021-06-17-479

[101] โจนาธาน เวิร์ตซ และปีเตอร์ เจ เลิฟ อัลกอริธึมควอนตัมแบบแปรผันที่เหมาะสมที่สุดแบบคลาสสิก ธุรกรรม IEEE เกี่ยวกับวิศวกรรมควอนตัม, 2:1–7, 2021 https:///doi.org/10.1109/tqe.2021.3122568
https://doi.org/10.1109/tqe.2021.3122568

[102] เซียวหยวน หลิว, แอนโทนี่ แองโกเน, รุสลาน เชย์ดูลิน, อิลยา ซาโฟร, ยูริ อเล็กซีเยฟ และลูคัส ซินซิโอ เลเยอร์ VQE: แนวทางที่หลากหลายสำหรับการปรับให้เหมาะสมแบบผสมผสานบนคอมพิวเตอร์ควอนตัมที่มีเสียงดัง ธุรกรรม IEEE เกี่ยวกับวิศวกรรมควอนตัม, 3:1–20, 2022 https:///doi.org/10.1109/tqe.2021.3140190
https://doi.org/10.1109/tqe.2021.3140190

[103] จาร์ร็อด อาร์ แมคคลีน, เซอร์จิโอ โบโซ, วาดิม เอ็น สเมเลียนสกี้, ไรอัน แบบบุช และฮาร์ทมุท เนเวน ที่ราบแห้งแล้งในภูมิทัศน์การฝึกอบรมเครือข่ายประสาทควอนตัม การสื่อสารทางธรรมชาติ, 9(1):1–6, 2018. https:///doi.org/10.1038/s41467-018-07090-4.
https://doi.org/10.1038/s41467-018-07090-4

[104] หลิงหัว จู้, โฮ ลุน ถัง, จอร์จ เอส บาร์รอน, เอฟเอ คัลเดรอน-วาร์กัส, นิโคลัส เจ เมย์ฮอล, เอ็ดวิน บาร์นส์ และโซเฟีย อี อีโคโนมู อัลกอริธึมการหาค่าเหมาะที่สุดโดยประมาณของควอนตัมแบบปรับเปลี่ยนได้สำหรับการแก้ปัญหาเชิงรวมกันบนคอมพิวเตอร์ควอนตัม การวิจัยทบทวนทางกายภาพ, 4(3):033029, 2022. https:///doi.org/10.1103/physrevresearch.4.033029.
https://doi.org/10.1103/physrevresearch.4.033029

[105] เบนซ์ บาโค, อดัม กลอส, เอิซเลม ซาเลฮี และโซลแทน ซิมโบราส การออกแบบวงจรที่ใกล้เคียงที่สุดสำหรับการเพิ่มประสิทธิภาพควอนตัมแบบแปรผัน arXiv พิมพ์ล่วงหน้า arXiv:2209.03386, 2022 https:///doi.org/10.48550/arXiv.2209.03386
https://doi.org/10.48550/arXiv.2209.03386
arXiv: 2209.03386

[106] อิไต เฮน และมาร์เซโล เอส ซารานดี้ ไดร์เวอร์แฮมิลโทเนียนสำหรับการเพิ่มประสิทธิภาพที่มีข้อจำกัดในการอบอ่อนด้วยควอนตัม การตรวจร่างกาย A, 93(6):062312, 2016. https:///doi.org/10.1103/physreva.93.062312.
https://doi.org/10.1103/physreva.93.062312

[107] อิไต เฮน และ เฟเดริโก เอ็ม สเปดาลิเอรี การอบอ่อนด้วยควอนตัมเพื่อการเพิ่มประสิทธิภาพที่มีข้อจำกัด ใช้การทบทวนทางกายภาพ 5(3):034007, 2016 https:///doi.org/10.1103/PhysRevApplied.5.034007
https://doi.org/10.1103/PhysRevApplied.5.034007

[108] เยว่หร่วน, ซามูเอล มาร์ช, ซีหลิน เสวี่ย, ซีลี่, จือห่าว หลิว และจิงโป หวาง อัลกอริธึมควอนตัมโดยประมาณสำหรับปัญหาการหาค่าเหมาะที่สุดของ NP ที่มีข้อจำกัด arXiv พิมพ์ล่วงหน้า arXiv:2002.00943, 2020 https:///doi.org/10.48550/arXiv.2002.00943
https://doi.org/10.48550/arXiv.2002.00943
arXiv: 2002.00943

[109] ไมเคิล เอ. นีลเส็น และไอแซค แอล. ชวง การคำนวณควอนตัมและข้อมูลควอนตัม: ฉบับครบรอบ 10 ปี สำนักพิมพ์มหาวิทยาลัยเคมบริดจ์, นิวยอร์ก, NY, สหรัฐอเมริกา, ฉบับที่ 10, 2011

[110] มาซูโอะ ซูซูกิ. สูตรการสลายตัวของตัวดำเนินการเอ็กซ์โพเนนเชียลและเลขชี้กำลังโกหกกับการประยุกต์บางอย่างกับกลศาสตร์ควอนตัมและฟิสิกส์เชิงสถิติ วารสารฟิสิกส์คณิตศาสตร์, 26(4):601–612, 1985. https:///doi.org/10.1063/1.526596.
https://doi.org/10.1063/1.526596

[111] ไมเคิล สไตรฟ, มาร์ติน ลีบ, ฟิลิป วูดาร์สกี้, เอลีนอร์ รีฟเฟล และจือฮุย หวาง อัลกอริธึมควอนตัมพร้อมการอนุรักษ์หมายเลขอนุภาคเฉพาะที่: ผลกระทบของสัญญาณรบกวนและการแก้ไขข้อผิดพลาด การตรวจร่างกาย A, 103(4):042412, 2021. https:///doi.org/10.1103/physreva.103.042412.
https://doi.org/10.1103/physreva.103.042412

[112] วิศวะนาธาน อัคเชย์, หริพันธ์ พีลาทอง, เมาโร อีเอส โมราเลส และจาค็อบ ดี เบียมอนเต้ การขาดดุลความสามารถในการเข้าถึงในการเพิ่มประสิทธิภาพโดยประมาณของควอนตัม จดหมายตรวจร่างกาย, 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] ฟรานซ์ เกออร์ก ฟุคส์, เคทิล โอลเซ่น ไลย์, ฮัลวอร์ มอล นิลเซ่น, อเล็กซานเดอร์ โยฮันเนส สตาซิก และจอร์โจ ซาร์ตอร์ ข้อจำกัดในการรักษามิกเซอร์สำหรับอัลกอริธึมการหาค่าเหมาะที่สุดโดยประมาณควอนตัม อัลกอริทึม, 15(6):202, 2022. https:///doi.org/10.3390/a15060202.
https://doi.org/10.3390/a15060202

[114] วันทนา ชุกละ, OP Singh, GR Mishra และ RK Tiwari การใช้เกท CSMT เพื่อการรับรู้วงจรตัวแปลงรหัสไบนารีเป็นสีเทาแบบย้อนกลับได้อย่างมีประสิทธิภาพ ในปี 2015 การประชุมส่วน IEEE UP เกี่ยวกับคอมพิวเตอร์ไฟฟ้าและอิเล็กทรอนิกส์ (UPCON) IEEE ธ.ค. 2015 https:///doi.org/10.1109/UPCON.2015.7456731.
https:///doi.org/10.1109/UPCON.2015.7456731

[115] อเล็กซานเดอร์ สเลปอย. อัลกอริธึมการสลายตัวของควอนตัมเกต รายงานทางเทคนิค, Sandia National Laboratories, 2006. https:///doi.org/10.2172/889415
https://doi.org/10.2172/889415

[116] ไบรอัน ที. การ์ด, หลิงฮัว จู้, จอร์จ เอส. บาร์รอน, นิโคลัส เจ. เมย์ฮอลล์, โซเฟีย อี. อีโคโนมู และเอ็ดวิน บาร์นส์ วงจรการเตรียมสถานะการรักษาสมมาตรที่มีประสิทธิภาพสำหรับอัลกอริธึมไอเกนโซลเวอร์ควอนตัมแบบแปรผัน ข้อมูลควอนตัม npj 6(1) 2020 https:///doi.org/10.1038/s41534-019-0240-1
https://doi.org/10.1038/s41534-019-0240-1

[117] ดีพี ดิวินเชนโซ และ เจ. สโมลิน. ผลลัพธ์จากการออกแบบเกตสองบิตสำหรับคอมพิวเตอร์ควอนตัม ในการประชุมเชิงปฏิบัติการการดำเนินการด้านฟิสิกส์และการคำนวณ PhysComp 94 คอมพิวเตอร์ IEEE สังคมสงเคราะห์ กด, 1994. https:///doi.org/10.48550/arXiv.cond-mat/9409111.
https://doi.org/10.48550/arXiv.cond-mat/9409111

[118] เดวิด โจเซฟ, อดัม คัลลิสัน, คอง หลิง และฟลอเรียน มิ้นต์ อัลกอริธึมการสร้างควอนตัมสองตัวสำหรับปัญหาเวกเตอร์ที่สั้นที่สุด การทบทวนทางกายภาพ A, 103(3):032433, 2021. https:///doi.org/10.1103/PhysRevA.103.032433
https://doi.org/10.1103/PhysRevA.103.032433

[119] ปีเตอร์ บรูเกอร์. อัลกอริทึมการจัดกำหนดการ สปริงเกอร์-แวร์ลัก เบอร์ลิน ไฮเดลเบิร์ก, 2004.

[120] AMA Hariri และ Chris N Potts การตั้งเวลาเครื่องจักรเครื่องเดียวพร้อมเวลาการตั้งค่าเป็นชุดเพื่อลดความล่าช้าสูงสุด พงศาวดารการวิจัยการดำเนินงาน 70:75–92, 1997 https:///doi.org/10.1023/A:1018903027868
https://doi.org/10.1023/A:1018903027868

[121] เสี่ยวเฉียงไฉ่ หลี่หมิงหวาง และเซียนโจว การตั้งเวลาด้วยเครื่องเดียวเพื่อลดความล่าช้าสูงสุดแบบสุ่ม วารสารการจัดตารางเวลา, 10(4):293–301, 2007. https:///doi.org/10.1007/s10951-007-0026-8.
https://doi.org/10.1007/s10951-007-0026-8

[122] เดอร์ยา เอเรน อัคยอล และ จี มิรัค ไบฮาน ปัญหาการกำหนดเวลาความรวดเร็วและความล่าช้าของเครื่องจักรหลายเครื่อง: วิธีโครงข่ายประสาทเทียมที่เชื่อมต่อถึงกัน 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] มิเคเล่ คอนฟอร์ติ, เจราร์ด คอร์นูเอฌอลส์, จาโกโม ซัมเบลลี และคณะ การเขียนโปรแกรมจำนวนเต็ม เล่มที่ 271 สปริงเกอร์ 2014

[124] ฮันเนส ไลโปลด์ และ เฟเดริโก เอ็ม สเปดาลิเอรี การสร้างแฮมิลโทเนียนไดรเวอร์สำหรับปัญหาการปรับให้เหมาะสมด้วยข้อจำกัดเชิงเส้น วิทยาศาสตร์และเทคโนโลยีควอนตัม 7(1):015013, 2021. https:///doi.org/10.1088/2058-9565/ac16b8
https://doi.org/10.1088/2058-9565/ac16b8

[125] มาซูโอะ ซูซูกิ. สูตรของทรอตเตอร์ทั่วไปและการประมาณค่าอย่างเป็นระบบของตัวดำเนินการเอ็กซ์โพเนนเชียลและการอนุพันธ์ภายในพร้อมการประยุกต์ใช้กับปัญหาหลายตัว การสื่อสารในฟิสิกส์คณิตศาสตร์ 51(2):183–190, 1976. https:///doi.org/10.1007/BF01609348
https://doi.org/10.1007/BF01609348

[126] โดมินิก ดับเบิลยู. เบอร์รี่ และแอนดรูว์ เอ็ม. ไชลด์ส การจำลองแฮมิลโทเนียนกล่องดำและการใช้งานแบบรวม ข้อมูลควอนตัม คอมพิวเตอร์, 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 และ R. Kothari การจำลองแฮมิลตันโดยอาศัยพารามิเตอร์ทั้งหมดเกือบเหมาะสมที่สุด ในปี 2015 IEEE 56th Annual Symposium on Foundations of Computer Science, หน้า 792–809, 2015. https:///doi.org/10.1109/FOCS.2015.54
https://doi.org/10.1109/FOCS.2015.54

[128] โดมินิก ดับเบิลยู. เบอร์รี่, แอนดรูว์ เอ็ม. ไชลด์ส, ริชาร์ด คลีฟ, โรบิน โคธารี และโรลันโด ดี. ซอมมา การจำลองไดนามิกของแฮมิลตันด้วยซีรี่ส์ Taylor ที่ถูกตัดทอน จดหมายทบทวนทางกายภาพ, 114(9):090502, 2015. https:///doi.org/10.1103/PhysRevLett.114.090502.
https://doi.org/10.1103/PhysRevLett.114.090502

[129] กวง ห่าว โลว์ และ ไอแซค แอล. จวง การจำลองแฮมิลโทเนียนที่เหมาะสมที่สุดโดยการประมวลผลสัญญาณควอนตัม ฟิสิกส์ รายได้ เลตต์ 118:010501, 2017. https:///doi.org/10.1103/PhysRevLett.118.010501.
https://doi.org/10.1103/PhysRevLett.118.010501

[130] กวง ห่าว โลว์ และ ไอแซค แอล. จวง การจำลองแฮมิลตันโดยการทำคิวบิต ควอนตัม, 3:163, 2019. https:///doi.org/10.22331/q-2019-07-12-163.
https://doi.org/10.22331/q-2019-07-12-163

[131] แอนดรูว์ เอ็ม. ไชลด์ส, แอรอน ออสตรานเดอร์ และหยวน ซู การจำลองควอนตัมเร็วขึ้นโดยการสุ่ม ควอนตัม, 3:182, 2019. https:///doi.org/10.22331/q-2019-09-02-182.
https://doi.org/10.22331/q-2019-09-02-182

[132] เอิร์ลแคมป์เบลล์. คอมไพเลอร์แบบสุ่มสำหรับการจำลองแฮมิลตันอย่างรวดเร็ว จดหมายทบทวนทางกายภาพ, 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 และ Shuchen Zhu ทฤษฎีข้อผิดพลาดของทร็อตเตอร์กับมาตราส่วนสับเปลี่ยน ฟิสิกส์ รายได้ X, 11:011020, 2021. https:///doi.org/10.1103/PhysRevX.11.011020.
https://doi.org/10.1103/PhysRevX.11.011020

[134] อัลเบิร์ต ที ชมิทซ์, นิโคลัส พีดี ซาวายะ, โซนิก้า โจห์รี และเอวาย มัตสึอุระ มุมมองการปรับกราฟให้เหมาะสมสำหรับการสลายตัวของร็อตเตอร์-ซูซูกิในความลึกต่ำ arXiv พิมพ์ล่วงหน้า arXiv:2103.08602, 2021. https:///doi.org/10.48550/arXiv.2103.08602
https://doi.org/10.48550/arXiv.2103.08602
arXiv: 2103.08602

[135] นิโคลัส พีดี ซาวายะ. mat2qubit: แพ็คเกจ pythonic น้ำหนักเบาสำหรับการเข้ารหัส qubit ของการสั่น โบโซนิก การระบายสีกราฟ การกำหนดเส้นทาง การกำหนดเวลา และปัญหาเมทริกซ์ทั่วไป arXiv พิมพ์ล่วงหน้า arXiv:2205.09776, 2022. https:///doi.org/10.48550/arXiv.2205.09776
https://doi.org/10.48550/arXiv.2205.09776
arXiv: 2205.09776

[136] เปาลี เวอร์ทาเนน, ราล์ฟ กอมเมอร์ส, ทราวิส อี. โอลิแฟนท์, แมตต์ ฮาเบอร์แลนด์, ไทเลอร์ เรดดี้, เดวิด กูร์นาโป, เยฟเกนี บูรอฟสกี้, เปียรู ปีเตอร์สัน, วอร์เรน เวคเคสเซอร์, โจนาธาน ไบรท์, สเตฟาน เจ. ฟาน เดอร์ วอลต์, แมทธิว เบรตต์, โจชัว วิลสัน, เค. จาร์รอด มิลล์แมน, นิโคไล มาโยรอฟ, แอนดรูว์ อาร์เจ เนลสัน, เอริค โจนส์, โรเบิร์ต เคิร์น, เอริค ลาร์สัน, ซีเจ แครี่, อิลฮาน โปลัต, หยูเฟิง, เอริก ดับเบิลยู. มัวร์, เจค แวนเดอร์พลาส, เดนิส แลกซาลเด, โจเซฟ เพิร์คโทลด์, โรเบิร์ต ซิมร์แมน, เอียน เฮนริกเซ่น, อีเอ ควินเทโร, ชาร์ลส์ อาร์ Harris, Anne M. Archibald, Antônio H. Ribeiro, Fabian Pedregosa, Paul van Mulbregt และผู้ร่วมให้ข้อมูล SciPy 1.0 SciPy 1.0: อัลกอริธึมพื้นฐานสำหรับการคำนวณทางวิทยาศาสตร์ใน Python วิธีธรรมชาติ, 17:261–272, 2020. https:///doi.org/10.1038/s41592-019-0686-2.
https://doi.org/10.1038/s41592-019-0686-2

[137] จาร์ร็อด อาร์ แมคคลีน, นิโคลัส ซี รูบิน, เควิน เจ ซอง, เอียน ดี คิฟลิชาน, ซาเวียร์ โบเน็ต-มอนโรก, หยูตง เฉา, เฉิงหยู ได, อี ชูยเลอร์ ฟรายด์, เครก กิดนีย์, เบรนแดน กิมบี และคณะ Openfermion: แพ็คเกจโครงสร้างอิเล็กทรอนิกส์สำหรับคอมพิวเตอร์ควอนตัม วิทยาศาสตร์และเทคโนโลยีควอนตัม 5(3):034014, 2020 https:///doi.org/10.1088/2058-9565/ab8ebc
https://doi.org/10.10882058-9565/ab8ebc

[138] อารอน เมอเรอร์, คริสโตเฟอร์ พี สมิธ, มาเตอุสซ์ ปาปร็อคกี้, ออนดเชจ เคอร์ติค, เซอร์เกย์ บี เคอร์พิเชฟ, แมทธิว ร็อกลิน, เอมิท คูมาร์, เซอร์จิว อิวานอฟ, เจสัน เค มัวร์, ซาร์ทาจ ซิงห์ และคณะ Sympy: การคำนวณเชิงสัญลักษณ์ใน Python PeerJ วิทยาการคอมพิวเตอร์ 3:e103 2017 https:///doi.org/10.7717/peerj-cs.103
https://doi.org/10.7717/peerj-cs.103

[139] ปราดเนีย คาลาเต, ซิน-ชวน วู, ชาวินดรา เปรมารัตเน, จัสติน โฮกาโบอัม, อดัม โฮล์มส์, อัลเบิร์ต ชมิทซ์, จาน จาโคโม เกอร์เรสชี, เซียง ซู และเอวาย มัตสึอูรา ชุดเครื่องมือคอมไพเลอร์ C++ ที่ใช้ LLVM สำหรับอัลกอริธึมควอนตัมคลาสสิกแบบไฮบริดแบบแปรผันและเครื่องเร่งควอนตัม arXiv พิมพ์ล่วงหน้า 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 และ R. Laflamme เรโซแนนซ์แม่เหล็กนิวเคลียร์ในสถานะของเหลวเป็นฐานทดสอบสำหรับการพัฒนาวิธีการควบคุมควอนตัม ฟิสิกส์ รายได้ ก 78:012328 ก.ค. 2008 https:///doi.org/10.1103/PhysRevA.78.012328
https://doi.org/10.1103/PhysRevA.78.012328

[141] ริชาร์ด เวอร์สลุยส์, สเตฟาโน โปเลตโต, นาเดอร์ คัมมัสซี, ไบรอัน ทาราซินสกี้, นาเดีย ไฮเดอร์, เดวิด เจ มิชาลัก, อเลสซานโดร บรูโน, โคเอน เบอร์เทลส์ และลีโอนาร์โด ดิคาร์โล วงจรควอนตัมที่ปรับขนาดได้และการควบคุมสำหรับโค้ดพื้นผิวตัวนำยิ่งยวด ใช้การทบทวนทางกายภาพ 8(3):034021, 2017 https:///doi.org/10.1103/physrevapplied.8.034021.
https://doi.org/10.1103/physrevapplied.8.034021

[142] บียอร์น เลคิทช์, เซบาสเตียน ไวดท์, ออสติน จี ฟาวเลอร์, เคลาส์ โมลเมอร์, ไซมอน เจ เดวิตต์, คริสตอฟ วุนเดอร์ลิช และวินฟรีด เค เฮนซิงเกอร์ พิมพ์เขียวสำหรับคอมพิวเตอร์ควอนตัมไอออนที่ดักจับด้วยไมโครเวฟ ความก้าวหน้าทางวิทยาศาสตร์, 3(2):e1601540, 2017. https:///doi.org/10.1126/sciadv.1601540.
https://doi.org/10.1126/sciadv.1601540

อ้างโดย

(1) นิโคลัส พีดี ซาวาย่า, แดเนียล มาร์ติ-ดาฟซิก, ยัง โฮ, แดเนียล พี ทาบอร์, เดวิด เบอร์นัล, อลิเซีย บี มาแกนน์, ชาวินดรา เปรมารัตเน, ปราดีป ดูบีย์, แอนน์ มัตสึอูร่า, นาธาน บิชอป, วิบ์ อา เดอ ยอง, ไซมอน เบนจามิน, โอจาส ดี ปาเรค, Norm Tubman, Katherine Klymko และ Daan Camps, “HamLib: ห้องสมุดของชาวแฮมิลตันสำหรับการเปรียบเทียบอัลกอริธึมควอนตัมและฮาร์ดแวร์”, arXiv: 2306.13126, (2023).

[2] Federico Dominguez, Josua Unger, Matthias Traube, Barry Mant, Christian Ertler และ Wolfgang Lechner, “การกำหนดปัญหาการเพิ่มประสิทธิภาพการเข้ารหัสโดยไม่ขึ้นกับคอมพิวเตอร์ควอนตัม”, arXiv: 2302.03711, (2023).

[3] Nicolas PD Sawaya และ Joonsuk Huh “ปรับปรุงอัลกอริธึมควอนตัมระยะสั้นที่ปรับแต่งทรัพยากรได้สำหรับความน่าจะเป็นในการเปลี่ยนแปลง พร้อมการใช้งานในฟิสิกส์และพีชคณิตเชิงเส้นควอนตัมแบบแปรผัน” arXiv: 2206.14213, (2022).

การอ้างอิงข้างต้นมาจาก are อบต./นาซ่าโฆษณา (ปรับปรุงล่าสุดสำเร็จ 2023-09-17 01:11:40 น.) รายการอาจไม่สมบูรณ์เนื่องจากผู้จัดพิมพ์บางรายไม่ได้ให้ข้อมูลอ้างอิงที่เหมาะสมและครบถ้วน

On บริการอ้างอิงของ Crossref ไม่พบข้อมูลอ้างอิงงาน (ความพยายามครั้งสุดท้าย 2023-09-17 01:11:39)

บทความนี้เผยแพร่ใน Quantum ภายใต้ the ครีเอทีฟคอมมอนส์แบบแสดงที่มา 4.0 สากล (CC BY 4.0) ใบอนุญาต ลิขสิทธิ์ยังคงอยู่กับผู้ถือลิขสิทธิ์ดั้งเดิม เช่น ผู้เขียนหรือสถาบันของพวกเขา

เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
เพลโตESG. ยานยนต์ / EVs, คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
เพลโตสุขภาพ เทคโนโลยีชีวภาพและข่าวกรองการทดลองทางคลินิก เข้าถึงได้ที่นี่.
ChartPrime. ยกระดับเกมการซื้อขายของคุณด้วย ChartPrime เข้าถึงได้ที่นี่.
BlockOffsets การปรับปรุงการเป็นเจ้าของออฟเซ็ตด้านสิ่งแวดล้อมให้ทันสมัย เข้าถึงได้ที่นี่.
ที่มา: https://quantum-journal.org/papers/q-2023-09-14-1111/

ประทับเวลา: September 14, 2023

ประทับเวลา: พฤศจิกายน 10, 2022

เผยแพร่ซ้ำโดยเพลโต

ข้อเสนอการทดสอบที่ปรับปรุงการพัวพันสำหรับการละเมิดความสมมาตร Lorentz ในพื้นที่ผ่านอะตอมของสปินเนอร์

การป้องกันการคัดลอกควอนตัมของโปรแกรมคำนวณและเปรียบเทียบในโมเดล Oracle แบบสุ่มควอนตัม

รหัสพื้นผิวการวัดคู่บนรูปห้าเหลี่ยม

การจำลองควอนตัมของวัสดุแบตเตอรี่โดยใช้ศักย์เทียมไอออนิก

การตรวจสอบความพัวพันของควอนตัมจากประชากรในระดับแม่เหล็ก: นอกเหนือไปจากความไม่เท่าเทียมกันของสปิน

เครื่องจักรความร้อนควอนตัมรีเฟรชเป็นระยะ

ต้นทุนการสื่อสารขั้นต่ำสำหรับการจำลองคิวบิตที่พันกัน

คุณสมบัติทั่วไปของความเที่ยงตรงในระบบควอนตัมที่ไม่ใช่เฮอร์มีเชียนที่มีสมมาตร PT

ความสัมพันธ์เชิงควอนตัมบนขอบเขตที่ไม่มีสัญญาณ: การทดสอบตัวเองและอีกมากมาย

ความสัมพันธ์ในแบบฉบับและวิธีแก้ปัญหายืนยันการคาดคะเนเอนโทรปีของตัวเร่งปฏิกิริยาที่แน่นอน

เกี่ยวกับเรา

การค้นหาแนวตั้ง & Ai

ระบบปฏิบัติการ

การติดต่อ

ลงชื่อเข้าใช้