XiaoMi-AI文件搜索系统
World File Search SystemQPU
在超导量子比特上实现量子计算
量子计算利用量子力学进行计算，超导量子比特是目前实现量子计算机的更成熟的技术。在本文中，我们描述了量子处理器单元 (QPU) 的实现，该单元用于通过使用信号发生器在超导量子比特设备上以微波脉冲的形式执行指令并执行量子比特读出。我们进一步扩展 QPU 作为执行量子比特表征任务（例如光谱和退相干测量）的平台，以确定和优化执行量子门操作的工作参数。我们还展示了 QPU 在执行量子比特实验中的用途，例如高斯和因式分解以确定整数的因数和贝尔不等式测试以检查一对量子比特之间的纠缠强度。我们在将量子电路编译成微波脉冲序列以供 QPU 执行时弥合了量子计算和量子比特硬件之间的鸿沟。讨论了编译过程以及硬件限制和编译前优化程序。最后，我们展示了一个执行变分量子算法的示例，并将该示例分解为从用户提供的量子电路到将在 QPU 上执行的脉冲序列的所有层。
IQM 20 量子比特量子计算机的技术和性能基准
在本文中，我们将探讨 IQM 量子计算机的技术进步，重点介绍 QPU 和完整的全栈量子计算机。我们的重点是一台 20 量子比特量子计算机，它采用 IQM Garnet QPU，我们将把它扩展到 150 个量子比特。此外，我们还分享了 QPU 和系统级别的基准，重点介绍了一些成就，例如 2 量子比特门保真度中值为 99.5%，以及所有 20 个量子比特在 Greenberger-Horne-Zeilinger (GHZ) 状态下的真正纠缠。
![arXiv:2303.10397v1 [quant-ph] 2023 年 3 月 18 日](/simg/2\235ee0aaf0aa29092ffd7c0f5dc02107bf735b71.webp)
arXiv:2303.10397v1 [quant-ph] 2023 年 3 月 18 日
摘要。在本次会议中，我们将介绍 Qibocal，这是一个基于 Qibo 框架的用于校准和表征量子处理单元 (QPU) 的开源软件包。Qibocal 专为自托管 QPU 设计，为轻松开发、部署和分发所有级别的硬件抽象的表征和校准程序奠定了基础。Qibocal 基于模块化 QPU 平台无关方法，它为超导量子比特提供了一个通用工具包，并有可能扩展到其他量子技术。在阐述对这种模块的需求之后，我们将解释程序的流程并展示 QPU 校准的实际使用示例。我们还展示了该库提供的其他功能，包括自动报告生成和实时绘图。
分布式量子计算的广义电路分区
摘要 - 分布式量子计算（DQC）是一种新的范式，旨在通过较小的量子处理单元（QPU）的互连来扩展量子计算。共享的纠缠允许QPU之间的两个状态和门传送。这导致了量子处理能力的有吸引力的水平缩放，这是以纠缠共享协议引入的额外时间和噪声为代价的。因此，跨多个QPU划分量子电路的方法应旨在最大程度地减少分布式QPU之间所需的基于纠缠的通信量。现有协议倾向于主要集中于优化门传送或状态传送的纠缠成本，以涵盖QPU之间的操作，而不是同时涵盖QPU之间的操作。问题的最一般形式应在同一基础上处理门和状态传送，从而使两者组合的成本电路分区最小。这项工作介绍了基于图的公式，该公式允许对门和状态传送成本进行联合优化，包括栅极传送的扩展，将大门分组在一起，用于使用共同资源分配。该配方允许各种电路类型的较低的电子位成本。使用基本的遗传算法，根据平均E-BIT成本和时间缩放，获得了最先进方法的性能。索引术语 - 量词计算，分布式量子计算，优化，量子网络，量子通信
求解量子计算机上数据库架构的硬变量
使用量子计算机现在可作为云服务可用，可以显示一个可以显示量子优势的应用程序。自然，数据管理是候选领域。工作解决方案需要设计混合量子算法的设计，其中量子计算单元（QPU）和经典计算（通过CPU）合作解决问题。此演示说明了针对数据库架构匹配的NP-HARD变体的端到端解决方案。我们的演示旨在进行教育（希望鼓舞人心），使参与者能够探索关键的设计决策，例如基于QPU和CPU计算的阶段之间的移交。它还将允许参与者通过嬉戏的互动体验动手实践 - 问题尺寸超过当今QPU的局限性。
拉丁美洲和美国的大脑健康和痴呆症的教育差异
全息原理及其在ADS/CFT对应关系中的实现导致一般相对性和量子信息之间的意外联系。这为研究量子重力模型的各个方面奠定了阶段，否则在桌上量子计算实验中，这些量子重力模型很难访问。最近的作品设计了一种特殊的传送协议，该协议实现了令人惊讶的通信方式，最自然地通过可穿越的虫洞的物理学来解释。在这项工作中，我们基于此协议进行了有关最先进的量子计算机的量子实验。目标量子处理单元（QPU）包括Quantinuum的捕获 - 离子系统模型H1-1和五个IBM各种体系结构的IBM超导QPU，并具有公共和优质用户访问。我们报告了这些QPU的观察到的传送信号，其中最佳的传送信号达到了80％的理论预测。在尝试优化协议时，我们登上了一组参数，这些参数转移了经典位而不是量子位，但是转移方法仍然采用量子争夺，是一种意外的现象。我们概述了实施过程中所面临的实验挑战，以及对工作导致的量子动态的新理论见解。我们还开发了QGLAB - 一种开源的端到端软件解决方案，可促进对Qiskit和TKET SDKS支持的最先进和新兴QPU的QPU进行虫洞启发的传送实验。我们将研究和可交付成果视为实现更复杂的实验的早期实际步骤，以间接探测实验室中量子重力的探测。
量子退火驱动的单机总加权拖延工件数调度问题的分支定界
本文介绍了一种解决离散优化 NP 难问题的新方法，该方法适用于实现硬件量子退火的量子处理器 (QPU，Quantum Processor Unit) 的架构。该方法基于在精确分支定界算法中使用量子退火元启发式算法来计算目标函数的下限和上限。为了确定下限，使用了一种定义对偶问题 (广义离散背包问题) 的拉格朗日函数的新方法，其值在量子机的 QPU 上计算。反过来，为了确定上限，我们以带约束的二元二次规划形式制定了适当的任务。尽管量子机生成的结果是概率性的，但本文提出的混合算法构建方法交替使用 CPU 和 QPU，保证了最佳解决方案。作为案例研究，我们考虑 NP 难单机调度问题，最小化延迟作业的加权数量。进行的计算实验表明，在解决方案树的根部已经获得了最优解，并且下限和上限的值仅相差百分之几。
HW-SW-CO设计对量子计算可伸缩性的影响
摘要 - 量子处理单元（QPU）的使用有望迅速解决计算问题。然而，当前的设备受量子数的数量限制，并且遭受了明显的缺陷，从而阻止了实现量子的优势。要迈向实用实用程序，一种方法是应用硬件软件共同设计方法。这可能涉及对量子执行环境的问题制定和算法的定制，但也需要将QPU的物理特性调整为特定应用程序。在这项工作中，我们遵循后一条路径，并研究关键数字（电路深度和门计数）如何解决四个基石NP核电组的问题随量身定制的硬件属性而变化。我们的结果表明，实现近乎最佳的性能和属性并不一定需要最佳的量子硬件，而是可以通过更简单的结构来满足，这些结构有可能实现许多硬件方法。使用统计分析技术，我们还确定了适用于所有主题问题的基本通用模型。这表明我们的结果可能普遍适用于其他算法和问题域，而量身定制的QPU可以在其最初设想的问题域之外找到效用。尽管如此，可能的改进仍突出了QPU量身定制对量子软件实用的部署和可扩展性的重要性。索引术语 - 量价计算，软件工程，硬件软件共同设计，量子算法性能分析，量子应用的可扩展性
一般连接树的量子优化
摘要 随着早期量子处理单元 (QPU) 的出现，量子计算机制造领域的最新进展引起了广泛领域的广泛关注。虽然当代量子机器的尺寸和功能非常有限，但成熟的 QPU 最终有望在优化问题上表现出色。这使得它们成为解决数据库问题的有吸引力的技术，其中许多数据库问题都基于具有大解空间的复杂优化问题。然而，量子方法在数据库问题上的应用在很大程度上仍未得到探索。在本文中，我们解决了长期存在的连接排序问题，这是研究最广泛的数据库问题之一。QPU 不需要运行任意代码，而是需要特定的数学问题编码。最近提出了一种连接排序问题的编码，允许在量子硬件上优化第一个小规模查询。然而，它基于对 JO 的混合整数线性规划 (MILP) 公式的忠实转换，并继承了 MILP 方法的所有限制。最引人注目的是，现有的编码仅考虑具有左深连接树的解空间，这往往会产生比一般的浓密连接树更大的成本。我们针对连接顺序问题提出了一种新颖的 QUBO 编码。我们不是转换现有公式，而是构建一种针对量子系统量身定制的原生编码，这使我们能够处理一般的浓密连接树。这使得 QPU 的全部潜力都可用于解决连接顺序优化问题。
![arxiv：2009.08513v1 [Quant-ph] 2020年9月17日](/simg/4\4518a8e8da96edbcbfb009b5cd0eed8c67934b5b.webp)
arxiv：2009.08513v1 [Quant-ph] 2020年9月17日
当我们输入有用的量子计算机时代时，我们需要更好地了解经典支持硬件的局限性，并开发缓解技术以确保有效的Qubit利用率。在本文中，我们讨论了近期量子计算机中的三个关键瓶颈：由中央处理单元（CPU）和量子处理单元（QPU）之间的数据传输产生的带宽限制（QPU），往返通信的硬件延迟延迟，以及高误差率驱动的时机限制。在每种情况下，我们都会考虑一种近期量子算法来突出显示瓶颈：随机基准测试，以展示带宽限制，自适应噪声，中等规模量子（NISQ）ERA-ERA-ERA算法，用于延迟瓶颈和量子误差矫正技术，以高显示限制性限制限制限制的误差率。在所有三种情况下，我们讨论了这些瓶颈是如何在执行CPU上所有经典计算的当前范式中出现的，以及如何通过在QPU中提供对本地经典计算资源的访问来减少这些瓶颈。