XiaoMi-AI文件搜索系统
World File Search System火器
su（2）量子退火器的晶格量规理论
晶格量规理论是强烈相互作用的非亚洲田地的必不可少的工具，例如量子染色体动力学中的晶格结果几十年来一直至关重要的量子染色体动力学。最近的研究表明，量子计算机可以以戏剧性的方式扩展晶格仪理论的范围，但是尚未探索量子退火硬件对晶格量规理论的有用性。在这项工作中，我们对量子退火器实施了SU（2）纯仪表理论，该量子将连续几个带有周期性边界条件的晶格。这些斑点属于两个空间维度，计算使用了不离散时间的哈密顿公式。数值结果是从D-Wave Advantage硬件的计算中获得的，特征值，真空期望值和时间演变。此初始探索的成功表明，量子退火器可能会成为晶格理论某些方面的有用硬件平台。
量子退火器的多量子比特校正
我们提出了多量子比特校正 (MQC) 作为量子退火器的一种新型后处理方法，该方法将开放系统中的演化视为吉布斯采样器，并将一组激发态简化为具有较低能量值的新合成态。从给定 (Ising) 哈密顿量的基态采样后，MQC 比较激发态对以识别虚拟隧道（即一组同时改变其状态的量子比特可以产生具有较低能量值的新状态），并依次收敛到基态。使用 D-Wave 2000Q 量子退火器的实验结果表明，与量子退火领域的最新硬件/软件进步（例如自旋反转变换、经典后处理技术和连续测量之间增加的样本间延迟）相比，MQC 可以找到能量值明显较低的样本并提高结果的可重复性。
用D-Wave Quantum退火器训练受限制的Boltzmann机器
限制的玻尔兹曼机器（RBM）是一种基于能量的，无方向的图形模型。它通常用于无监督和监督的机器学习。通常，RBM是使用对比差异（CD）训练的。但是，使用CD的训练很慢，无法估计对数可能成本函数的确切梯度。在这项工作中，使用量子退火器（D-Wave 2000q）计算了对RBM梯度学习的模型期望，在CD中，获得样品的速度比Markov Chain Monte Carlo（MCMC）快。使用量子退火训练的RBM的训练和分类结果与基于CD的方法进行了比较。相对于分类精度，图像重建和对数可能的结果，将两种方法的性能进行比较。分类精度结果表明两种方法的性能可比性。图像重建和对数可能性结果表明，基于CD的方法的性能提高了。表明，从量子退火器获得的样品可用于在64位“条形和条纹”数据集上训练RBM，其分类性能类似于经过CD培训的RBM。尽管基于CD的培训表现出改进的学习成绩，但是使用量子退火器的训练可能会有用，因为它消除了CD的计算昂贵的MCMC步骤。
量子机学习量子退火器...
1。量子退火器在尺度（量子位）和量子连接性方面取得了巨大进展； 2。这样的设备非常适合特定类别的硬问题（例如Boltzmann采样）。否则，这种特殊类别的问题在常规计算机上不适合； 3。适合D-Wave量子退火器的非常适合的现实世界问题是一个持续的挑战。
等离子点火器安装 PacifiCorp Hunter 装置号3
免责声明 本报告是作为美国政府机构赞助的工作的记录而编写的。美国政府及其任何机构或其任何雇员均不做任何明示或暗示的保证，也不对所披露的任何信息、设备、产品或流程的准确性、完整性或实用性承担任何法律责任或义务，也不表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务并不一定构成或暗示美国政府或其任何机构对其的认可、推荐或支持。本文表达的作者的观点和意见不一定代表或反映美国政府或其任何机构的观点和意见。
在量子退火器上解决复杂的特征值问题，并应用于量子散射共振
受欢迎程度，因为它可以完全控制量子和计算本身。在文献中，变异量子本质量器（VQE）9–11是基于门的量子计算机实现的最流行算法之一。该求解器成功地用于计算分子的电子基态能，这是计算化学中最重要的基本问题之一。绝热量子退火是另一种可能不流行的量子计算模型。在此模型中，该计算基于将初始（易于培训）的哈密顿量转换为最终（目标）哈密顿量的慢速转换。最初的汉密尔顿人绝热的基态成为最终哈密顿的基态。在实践中，必须将给定的问题提出为ISIN问题或等效的二次不受约束的二进制优化（QUBO）问题。具体来说，QUBO求解器找到了QUBO函数X t Qx的最小值（称为目标函数），其中Q是描述问题的矩阵，而X是二进制字符串（ZEROS和ONE）。最小值，最佳解决方案字符串x = x opt。如果可以将问题转换为QUBO问题，则可以在退火器上求解，否则无法在该类型的量子设备上解决。这大大降低了量子退火的适用性，因为并非每个问题都是可转换的。与基于门的量子计算机相比，
使用量子退火器解决最小生成树问题
摘要 — 量子退火 (QA) 是一种不同于门模型量子计算的技术。本研究提出了一种在量子退火器上解决最小生成树 (MST)（或最小权重生成树）问题的新技术。该问题之所以受到关注，是因为它在聚类、无监督学习、网络设计和图像处理等领域都有应用。量子云计算的出现为普通社区提供了以前无法使用的量子计算工具。D-Wave 系统最近发布了对其量子退火器类型硬件的云访问，该项目利用该硬件为 MST 问题提供了一种新颖的解决方案。索引术语 — 量子计算、D-Wave 系统、量子算法、最小生成树 (MST)、聚类、无监督学习。
使用量子退火器计算分子的基态特性
量子退火器是量子计算的替代方法，它利用绝热定理有效地找到了可实现的哈密顿量的基态。此类设备当前可商购，并已成功应用于多个组合和离散优化问题。然而，由于难以将分子系统映射到伊辛模型汉密尔 - 汉密斯尼亚人，因此将量子试剂应用于化学问题仍然是一个相对稀疏的研究领域。在本文中，我们回顾了使用基于ISING模型的量子退火器找到分子哈密顿量的基础状态的两种不同的方法。另外，我们通过计算H + 3和H 2 O分子的结合能，键长和键角并映射其势能曲线的相对有效性。我们还通过确定使用各种参数值模拟每个分子所需的量子数和计算时间来评估每种方法的资源要求。虽然这些方法中的每一种都能够准确预测小分子的基态特性，但我们发现它们仍然超过现代经典算法的表现，并且资源需求的扩展仍然是一个挑战。
解决量子退火器上的复杂特征值问题及其在量子散射共振中的应用
量子计算是解决化学问题的一种新兴范式。在之前的工作中，我们开发了量子退火特征求解器 (QAE)，并将其应用于 D-Wave 量子退火器上分子振动光谱的计算。然而，原始的 QAE 方法仅适用于实对称矩阵。对于许多物理和化学问题，需要对复矩阵进行对角化。例如，量子散射共振的计算可以表述为复特征值问题，其中特征值的实部是共振能量，虚部与共振宽度成正比。在目前的研究中，我们将 QAE 推广到处理复矩阵：首先是复厄米矩阵，然后是复对称矩阵。然后使用这些推广来计算 O + O 碰撞的一维模型势中的量子散射共振态。这些计算是使用软件（经典）退火器和硬件退火器（D-Wave 2000Q）执行的。复杂 QAE 的结果也与标准线性代数库（LAPACK）进行了对比。这项工作提出了量子退火器上任何类型的复杂特征值问题的第一个数值解，也是任何量子设备上量子散射共振的第一次处理。