XiaoMi-AI文件搜索系统
World File Search SystemKandala
量子计算 - Indico Global
Kandala, A., Mezzacapo, A., Temme, K., Takita, M., Brink, M., Chow, JM 和 Gambetta, JM ( 2017 ). 适用于小分子和量子磁体的硬件高效变分量子特征求解器。《自然》, 549(7671), 242–246。http://doi.org/10.1038/nature23879
Ali Abu - Nada* 有限资源下氢分子基态能量的量子计算模拟
摘要：本文采用基于量子变分原理的算法计算了氢分子基态能量。由于本研究的系统（即氢分子）相对较小，因此使用模拟器可以有效地经典模拟该分子的基态能量，因此通过模拟器计算得到了氢分子基态能量。本文阐述了该算法的完整细节。为此，本文给出了费米子 - 量子比特和分子哈密顿量 - 量子比特哈密顿量变换的完整描述。作者寻找产生系统最小能量的量子比特系统参数（θ 0 和 θ 1 ），并研究了基态能量与分子键长的关系。与 Kandala 等人的电路相比，本文提出的电路很简单，不包含很多参数，作者只控制两个参数（θ 0 和 θ 1 ）。
Iscience-毫米级的放射性发光功率...
平均N. Kandala，1,5， * Sinan Wang，2,4 Joseph E. Blecha，2 Yung-Hua Wang，2 Rahul K. Lall，1 Ali M. Niknejad，1 Youngho Seo，1 Youngho Seo，2 Michael J. Evans，Michael J. Evans，2 Robert R. Flavell，2 Henry F. Vanry F. Vanry F. Vanry F. Vanry F. vanrilic and Me Engineerring and Meniverering and * 1 Computity and * 1 Computity and * 1 computity a anwar anwar an。美国加利福尼亚大学科学科学，伯克利分校，伯克利，加利福尼亚州94720，美国2放射学和生物医学成像系，加利福尼亚大学，旧金山，旧金山，旧金山，旧金山，加利福尼亚州94107，美国3美国3美国，美国加利福尼亚大学，加利福尼亚大学，加利福尼亚大学，加利福尼亚大学，旧金山，旧金山，CA 941158，Shangisco上海2011年，中国5铅联系 *通信：averal@berkeley.edu（A.N.K.），mekhail.anwar@ucsf.edu（M.A。）https://doi.org/10.1016/j.isci.2024.111686
混合量子-经典方法
参考文献 [1] M. Benedetti、E. Lloyd、S. Sack 和 M. Fiorentini，“参数化量子电路作为机器学习模型”，载于《量子科学与技术》4，043001 (2019)。 [2] S. Jerbi、LJ Fiderer、HP Nautrup、JM Kübler、HJ Briegel 和 V. Dunjko，“超越核方法的量子机器学习”，arXiv 预印本 arXiv:2110.13162 (2021)。 [3] V. Havlicek、AD Corcoles、K. Temme、AW Harrow、A. Kandala、JM Chow 和 JM Gambetta，“使用量子增强特征空间的监督学习”，载于《自然》567，209 (2019)。 [4] M. Schuld 和 N. Killoran，“特征希尔伯特空间中的量子机器学习”，载于《物理评论快报》122，040504 (2019)。[5] M. Schuld，“监督量子机器学习模型是核方法”，arXiv:2101.11020 (2021)。 [6] JE Johnson、V Laparra、A Perez-Suay、MD Mahecha 和 G Camps-Valls G，“核方法及其衍生物：地球系统科学的概念和观点”，载于 PLoS ONE 15(10 (2020)。[7] Benyamin Ghojogh、Ali Ghodsi、Fakhri Karray 和 Mark Crowley，“重现核希尔伯特空间、Mercer 定理、特征函数、Nystrom 方法和机器学习中核的使用：教程和调查”，arXiv 预印本 arXiv:2106.08443 (2021)。[8] Y. Liu、S. Arunachalam 和 K. Temme，“监督机器学习中严格而稳健的量子加速”，载于 Nature Physics 17, 1013 (2021)。[9] JR Glick、TP Gujarati、AD Corcoles、Y. Kim、A. Kandala、JM Gambetta 和 K. Temme，“具有群结构数据的协变量子核”，arXiv 预印本 arXiv:2105.03406 (2021)。[10] Francesco Di Marcantonio、Massimiliano Incudini、Davide Tezza 和 Michele Grossi，“QuASK——具有核的量子优势寻求者”，arXiv 预印本 arXiv:2206.15284 (2022)。[11] Supanut Thanasilp、Samson Wang、M Cerezo 和 Zoe Holmes。“量子核方法中的指数集中和不可训练性”，arXiv 预印本 arXiv:2208.11060 (2022)。 [12] Sergey Bravyi、Oliver Dial、Jay M. Gambetta、Dario Gil 和 Zaira Nazario，“超导量子比特的量子计算的未来”，arXiv 预印本 arXiv:2209.06841 (2022 年)。