Квантовое превосходство в сквозных интеллектуальных ИТ. Ч. 1: Квантовая программная инженерия – моделирование квантовых алгоритмических ячеек

Основное содержимое статьи

О. В. Иванцова
В. В. Кореньков
О. Ю. Тятюшкина
С. В. Ульянов
T. Фукуда

Аннотация

Описаны принципы и методологии проектирования квантовых алгоритмических ячеек для магистрантов и аспирантов в области компьютерных наук, теории управления и интеллектуальной робототехники. Обсуждаются возможности моделирования квантовых алгоритмических ячеек на
классических компьютерах. Описаны приложения схемотехнических решений квантовых ячеек. Представлен новый подход к реализации схемотехнических решений квантовых алгоритмов для быстрых квантовых параллельных массивных вычислений. Основное внимание уделено разработке метода проектирования операторов быстрых квантовых алгоритмов, таких как суперпозиция, запутывание и интерференция, которые в общем случае являются трудоемкими операциями из-за количества выполненных продуктов. Программно-алгоритмическая платформа поддерживает сложный интеллектуальный инструментарий ускорителя моделирования квантового алгоритма на малом квантовом компьютере, на котором реализуются квантовые алгоритмы путем выполнения последовательности универсальных логических элементов квантовой логики. В качестве примера, представлен способ выполнения оператора Гровера. Основой разработанной информационной технологии является ПО "Quantum / Soft Computing Optimizer" (QSCOptKBTM), основанное на мягких и квантовых вычислениях и является платформой сильного квантового вычислительного интеллекта.

Скачивания

Данные скачивания пока недоступны.

Информация о статье

Как цитировать
1.
Ivancova O, Korenkov V, Tyatyushkina O, Ulyanov S, Fukuda T. Квантовое превосходство в сквозных интеллектуальных ИТ. Ч. 1: Квантовая программная инженерия – моделирование квантовых алгоритмических ячеек. Системный анализ в науке и образовании [Интернет]. 16 сентябрь 2021 г. [цитируется по 25 май 2024 г.];(1):1-33. доступно на: https://sanse.ru/index.php/sanse/article/view/107
Раздел
Статьи

Библиографические ссылки

Horowitz M., Labonte F., Olukotun K. and C. Batten. New plot and data collected for 2010-2015 [by K. Rupp].

Pino J. M., Demonstration of the QCCD trapped-ion quantum computer architecture // arXiv:2003.01293v1 [quant-ph] 3 Mar 2020. Taken by Erik Lucero (b) IBM five-qubit universal quantum computer http://web.physics.ucsb.edu/~martinisgroup/photos.shtml, (released May 2016).

Salm M. A Roadmap for Automating the Selection of Quantum Computers for Quantum Algorithms // arXiv:2003.13409v1 [quant-ph] 30 Mar 2020.

Wilhelm F.K. et al. Entwicklungsstand Quantencomputer. — Federal Office for Information Security. — 2017.

Benedetti M. Parameterized quantum circuits as machine learning models // Quantum Sci. Technol. — 2019. — Vol. 4. — Pp. 043001.

Leymann F., Barzen J., Falkenthal M. Quantum in the Cloud: Application Potentials and Research Opportunities // arXiv: 2003.06256[quant-ph]. 2020.

Josephson Junction Quantum Computing at UCSB http://web.physics.ucsb.edu/~martinisgroup/photos.shtml, taken by Erik Lucero (b) IBM five-qubit universal quantum computer (released May 2016).

Debnath S., Linke N. M., Figgatt C., Landsman K. A., Wright K. and C. Monroe. Demonstration of a programmable quantum computer module. // arXiv: 1603.04512 v1 [quant-ph], 2016.

Quantum Image Processing: the truth, the whole truth, and nothing but the truth about its problems on internal image representation and outcomes recovering // arXiv: 2002.04394 v1 [quant-ph], 2020.

Benedetti M. Parameterized quantum circuits as machine learning models // Quantum Sci. Technol. — 2019. — Vol. 4. — Pp. 043001.

ZOU X. Enhancing a Near-Term Quantum Accelerator’s Instruction Set Architecture for Materials Science Applications // IEEE Trans. On Quantum Engineering. — 2020. — Vol. 1. — Pp. 4500307 [DOI

1109/TQE.2020.2965810].

Наиболее читаемые статьи этого автора (авторов)

1 2 3 4 5 6 7 8 9 > >>