Квантовое превосходство в сквозных интеллектуальных ИТ. Ч. 1: Квантовая программная инженерия – моделирование квантовых алгоритмических ячеек
Боковая панель статьи
Основное содержимое статьи
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
Информация о статье
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].