Solides platoniques et tests de base de la mécanique quantique | | solides de Platon spirituel

Nous introduisons $ texttt Yao $, un framework open source extensible et efficace pour la conception d'algorithmes quantiques. $ texttt Yao $ a une programmation générique et différentiable des circuits quantiques. Il atteint des performances de pointe lorsqu'il s'agit de simuler des circuits quantiques de petite à moyenne taille adaptés aux applications à court terme. Nous introduisons les principes de conception et les techniques critiques derrière $ texttt Yao $. Ceux-ci incluent une représentation intermédiaire par bloc quantique des circuits quantiques, un moteur de différenciation automatique intégré optimisé pour le calcul réversible et des registres quantiques groupés avec accélération GPU. L'extensibilité et l'efficacité de $ texttt Yao $ aident à innover dans la conception d'algorithmes quantiques.

(1) John Preskill. L'informatique quantique à l'ère du nisq et au-delà. Quantum, 2: 79, 2018. 10.22331 / q-2018-08-06-79.
https: // doi.org/ 10.22331 / q-2018-08-06-79

(2) Alberto Peruzzo, Jarrod McClean, Peter Shadbolt, Man-Hong Yung, Xiao-Qi Zhou, Peter J Love, Alán Aspuru-Guzik et Jeremy L O'brien. Un solveur de valeur intrinsèque de variation sur un processeur quantique photonique. Nature Communication, 5: 4213, 2014a. 10.1038 / ncomms5213.
https://doi.org/ 10.1038 / ncomms5213

(3) Dave Wecker, Matthew B Hastings et Matthias Troyer. Progrès vers des algorithmes pratiques de variation quantique. Examen physique A, 92 (4): 042303, 2015. 10.1103 / physreva.92.042303.
https: // doi.org/ 10.1103 / physreva.92.042303

(4) Jarrod R McClean, Jonathan Romero, Ryan Babbush et Alán Aspuru-Guzik. La théorie de la variation des algorithmes classiques quantiques hybrides. New Journal of Physics, 18 (2): 023023, 2016. 10.1088 / 1367-2630 / 18/2/023023.
https: // doi.org/ 10.1088 / 1367-2630 / 18/2/023023

(5) Edward Farhi, Jeffrey Goldstone et Sam Gutmann. Un algorithme d'optimisation approximatif. préimpression arXiv arXiv: 1411.4028, 2014.
arXiv: 1411.4028

(6) Edward Farhi et Hartmut Neven. Classification avec des réseaux de neurones quantiques sur des processeurs à court terme. e-impressions arXiv, art. arXiv: 1802.06002, février 2018.
arXiv: 1802.06002

(7) Kosuke Mitarai, Makoto Negoro, Masahiro Kitagawa et Keisuke Fujii. Apprentissage des circuits quantiques. Examen physique A, 98 (3): 032309, 2018. 10.1103 / physreva.98.032309.
https: // doi.org/ 10.1103 / physreva.98.032309

(8) Marcello Benedetti, Delfina Garcia-Pintos, Oscar Perdomo, Vicente Leyton-Ortega, Yunseong Nam et Alejandro Perdomo-Ortiz. Une approche de modèle génératif pour l'analyse comparative et l'apprentissage des circuits quantiques peu profonds. npj Quantity Information, 5 (1), mai 2019a. ISSN 2056-6387. 10.1038 / s41534-019-0157-8. URL http: //dx.doi.org/ 10.1038 / s41534-019-0157-8.
https: // doi.org/ 10.1038 / s41534-019-0157-8

(9) Jin-Guo Liu et Lei Wang. Apprentissage différentiable des machines à circuits quantiques. Examen physique A, 98 (6): 062324, 2018. 10.1103 / physreva.98.062324.
https://doi.org/ 10.1103 / physreva.98.062324

(10) Peter JJ O’Malley et al. Simulation quantique évolutive des énergies moléculaires. Examen physique X, 6 (3): 031007, 2016. 10.21236 / ada387360.
https://doi.org/ 10.21236 / ada387360

(11) Abhinav Kandala, Antonio Mezzacapo, Kristan Temme, Maika Takita, Markus Brink, Jerry M Chow et Jay M Gambetta. Solution quantique à variation efficace pour les petites molécules et les aimants quantiques. Nature, 549 (7671): 242, 2017a. 10.1038 / nature23879. URL https: // www.nature.com/ articles / nature23879.
https: // doi.org/ 10.1038 / nature23879
https: // www.nature.com/ articles / nature23879

(12) Vojtěch Havlíček, Antonio D Córcoles, Kristan Temme, Aram W Harrow, Abhinav Kandala, Jerry M Chow et Jay M Gambetta. Apprentissage supervisé avec des zones fonctionnelles améliorées quantiques. Nature, 567 (7747): 209, 2019. 10.1038 / s41586-019-0980-2.
https: // doi.org/ 10.1038 / s41586-019-0980-2

(13) Daiwei Zhu et al. Formation de circuits quantiques sur un ordinateur quantique hybride. Science Advances, 5 (10): eaaw9918, 2019. 10.1126 / sciadv.aaw9918.
https://doi.org/ 10.1126 / sciadv.aaw9918

(14) G. Pagano, A. Bapat, P. Becker, KS Collins, A. De, PW Hess, HB Kaplan, A. Kyprianidis, WL Tan, C Baldwin, LT Brady, A Deshpande, F Liu, S Jordan, PAR Gorshkov et C Monroe. Quantification approximative du quantum avec un simulateur quantique d'ions capturés. 2019. URL http: //arxiv.org/ abs / 1906.02700.
arXiv: 1906.02700

(15) Vicente Leyton-Ortega, Alejandro Perdomo-Ortiz et Oscar Perdomo. Mise en œuvre robuste de la modélisation générative avec des circuits quantiques paramétrés. préimpression arXiv arXiv: 1901.08047, 2019.
arXiv: 1901.08047

(16) Jarrod R. McClean, Sergio Boixo, Vadim N. Smelyanskiy, Ryan Babbush et Hartmut Neven. Plateaux stériles dans les paysages d'entraînement des réseaux de neurones quantiques. Nat. Commun., 9 (1): 4812, 2018. ISSN 2041-1723. 10.1038 / s41467-018-07090-4. URL https: // doi.org/ 10.1038 / s41467-018-07090-4.
https: // doi.org/ 10.1038 / s41467-018-07090-4

(17) Tim Besard, Christophe Foket et Bjorn De Sutter. Programmation extensible efficace: libérez Julia sur GPUS. CoRR, abs / 1712.03112, 2017. 10.1109 / tpds.2018.2872064. URL http: //arxiv.org/ abs / 1712.03112.
https://doi.org/ 10.1109 / tpds.2018.2872064
arXiv: 1712.03112

(18) Guillermo García-Pérez, Matteo A. C. Rossi et Sabrina Maniscalco. Expérience IBM Q en tant que banc d'essai expérimental polyvalent pour la simulation de systèmes quantiques ouverts, 2019. URL https: // arxiv.org/ abs / 1906.07099. 10.1038 / s41534-019-0235-y.
https: // doi.org/ 10.1038 / s41534-019-0235-y
arXiv: 1906.07099

(19) Programmation différentiable. https://en.wikipedia.org/wiki/Differentiable_programming, a.
https://en.wikipedia.org/wiki/Differentiable_programming

(20) Karpathy, Andrej. Logiciel 2.0. https: // medium.com/ @ karpathy / software-2-0-a64152b37c35.
https: // medium.com/ @ karpathy / software-2-0-a64152b37c35

(21) Tianqi Chen et al. Mxnet: une bibliothèque d'apprentissage automatique flexible et efficace pour les systèmes distribués hétérogènes. préimpression arXiv arXiv: 1512.01274, 2015.
arXiv: 1512.01274

(22) Martin Abadi et al. Tensorflow: un système d'apprentissage automatique à grande échelle. Dans le 12e Symposium $ $ USENIX $ $ sur la conception et l'implémentation du système d'exploitation ($ $ OSDI $ 16 $), pages 265-283, 2016.

(23) Adam Paszke, Sam Gross, Francisco Massa, Adam Lerer, James Bradbury, Gregory Chanan, Trevor Killeen, Zeming Lin, Natalia Gimelshein, Luca Antiga, Alban Desmaison, Andreas Kopf, Edward Yang, Zachary DeVito, Martin Raison, Alykhan Tejani , Sasank Chilamkurthy, Benoit Steiner, Lu Fang, Junjie Bai et Soumith Chintala. Pytorch: un style convaincant, une bibliothèque d'apprentissage profonde et performante. Dans H. Wallach, H. Larochelle, A. Beygelzimer, F. d’Alché-Buc, E. Fox et R. Garnett, éditeurs, Advances in Neural Information Processing Systems 32, pages 8024–8035. Curran Associates, Inc., 2019. https://arxiv.org/abs/1912.01703.
arXiv: 1912.01703

(24) Dougal Maclaurin, David Duvenaud et Ryan P Adams. Autograd: Dégradés sans effort dans l'engourdissement. Dans ICML 2015 AutoML Workshop, Volume 238, 2015.

(25) Michael Innes, Elliot Saba, Keno Fischer, Dhairya Gandhi, Marco Concetto Rudilosso, Neethu Mariya Joy, Tejan Karmali, Avik Pal et Viral Shah. Modélisation à la mode avec flux. CoRR, abs / 1811.01457, 2018. URL http: // arxiv.org/ abs / 1811.01457.
arXiv: 1811.01457

(26) Mike Innes, Alan Edelman, Keno Fischer, Chris Rackauckus, Elliot Saba, Viral B Shah et Will Tebbutt. Zygote: Un système de programmation différenciable pour relier l'apprentissage automatique et le calcul scientifique. préimpression arXiv arXiv: 1907.07587, 2019.
arXiv: 1907.07587

(27) C. H. Bennett. Réversibilité logique du calcul. IBM Journal of Research and Development, 17 (6): 525-532, novembre 1973. ISSN 0018-8646. 10.1147 / rd.176.0525.
https: // doi.org/ 10.1147 / rd.176.0525

(28) Jin-Guo Liu, Yi-Hong Zhang, Yuan Wan et Lei Wang. Propriété quantique de variation avec moins de qubits. Phys. Renard. Research, 1: 023025, septembre 2019a. 10.1103 / PhysRevResearch.1.023025. URL https://link.aps.org/ doi / 10.1103 / PhysRevResearch.1.023025.
https: // doi.org/ 10.1103 / PhysRevResearch.1.023025

(29) Alexander S Green, Peter LeFanu Lumsdaine, Neil J Ross, Peter Selinger et Benoıt Valiron. Quipper: un langage de programmation quantique évolutif. Dans ACM SIGPLAN Notes, Vol.48, pages 333–342. ACM, 2013. 10.1145 / 2491956.2462177.
https://doi.org/ 10.1145 / 2491956.2462177

(30) Damian S Steiger, Thomas Häner et Matthias Troyer. Projectq: un programme open source pour le calcul quantique. préimpression arXiv arXiv: 1612.08091, 2016. 10.22331 / q-2018-01-31-49.
https: // doi.org/ 10.22331 / q-2018-01-31-49
arXiv: 1612.08091

(31) Krysta Svore, Martin Roetteler, Alan Geller, Matthias Troyer, John Azariah, Christopher Granade, Bettina Heim, Vadym Kliuchnikov, Mariia Mykhailova et Andres Paz. Q #: Activation du calcul quantique évolutif et développement avec un dsl de haut niveau. Actes de l'atelier 2018 sur les langues spécifiques au domaine du monde réel – RWDSL2018, 2018. 10.1145 / 3183895.3183901. URL http://dx.doi.org/ 10.1145 / 3183895.3183901.
https://doi.org/ 10.1145 / 3183895.3183901

(32) Cirq: Un framework Python pour créer, éditer et invoquer des circuits quantiques bruyants de taille moyenne (NISQ). https://github.com/quantumlib/Cirq.
https://github.com/quantumlib/Cirq

(33) qulacs: Simulateur de circuit quantique variationnel pour la recherche en calcul quantique. https://github.com/qulacs/qulacs.
https://github.com/qulacs/qulacs

(34) Ville Bergholm, Josh Izaac, Maria Schuld, Christian Gogolin et Nathan Killoran. Pennylane: Différenciation automatique des calculs classiques quantiques hybrides. préimpression arXiv arXiv: 1811.04968, 2018.
arXiv: 1811.04968

(35) Héctor Abraham et al. Qiskit: Un framework open source pour l'informatique quantique, 2019.

(36) Tyson Jones, Anna Brown, Ian Bush et Simon C. Benjamin. Quête et simulation haute performance des ordinateurs quantiques. Scientific Reports, 9 (1), juillet 2019. ISSN 2045-2322. 10.1038 / s41598-019-47174-9. URL http: //dx.doi.org/ 10.1038 / s41598-019-47174-9.
https: // doi.org/ 10.1038 / s41598-019-47174-9

(37) Mark Fingerhuth, Tomáš Babej et Peter Wittek. Logiciel open source en informatique quantique. PloS one, 13 (12): e0208561, 2018. 10.1371 / journal.pone.0208561.
https://doi.org/ 10.1371 / journal.pone.0208561

(38) Ryan LaRose. Vue d'ensemble et comparaison des plates-formes logicielles Quantum au niveau de la rue. Quantum, 3: 130, mars 2019. ISSN 2521-327X. 10.22331 / q-2019-03-25-130. URL https://doi.org/ 10.22331 / q-2019-03-25-130.
https: // doi.org/ 10.22331 / q-2019-03-25-130

(39) Marcello Benedetti, Erika Lloyd, Stefan Sack et Mattia Fiorentini. Circuits quantiques paramétrés en tant que modèles d'apprentissage automatique. Quantum Science and Technology, 4 (4): 043001, novembre 2019b. 10.1088 / 2058-9565 / ab4eb5. URL https://doi.org/ 10.1088.
https: // doi.org/ 10.1088 / 2058-9565 / ab4eb5

(40) J. Bezanson. «Pourquoi Julia est rapide? Cela peut-il aller plus vite? ”2015, JuliaCon India. https: // www.youtube.com/ regarder? v = xUP3cSKb8sI.
https: // www.youtube.com/ regarder? v = xUP3cSKb8sI

(41) Jeff Bezanson, Stefan Karpinski, Viral B Shah et Alan Edelman. Julia: Un langage dynamique rapide pour l'informatique technique. préimpression arXiv arXiv: 1209.5145, 2012.
arXiv: 1209.5145

(42) Jarrod R. McClean et al. Openfermion: The Electronic Structure Package for Quantum Computers, juin 2020. URL https: // doi.org/ 10.1088 / 2058-9565 / ab8ebc.
https: // doi.org/ 10.1088 / 2058-9565 / ab8ebc

(43) D Chaudronnier. Une transformée de Fourier approximative utile dans le calcul quantique. Rapport technique, rapport technique, IBM Research Division, 1994. https://arxiv.org/ abs / quant-ph / 0201067.
arXiv: quant-ph / 0201067

(44) Artur Ekert et Richard Jozsa. Calcul quantique et algorithme de factorisation shors. Reviews of Modern Physics, 68 (3): 733, 1996. 10.1103 / RevModPhys.68.733.
https: // doi.org/ 10.1103 / RevModPhys.68.733

(45) Richard Jozsa. Algorithmes quantiques et transformée de Fourier. Actes de la Royal Society of London. Série A: Sciences mathématiques, physiques et techniques, 454 (1969): 323–337, 1998. 10.1098 / rspa.1998.0163.
https://doi.org/ 10.1098 / rspa.1998.0163

(46) Peter J Karalekas, Nikolas A Tezak, Eric C Peterson, Colm A Ryan, Marcus P da Silva et Robert S Smith. Une plate-forme cloud classique quantique optimisée pour les algorithmes hybrides de variation. Quantum Science and Technology, 5 (2): 024003, avril 2020. 10.1088 / 2058-9565 / ab7559. URL https://doi.org/ 10.1088.
https: // doi.org/ 10.1088 / 2058-9565 / ab7559

(47) Krylovkit.jl: Méthodes de Krylov pour les problèmes linéaires, les valeurs propres, les valeurs singulières et les fonctions matricielles. https: //github.com/ Jutho / KrylovKit.jl.
https: //github.com/ Jutho / KrylovKit.jl

(48) Christopher Rackauckas et Qing Nie. Differentialequations.jl – un écosystème haute performance et riche en fonctionnalités pour résoudre des équations différentielles en juillet. The Journal of Open Research Software, 5 (1), 2017. 10.5334 / jors.151. URL https: //app.dimensions.ai/details/publication/pub.1085583166 et http: // openresearchsoftware.metajnl.com/ articles / 10.5334 / jors.151 / galley / 245 / nedlasting /. Exporté depuis https://app.dimensions.ai 2019/05/05.
https: // doi.org/ 10.5334 / jors.151

(49) Atilim Gunes Baydin, Barak A Pearlmutter, Alexey Andreyevich Radul et Jeffrey Mark Siskind. Différenciation automatique en apprentissage automatique: une étude. Journal de recherche sur l'apprentissage automatique, 18 (153), 2018. https://arxiv.org/ abs / 1502.05767.
arXiv: 1502.05767

(50) Andreas Griewank et Andrea Walther. Évaluation des dérivés. Society for Industrial and Applied Mathematics, janvier 2008. 10.1137 / 1.9780898717761. URL https://doi.org/ 10.1137.
https://doi.org/ 10.1137 / 1.9780898717761

(51) Aidan N Gomez, Mengye Ren, Raquel Urtasun et Roger B Grosse. Le réseau résiduel réversible: rétropropagation sans stockage d'activation. In Advances in Neural Information Processing Systems, pages 2214 à 2224, 2017.

(52) Tian Qi Chen, Yulia Rubanova, Jesse Bettencourt et David K ​​Duvenaud. Equations différentielles communes neuronales. In Advances in Neural Information Processing Systems, pages 6571 à 6583, 2018a.

(53) Akira Hirose. Réseaux neuronaux complexes: théories et applications, volume 5. World Scientific, 2003. 10.1142 / 5345.
https: // doi.org/ 10.1142 / 5345

(54) Mike Giles. Une collection étendue de dérivés de matrice pour la différenciation algorithmique en mode direct et inverse. Rapport technique, 2008. URL https://people.maths.ox.ac.uk/gilesm/files/NA-08-01.pdf.
https://people.maths.ox.ac.uk/gilesm/files/NA-08-01.pdf

(55) Jin-Guo Liu, Liang Mao, Pan Zhang et Lei Wang. Résolvez la mécanique statique quantique avec des réseaux autorégressifs variables et des circuits quantiques. 2019b. URL http: //arxiv.org/ abs / 1912.11381.
arXiv: 1912.11381

(56) Alberto Peruzzo, Jarrod McClean, Peter Shadbolt, Man-Hong Yung, Xiao-Qi Zhou, Peter J Love, Alán Aspuru-Guzik et Jeremy L O'brien. Un solveur de valeur intrinsèque de variation sur un processeur quantique photonique. Nat. Commun., 5: 4213, 2014b. 10.1038 / ncomms5213. URL https://www.nature.com/articles/ncomms5213.
https://doi.org/ 10.1038 / ncomms5213
https://www.nature.com/articles/ncomms5213

(57) Abhinav Kandala, Antonio Mezzacapo, Kristan Temme, Maika Takita, Markus Brink, Jerry M Chow et Jay M Gambetta. Solution quantique à variation efficace pour les petites molécules et les aimants quantiques. Nature, 549 (7671): 242, 2017b. 10.1038 / nature23879.
https: // doi.org/ 10.1038 / nature23879

(58) Gavin E Crooks. Gradation des portes quantiques paramétrées à l'aide de la règle de décalage des paramètres et de la dégradation de la porte. URL https: // arxiv.org/ abs / 1905.13311.
arXiv: 1905.13311

(59) Jun Li, Xiaodong Yang, Xinhua Peng et Chang-Pu Sun. Approche classique quantique hybride du contrôle quantique optimal. Phys. Pastor Lett., 118: 150503, avril 2017. 10.1103 / physrevlett.118.150503. URL https://link.aps.org/ doi / 10.1103 / PhysRevLett.118.150503.
https://doi.org/ 10.1103 / physrevlett.118.150503
https://link.aps.org/ doi / 10.1103 / PhysRevLett.118.150503

(60) Maria Schuld, Ville Bergholm, Christian Gogolin, Josh Izaac et Nathan Killoran. Évaluation des gradients analytiques sur matériel quantique. Phys. Renard. A, 99 (3): 032331, 2019. ISSN 24699934. 10.1103 / PhysRevA.99.032331.
https: // doi.org/ 10.1103 / PhysRevA.99.032331

(61) Ken M Nakanishi, Keisuke Fujii et Synge Todo. Optimisation minimale séquentielle pour les algorithmes hybrides classiques quantiques. 10.21236 / ada212800. URL https: // arxiv.org/ abs / 1903.12166.
https://doi.org/ 10.21236 / ada212800
arXiv: 1903.12166

(62) Shakir Mohamed, Mihaela Rosca, Michael Figurnov et Andriy Mnih. Estimation du gradient de Monte Carlo dans l'apprentissage automatique. URL https: // arxiv.org/ abs / 1906.10652.
arXiv: 1906.10652

(63) Chun-Liang Li, Wei-Cheng Chang, Yu Cheng, Yiming Yang et Barnabás Póczos. MMD GAN: Vers une compréhension plus approfondie du Moment Matching Network. URL http: //arxiv.org/ abs / 1705.08584.
arXiv: 1705.08584

(64) Arthur Gretton, Karsten M Borgwardt, Malte J Rasch, Bernhard Schölkopf et Alexander Smola. Un test avec deux copies du noyau. Journal of Machine Learning Research, 13 (mars): 723–773, 2012. URL http://www.jmlr.org/papers/v13/gretton12a.html.
http://www.jmlr.org/papers/v13/gretton12a.html

(65) Michael A Nielsen et Isaac L Chuang. Calcul quantique et information quantique. Cambridge University Press, 2010. 10.1017 / cbo97805119766667.016.
https: // doi.org/ 10.1017 / cbo9780511976667.016

(66) William James Huggins, Piyush Patil, Bradley Mitchell, K Birgitta Whaley et Miles Stoudenmire. Vers un apprentissage automatique quantique avec des réseaux tensoriels. Science et technologie quantiques, 2018. 10.1088 / 2058-9565 / aaea94.
https: // doi.org/ 10.1088 / 2058-9565 / aaea94

(67) Frederica Darema, David A George, V Alan Norton et Gregory F Pfister. Un modèle de calcul pour un programme unique de données multiples pour epex / avantage. Parallel Data Processing, 7 (1): 11–24, 1988. 10.1016 / 0167-8191 (88) 90094-4.
https://doi.org/ 10.1016 / 0167-8191 (88) 90094-4

(68) Tableaux de tailles statiques pour Julia. https: //github.com/ JuliaArrays / StaticArrays.jl.
https: //github.com/ JuliaArrays / StaticArrays.jl

(69) Un package matriciel clairsemé luxueux pour Julia. https://github.com/ QuantumBFS / LuxurySparse.jl.
https://github.com/ QuantumBFS / LuxurySparse.jl

(70) Thomas Häner et Damian S Steiger. Simulation de 0,5 pétaoctet d'un circuit quantique de 45 qubits. I Actes de la Conférence internationale sur le calcul haute performance, la mise en réseau, le stockage et l'analyse, page 33. ACM, 2017. 10.1145 / 3126908.3126947.
https://doi.org/ 10.1145 / 3126908.3126947

(71) Igor L Markov et Yaoyun Shi. Simulation de calcul quantique par contrat avec réseau tensoriel. SIAM Journal on Computing, 38 (3): 963–981, 2008. 10.1137 / 050644756.
https://doi.org/ 10.1137 / 050644756

(72) Edwin Pednault, John A Gunnels, Giacomo Nannicini, Lior Horesh, Thomas Magerlein, Edgar Solomonik et Robert Wisnieff. Pour briser la barrière des 49 qubits dans la simulation de circuits quantiques. préimpression arXiv arXiv: 1710.05867, 2017.
arXiv: 1710.05867

(73) Fang Zhang et al. Kit de développement quantique cloud Alibaba: simulation classique à grande échelle de circuits quantiques. préimpression arXiv arXiv: 1907.11217, 2019.
arXiv: 1907.11217

(74) Pyquest-cffi: Une interface python avec le simulateur quantique (basé sur cffi). https://github.com/HQSquantumsimulations/PyQuEST-cffi.
https://github.com/HQSquantumsimulations/PyQuEST-cffi

(75) PennyLane est une bibliothèque Python sur plusieurs plates-formes pour l'apprentissage automatique quantique, la différenciation automatique et l'optimisation des calculs classiques quantiques hybrides. https://github.com/ XanaduAI / pennylane, a.
https://github.com/XanaduAI/pennylane

(76) Examen de l'indice de référence PennyLane. https: // github.com/ Roger-luo / quantum-benchmarks / pull / 7, b.
https://github.com/ Roger-luo / quantum-benchmarks / pull / 7

(77) Aer est un simulateur haute performance pour circuits quantiques qui comprend des modèles de bruit. https: //github.com/ Qiskit / qiskit-aer, a.
https: //github.com/ Qiskit / qiskit-aer

(78) Terra constitue la base de Qiskit. Il permet à l'utilisateur d'écrire facilement des circuits quantiques et prend en charge les limitations du matériel réel. https: // github.com/ Qiskit / qiskit-terra, f.
https: //github.com/ Qiskit / qiskit-terra

(79) py.test inventaire pour code de référence. https://github.com/ionelmc/pytest-benchmark.
https://github.com/ionelmc/pytest-benchmark

(80) Jiahao Chen et Jarrett se réjouissent. Analyse comparative robuste dans les environnements bruyants. préimpression arXiv arXiv: 1608.04295, 2016.
arXiv: 1608.04295

(81) Analyse comparative des émulateurs de circuits quantiques pour votre utilisation quotidienne en recherche. https://github.com/ Roger-luo / quantum-benchmarks.
https://github.com/ Roger-luo / quantum-benchmarks

(82) Frank Arute et al. Suprématie quantique à l'aide d'un processeur supraconducteur programmable. Nature, 574 (7779): 505–510, 2019. 10.1038 / s41586-019-1666-5.
https: // doi.org/ 10.1038 / s41586-019-1666-5

(83) CuYao.jl: extension CUDA pour Yao.jl. https://github.com/ QuantumBFS / CuYao.jl.
https://github.com/ QuantumBFS / CuYao.jl

(84) Jinfeng Zeng, Yufeng Wu, Jin-Guo Liu, Lei Wang et Jiangping Hu. Apprentissage et conclusion de circuits quantiques à résistance générative. Examen physique A, 99 (5): 052306, 2019. 10.1103 / physreva.99.052306.
https: // doi.org/ 10.1103 / physreva.99.052306

(85) Weishi Wang, Jin-Guo Liu et Lei Wang. Un algorithme de compression pour la variation d'état quantique. apparaître.

(86) Vivek V. Shende, Igor L. Markov et Stephen S. Bullock. Circuits non basés universels minimaux contrôlés à deux qubits. Phys. Renard. A, 69: 062321, juin 2004. 10.1103 / PhysRevA.69.062321. URL https://link.aps.org/ doi / 10.1103 / PhysRevA.69.062321.
https: // doi.org/ 10.1103 / PhysRevA.69.062321

(87) Michael Innes. Ne pas déployer le contexte: pour séparer les programmes de formulaire ssa. CoRR, abs / 1810.07951, 2018. URL http: // arxiv.org/ abs / 1810.07951.
arXiv: 1810.07951

(88) Andrew W Cross, Lev S Bishop, John A Smolin et Jay M Gambetta. Ouvrez le langage de collection quantique. préimpression arXiv arXiv: 1707.03429, 2017.
arXiv: 1707.03429

(89) Xiang Fu et al. eqasm: une architecture d'instruction quantique exécutable. I Symposium international de l'IEEE 2019 sur l'architecture informatique haute performance (HPCA), pages 224 à 237. IEEE, 2019. 10.1109 / hpca.2019.00040.
https: // doi.org/ 10.1109 / hpca.2019.00040

(90) Robert S Smith, Michael J Curtis et William J Zeng. Une architecture d'instruction quantique pratique. préimpression arXiv arXiv: 1608.03355, 2016.
arXiv: 1608.03355

(91) RBNF: une DSL pour une analyse moderne. https://github.com/thautwarm/RBNF.jl.
https://github.com/thautwarm/RBNF.jl

(92) Transformation bidirectionnelle entre Yao Quantum Block IR et QASM. https://github.com/ QuantumBFS / YaoQASM.jl, a.
https://github.com/ QuantumBFS / YaoQASM.jl

(93) YaoLang: Le prochain DSL pour Yao et les programmes quantiques. https://github.com/ QuantumBFS / YaoLang.jl, f.
https://github.com/ QuantumBFS / YaoLang.jl

(94) ZXCalculus.jl: Une implémentation de ZX-calcul dans Julia. https://github.com/ QuantumBFS / ZXCalculus.jl, c.
https://github.com/ QuantumBFS / ZXCalculus.jl

(95) Aleks Kissinger et John van de Wetering. PyZX: justification schématique automatisée à grande échelle. Dans Bob Coecke et Matthew Leifer, rédacteurs, Actes de la 16e Conférence internationale sur la physique et la logique quantiques, Université Chapman, Orange, Californie, États-Unis, 10-14. Juin 2019, Volume 318 de Electronic Proceedings in Theoretical Computer Science, pages 229-241. Open Publishing Association, 2020. 10.4204 / EPTCS.318.14.
https://doi.org/ 10.4204 / EPTCS.318.14

(96) Raban Iten, David Sutter et Stefan Woerner. Adaptation efficace du modèle dans les circuits quantiques. préimpression arXiv arXiv: 1909.05270, 2019.
arXiv: 1909.05270

(97) Dmitri Maslov, Gerhard W. Dueck, D Michael Miller et Camille Negrevergne. Simplification du circuit de quantité et compression de niveau. IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems, 27 (3): 436–444, 2008. 10.1109 / tcad.2007.911334.
https://doi.org/ 10.1109 / tcad.2007.911334

(98) Aleks Kissinger et John van de Wetering. Réduisez le nombre de T avec le calcul ZX. préimpression arXiv arXiv: 1903.10477, 2019. 10.1103 / PhysRevA.102.022406.
https: // doi.org/ 10.1103 / PhysRevA.102.022406
arXiv: 1903.10477

(99) Piotr Gawron, Dariusz Kurzyk et Łukasz Pawela. Quantum Information.jl – un package de juillet pour le calcul numérique en théorie de l'information quantique. PLOS ONE, 13 (12): e0209358, décembre 2018. ISSN 1932-6203. 10.1371 / journal.pone.0209358. URL http://dx.doi.org/ 10.1371 / journal.pone.0209358.
https://doi.org/ 10.1371 / journal.pone.0209358

(100) Sergio Boixo, Sergei V Isakov, Vadim N Smelyanskiy et Hartmut Neven. Simulation de circuits quantiques à faible profondeur sous forme de modèles graphiques complexes et non directionnels. préimpression arXiv arXiv: 1712.05384, 2017.
arXiv: 1712.05384

(101) Jianxin Chen, Fang Zhang, Mingcheng Chen, Cupjin Huang, Michael Newman et Yaoyun Shi. Simulation classique de circuits quantiques de taille moyenne. préimpression arXiv arXiv: 1805.01450, 2018b.
arXiv: 1805.01450

(102) Chu Guo, Yong Liu, Min Xiong, Shichuan Xue, Xiang Fu, Anqi Huang, Xiaogang Qiang, Ping Xu, Junhua Liu, Shenggen Zheng, He-Liang Huang, Mingtang Deng, Dario Poletti, Wan-Su Bao et Junjie Wu. Simulateur de circuit quantique à usage général avec états de lots intriqués projetés et limite de supériorité quantique. Phys. Pastor Lett., 123: 190501, novembre 2019. 10.1103 / PhysRevLett.123.190501. URL https://link.aps.org/ doi / 10.1103 / PhysRevLett.123.190501.
https: // doi.org/ 10.1103 / PhysRevLett.123.190501

(103) Feng Pan, Pengfei Zhou, Sujie Li et Pan Zhang. Contracter des réseaux de tenseurs arbitraires: algorithme approximatif général et applications dans les modèles graphiques et les simulations de circuits quantiques. Phys. Prest Lett., 2020. 10.1103 / PhysRevLett.125.060503.
https://doi.org/ 10.1103 / PisRevLett.125.060503

(104) Edwin Stoudenmire et David J Schwab. Apprentissage supervisé avec des réseaux de tenseurs. pages 4799–4807, 2016. URL http: // papers.nips.cc/ paper / 6211-supervised-learning-with-tensor-networks.pdf.
http: // papers.nips.cc/ paper / 6211-supervised-learning-with-tensor-networks.pdf

(105) Zhao-Yu Han, Jun Wang, Heng Fan, Lei Wang et Pan Zhang. Modélisation générative sans assistance à l'aide des états de produits matriciels. Phys. Renard. X, 8: 031012, juillet 2018. 10.1103 / PhysRevX.8.031012. URL https://link.aps.org/ doi / 10.1103 / PhysRevX.8.031012.
https: // doi.org/ 10.1103 / PhysRevX.8.031012

(106) Song Cheng, Lei Wang, Tao Xiang et Pan Zhang. Réseau de tenseurs d'arbres pour la modélisation générative. Phys. Renard. B, 99: 155131, avril 2019. 10.1103 / PhysRevB.99.155131. URL https://link.aps.org/ doi / 10.1103 / PhysRevB.99.155131.
https: // doi.org/ 10.1103 / PhysRevB.99.155131

(107) Ivan Glasser, Ryan Sweke, Nicola Pancotti, Jens Eiseret et Ignacio Cirac. Puissance explicite des factorisations de réseaux tensoriels pour la modélisation probable. In Advances in Neural Information Processing Systems, pages 1496-1508, 2019.

(108) Tai-Danae Bradley, E M Stoudenmire et John Terilla. Modélisation de séquences avec des états quantiques: un coup d'œil sous le capot. Machine learning: Science and technology, 1 (3): 035008, juillet 2020. 10.1088 / 2632-2153 / ab8731. URL https://doi.org/ 10.1088.
https://doi.org/ 10.1088 / 2632-2153 / ab8731

(109) YaoTensorNetwork: vidage d'un circuit quantique de Yao dans un modèle de graphe de réseau tensoriel. https://github.com/ QuantumBFS / YaoTensorNetwork.jl, d.
https://github.com/ QuantumBFS / YaoTensorNetwork.jl

(110) Sergio Boixo, Sergei V Isakov, Vadim N Smelyanskiy, Ryan Babbush, Nan Ding, Zhang Jiang, Michael J Bremner, John M Martinis et Hartmut Neven. Caractérise la supériorité quantique dans les unités à court terme. Physique naturelle, 14 (6): 595, 2018. 10.1038 / s41567-018-0124-x.
https: // doi.org/ 10.1038 / s41567-018-0124-x

(111) Miriam Backens. Le calcul ZX est complet pour la mécanique quantique pour le stabilisateur. New Journal of Physics, 16 (9): 093021, septembre 2014. 10.1088 / 1367-2630 / 16/9/093021. URL https://doi.org/ 10.1088.
https: // doi.org/ 10.1088 / 1367-2630 / 16/9/093021

(112) Suite multilingue d'équations différentielles hautes performances. https://github.com/JuliaDiffEq/DifferentialEquations.jl, f.
https://github.com/ JuliaDiffEq / DifferentialEquations.jl

(113) Matrice de permutation générale. https://en.wikipedia.org/wiki/Generalized_permutation_matrix.
https://en.wikipedia.org/wiki/Generalized_permutation_matrix

(114) Thomas Häner, Damian S Steiger, Mikhail Smelyanskiy et Matthias Troyer. Émulation haute performance des circuits quantiques. Dans SC’16: Actes de la Conférence internationale sur l’informatique, la mise en réseau, le stockage et l’analyse à hautes performances, pages 866–874. IEEE, 2016. 10.1109 / sc.2016.73.
https://doi.org/ 10.1109 / sc.2016.73

(115) Ryan LaRose, Arkin Tikku, Étude O’Neel-Judy, Lukasz Cincio et Patrick J. Coles. Diagonalisation d'état quantique variable. npj Quantity Information, 5 (1), juin 2019. ISSN 2056-6387. 10.1038 / s41534-019-0167-6. URL http: //dx.doi.org/ 10.1038 / s41534-019-0167-6.
https: // doi.org/ 10.1038 / s41534-019-0167-6

(116) Cristina Cirstoiu, Zoe Holmes, Joseph Iosue, Lukasz Cincio, Patrick J. Coles et Andrew Sornborger. Avance rapide variable pour la simulation quantique au-delà de la période de cohérence, 2019. 10.1038 / s41534-020-00302-0.
https: // doi.org/ 10.1038 / s41534-020-00302-0

(117) Lukasz Cincio, Yiğit Subaşı, Andrew T Sornborger et Patrick J Coles. Apprentissage de l'algorithme quantique pour le chevauchement d'états. New Journal of Physics, 20 (11): 113022, novembre 2018. ISSN 1367-2630. 10.1088 / 1367-2630 / aae94a. URL http: //dx.doi.org/ 10.1088 / 1367-2630 / aae94a.
https: // doi.org/ 10.1088 / 1367-2630 / aae94a

(118) Xiaoguang Wang, Zhe Sun et Z. D. Wang. Susceptibilité de fidélité de l'opérateur: un indicateur de criticité quantique. Physical Review A, 79 (1), janvier 2009. ISSN 1094-1622. 10.1103 / physreva.79.012105. URL http: //dx.doi.org/ 10.1103 / PhysRevA.79.012105.
https: // doi.org/ 10.1103 / physreva.79.012105

(119) Richard H Byrd, Peihuang Lu, Jorge Nocedal et Ciyou Zhu. Un algorithme de mémoire limitée pour l'optimisation contrainte liée. SIAM Journal on Scientific Computing, 16 (5): 1190-1208, 1995. 10.2172 / 204262. URL https: // doi.org/ 10.1137 / 0916069.
https://doi.org/ 10.2172 / 204262

(120) Patrick Kofod Mogensen et Asbjørn Nilsen Riseth. Optim: Un package d'optimisation mathématique pour Julia. Journal of Open Source Software, 3 (24): 615, 2018. 10.21105 / joss.00615.
https://doi.org/ 10.21105 / joss.00615

Un solide de polyèdre doit avoir toutes les faces planes ( par exemple, des solides de Platon, des prismes et des pyramides ), tandis qu’un solide non polyèdre a au minimum une de ses surfaces qui n’est pas plate ( par exemple, barillet, sphère ou cône ). n Régulier signifie que tous les angles sont de la même mesure, toutes les faces sont de formes congruentes ou semblables dans tous les critères, et tous les rives sont de la même longueur. n 3D signifie que la forme a la largeur, la profondeur et la hauteur. n Un polygone est une forme fermée dans une figure plane avec au minimum cinq bords droits. n Un duel est un solide de Platon qui s’adapte à l’intérieur d’un autre solide de Platon et se connecte au point médian de chaque face. n

Laisser un commentaire