Latency Considerations For Stochastic Optimizers In Variational Quantum Algorithms

Taasavaldanud Platon

järgijaid: 0

Matt Menickelly¹, Yunsoo Ha²ja Matthew Otten³

¹Matemaatika ja arvutiteaduse osakond, Argonne National Laboratory, 9700 S. Cass Ave., Lemont, IL 60439
²Edward P. Fitts Põhja-Carolina osariigi ülikooli tööstus- ja süsteemitehnika osakond, 915 Partners Way, Raleigh, NC 27601
³HRL Laboratories, LLC, 3011 Malibu Canyon Road, Malibu, CA 90265

Kas see artikkel on huvitav või soovite arutada? Scite või jätke SciRate'i kommentaar.

Abstraktne

Variatsioonilised kvantalgoritmid, mis on tõusnud esile mürarikkas keskmise skaala kvantseades, nõuavad stohhastilise optimeerija rakendamist klassikalises riistvaras. Praeguseks on enamikus uuringutes stohhastilise klassikalise optimeerijana kasutanud algoritme, mis põhinevad stohhastilise gradiendi iteratsioonil. Selles töös soovitame selle asemel kasutada stohhastilisi optimeerimisalgoritme, mis annavad stohhastilisi protsesse, mis jäljendavad klassikaliste deterministlike algoritmide dünaamikat. Selle lähenemisviisi tulemuseks on teoreetiliselt parema halvima juhtumi iteratsiooni keerukusega meetodid, mida kasutatakse korduvate valimite (võtete) suurema keerukuse arvelt. Uurime seda kompromissi nii teoreetiliselt kui ka empiiriliselt ja järeldame, et stohhastilise optimeerija valiku eelistused peaksid selgesõnaliselt sõltuma nii latentsusaja kui ka täitmisaegade funktsioonist.

Esiletõstetud pilt: latentsusaeg ja sihtmärgi täpsus mõjutavad variatsioonikvantalgoritmide stohhastiliste optimeerijate valikut.

Populaarne kokkuvõte

Variatsioonilised kvantalgoritmid on paljutõotavad kandidaadid lähiaja kvantarvutite praktiliste probleemide lahendamiseks. Nende algoritmide optimeerimise protsess võib aga olla arvutuslikult kulukas, kuna on vaja 1) teha kvantarvutis korduvaid mõõtmisi (võtteid) ja 2) kohandada kvantahela parameetreid. Siin pakume välja uue stohhastilise optimeerimisalgoritmi nimega SHOALS (SHOt Adaptive Line Search), mis on loodud eeldusel, et võtete tegemisel optimeerimisele kulutatud ajas domineerib optimeerimisele kulunud aeg vooluringi reguleerimiseks. Näitame, et SHOALS ületab selles sättes teisi stohhastilisi optimeerimisalgoritme. Vastupidi, kui võtteaeg on võrreldav vooluahela lülitusajaga, leitakse, et stohhastilise gradiendi laskumise algoritmid on tõhusamad. Arvestades võtteaja, vooluringi lülitusaja ja optimeerimisalgoritmi efektiivsuse vahelisi kompromisse, näitame, et variatiivsete kvantalgoritmide kogu tööaega saab oluliselt vähendada.

► BibTeX-i andmed

@artikkel{Menickelly2023latentsus, doi = {10.22331/q-2023-03-16-949}, url = {https://doi.org/10.22331/q-2023-03-16-949}, pealkiri = {Laitentsuskaalutlused variatsioonikvantalgoritmide stohhastiliste optimeerijate jaoks}, autor = {Menickelly, Matt ja Ha, Yunsoo ja Otten, Matthew}, ajakiri = {{Kvant}}, issn = {2521-327X}, väljaandja = {{Verein zur F{“ {o}}rderung des Open Access Publizierens in den Quantenwissenschaften}}, maht = {7}, lehekülge = {949}, kuu = märts, aasta = {2023} }

► Viited

[1] Benjamin P Lanyon, James D Whitfield, Geoff G Gillett, Michael E Goggin, Marcelo P Almeida, Ivan Kassal, Jacob D Biamonte, Masoud Mohseni, Ben J Powell, Marco Barbieri jt. "Kvantkeemia poole kvantarvutis". Nature Chemistry 2, 106–111 (2010).
https:///doi.org/10.1038/nchem.483

[2] Ian C Cloët, Matthew R Dietrich, John Arrington, Aleksei Bazavov, Michael Bishof, Adam Freese, Aleksei V Gorshkov, Anna Grassellino, Kawtar Hafidi, Zubin Jacob jt. "Tuumafüüsika ja kvantinfoteaduse võimalused" (2019). arXiv:1903.05453.
arXiv: 1903.05453

[3] Adam Smith, MS Kim, Frank Pollmann ja Johannes Knolle. "Kvant-mitmekehade dünaamika simuleerimine praeguses digitaalses kvantarvutis". npj Quantum Information 5, 1–13 (2019).
https://doi.org/10.1038/s41534-019-0217-0

[4] Benjamin Nachman, Davide Provasoli, Wibe A de Jong ja Christian W Bauer. "Kvantalgoritm suure energiaga füüsika simulatsioonide jaoks". Physical Review Letters 126, 062001 (2021).
https:///doi.org/10.1103/PhysRevLett.126.062001

[5] Jacob Biamonte, Peter Wittek, Nicola Pancotti, Patrick Rebentrost, Nathan Wiebe ja Seth Lloyd. "Kvantmasinaõpe". Nature 549, 195–202 (2017).
https:///doi.org/10.1038/nature23474

[6] Roman Orus, Samuel Mugel ja Enrique Lizaso. "Kvantarvutus rahanduse jaoks: ülevaade ja väljavaated". Arvustused füüsikas 4, 100028 (2019).
https:///doi.org/10.1016/j.revip.2019.100028

[7] John Preskill. "Kvantarvutus NISQ ajastul ja pärast seda". Quantum 2, 79 (2018).
https://doi.org/10.22331/q-2018-08-06-79

[8] U Dorner, R Demkowicz-Dobrzanski, BJ Smith, JS Lundeen, W Wasilewski, K Banaszek ja IA Walmsley. "Optimaalne kvantfaasi hindamine". Physical Review Letters 102, 040403 (2009).
https:///doi.org/10.1103/PhysRevLett.102.040403

[9] John Preskill. "Tõrkekindel kvantarvutus". Sissejuhatuses kvantarvutusse ja teabesse. Lk 213–269. World Scientific (1998).

[10] Marco Cerezo, Andrew Arrasmith, Ryan Babbush, Simon C Benjamin, Suguru Endo, Keisuke Fujii, Jarrod R McClean, Kosuke Mitarai, Xiao Yuan, Lukasz Cincio jt. "Variatsioonilised kvantalgoritmid". Nature Reviews Physics, lk 1–20 (2021).
https://doi.org/10.1038/s42254-021-00348-9

[11] Peter JJ O'Malley, Ryan Babbush, Ian D Kivlichan, Jonathan Romero, Jarrod R McClean, Rami Barends, Julian Kelly, Pedram Roushan, Andrew Tranter, Nan Ding jt. "Molekulaarenergiate skaleeritav kvantsimulatsioon". Füüsiline ülevaade X 6, 031007 (2016).
https:///doi.org/10.1103/PhysRevX.6.031007

[12] Xiao Yuan, Suguru Endo, Qi Zhao, Ying Li ja Simon C Benjamin. "Variatsioonilise kvantsimulatsiooni teooria". Quantum 3, 191 (2019).
https://doi.org/10.22331/q-2019-10-07-191

[13] Matthew Otten, Cristian L Cortes ja Stephen K Gray. "Mürakindel kvantdünaamika, kasutades sümmeetriat säilitavaid ansatse" (2019). arXiv:1910.06284.
arXiv: 1910.06284

[14] Abhinav Kandala, Antonio Mezzacapo, Kristan Temme, Maika Takita, Markus Brink, Jerry M Chow ja Jay M Gambetta. "Riistvarasäästlik variatsiooniline kvantomalahendaja väikeste molekulide ja kvantmagnetite jaoks". Nature 549, 242–246 (2017).
https:///doi.org/10.1038/nature23879

[15] Kosuke Mitarai, Makoto Negoro, Masahiro Kitagawa ja Keisuke Fujii. "Kvantahela õppimine". Füüsiline ülevaade A 98, 032309 (2018).
https:///doi.org/10.1103/PhysRevA.98.032309

[16] Matthew Otten, Imène R Goumiri, Benjamin W Priest, George F Chapline ja Michael D Schneider. "Kvantmasinõpe, kasutades Gaussi protsesse koos toimivate kvanttuumadega" (2020). arXiv:2004.11280.
arXiv: 2004.11280

[17] Robert M Parrish, Edward G Hohenstein, Peter L McMahon ja Todd J Martínez. "Elektrooniliste üleminekute kvantarvutamine variatsioonilise kvantomalahendi abil". Physical Review Letters 122, 230401 (2019).
https:///doi.org/10.1103/PhysRevLett.122.230401

[18] Kevin J Sung, Jiahao Yao, Matthew P Harrigan, Nicholas C Rubin, Zhang Jiang, Lin Lin, Ryan Babbush ja Jarrod R McClean. "Mudelite kasutamine variatiivsete kvantalgoritmide optimeerijate parandamiseks". Quantum Science and Technology 5, 044008 (2020).
https://doi.org/10.1088/2058-9565/abb6d9

[19] Jay Gambetta, WA Braff, A Wallraff, SM Girvin ja RJ Schoelkopf. Protokollid kubitite optimaalseks lugemiseks pideva kvantmõõtmise abil. Physical Review A 76, 012325 (2007).
https:///doi.org/10.1103/PhysRevA.76.012325

[20] Susan M Clark, Daniel Lobser, Melissa C Revelle, Christopher G Yale, David Bossert, Ashlyn D Burch, Matthew N Chow, Craig W Hogle, Megan Ivory, Jessica Pehr jt. "Kvantteadusliku andmetöötluse avatud kasutaja testimissüsteemi projekteerimine". IEEE Transactions on Quantum Engineering 2, 1–32 (2021).
https:///doi.org/10.1109/TQE.2021.3096480

[21] Colin D Bruzewicz, John Chiaverini, Robert McConnell ja Jeremy M Sage. "Lõksudega kvantarvuti: edusammud ja väljakutsed". Applied Physics Reviews 6, 021314 (2019).
https:///doi.org/10.1063/1.5088164

[22] Jonas M Kübler, Andrew Arrasmith, Lukasz Cincio ja Patrick J Coles. "Adaptiivne optimeerija mõõtmise kokkuhoidlike variatsioonialgoritmide jaoks". Quantum 4, 263 (2020).
https://doi.org/10.22331/q-2020-05-11-263

[23] Diederik P Kingma ja Jimmy Ba. “Adam: Stohhastilise optimeerimise meetod” (2014). arXiv: 1412.6980.
arXiv: 1412.6980

[24] Trygve Helgaker, Poul Jorgensen ja Jeppe Olsen. "Molekulaarelektroonilise struktuuri teooria". John Wiley ja pojad. (2014).
https:///doi.org/10.1002/9781119019572

[25] Tom Schaul, Ioannis Antonoglou ja David Silver. "Stohhastilise optimeerimise ühiktestid". Toimetajad Yoshua Bengio ja Yann LeCun, 2nd International Conference on Learning Representations, ICLR 2014, Banff, AB, Kanada, 14.–16. aprill 2014, Conference Track Proceedings. (2014). url: http:///arxiv.org/abs/1312.6055.
arXiv: 1312.6055

[26] Hilal Asi ja John C Duchi. "Paremate mudelite tähtsus stohhastilises optimeerimises". Proceedings of the National Academy of Sciences 116, 22924–22930 (2019).
https:///doi.org/10.1073/pnas.1908018116

[27] Billy Jin, Katya Scheinberg ja Miaolan Xie. "Suure tõenäosusega keerukuse piirid stohhastilistel oraaklitel põhineva reaotsingu jaoks" (2021). arXiv:2106.06454.
arXiv: 2106.06454

[28] Jose Blanchet, Coralia Cartis, Matt Menickelly ja Katya Scheinberg. "Stohhastilise usalduspiirkonna meetodi lähenemismäära analüüs supermartingaalide kaudu". TEAVITAB Journal on Optimization 1, 92–119 (2019).
https:///doi.org/10.1287/ijoo.2019.0016

[29] Courtney Paquette ja Katya Scheinberg. "Stohhastiline jooneotsingu meetod eeldatava keerukuse analüüsiga". SIAM Journal on Optimization 30, 349–376 (2020).
https:///doi.org/10.1137/18M1216250

[30] Albert S Berahas, Liyuan Cao ja Katya Scheinberg. "Üldise müraga reaotsingu algoritmi globaalne lähenemismäära analüüs". SIAM Journal on Optimization 31, 1489–1518 (2021).
https:///doi.org/10.1137/19M1291832

[31] Coralia Cartis, Nicholas IM Gould ja Ph L Toint. "Kõige järsema laskumise keerukuse kohta Newtoni ja seadustatud Newtoni meetodid mittekumerate piiramatute optimeerimisprobleemide jaoks". Siam ajakiri optimeerimise kohta 20, 2833–2852 (2010).
https:///doi.org/10.1137/090774100

[32] Coralia Cartis, Nicholas IM Gould ja Philippe L Toint. "Esimest järku ja tuletisvabade algoritmide oraakli keerukusest sujuvaks mittekumeraks minimeerimiseks". SIAM Journal on Optimization 22, 66–86 (2012).
https:///doi.org/10.1137/100812276

[33] Yair Carmon, John C Duchi, Oliver Hinder ja Aaron Sidford. "Alumised piirid statsionaarsete punktide I leidmiseks". Matemaatiline programmeerimine 184, 71–120 (2020).
https:///doi.org/10.1007/s10107-019-01406-y

[34] Yair Carmon, John C Duchi, Oliver Hinder ja Aaron Sidford. ""kumer kuni süü tõestamiseni": mittekumerate funktsioonide gradiendi languse mõõtmeteta kiirendus. Rahvusvahelisel masinõppe konverentsil. Lk 654–663. PMLR (2017).
https:///doi.org/10.5555/3305381.3305449

[35] Chi Jin, Praneeth Netrapalli ja Michael I Jordan. "Kiirendatud gradiendiga laskumine pääseb sadulapunktidest kiiremini kui gradient laskumine". Õppeteooria konverentsil. Lk 1042–1085. PMLR (2018). url: https:///proceedings.mlr.press/v75/jin18a.html.
https:///proceedings.mlr.press/v75/jin18a.html

[36] Saeed Ghadimi ja Guanghui Lan. "Stohhastilised esimest ja nulljärku meetodid mittekumera stohhastilise programmeerimise jaoks". SIAM Journal on Optimization 23, 2341–2368 (2013).
https:///doi.org/10.1137/120880811

[37] Yossi Arjevani, Yair Carmon, John C. Duchi, Dylan J. Foster, Nathan Srebro ja Blake Woodworth. "Mittekumera stohhastilise optimeerimise alumised piirid" (2019). arXiv:1912.02365.
arXiv: 1912.02365

[38] Cong Fang, Chris Junchi Li, Zhouchen Lin ja Tong Zhang. "Spider: peaaegu optimaalne mittekumer optimeerimine stohhastilise teega integreeritud diferentsiaalhinnangu abil". Toimetajad S. Bengio, H. Wallach, H. Larochelle, K. Grauman, N. Cesa-Bianchi ja R. Garnett, Advances in Neural Information Processing Systems. 31. köide. Curran Associates, Inc. (2018). url: https:///proceedings.neurips.cc/paper/2018/file/1543843a4723ed2ab08e18053ae6dc5b-Paper.pdf.
https://proceedings.neurips.cc/paper/2018/file/1543843a4723ed2ab08e18053ae6dc5b-Paper.pdf

[39] Shiro Tamiya ja Hayata Yamasaki. "Stohhastilise gradiendi joone Bayesi optimeerimine: mõõtmisvõtete vähendamine parameetritega kvantahelate optimeerimisel" (2021). arXiv:2111.07952.
https://doi.org/10.1038/s41534-022-00592-6
arXiv: 2111.07952

[40] Pascual Jordan ja Eugene Paul Wigner. “über das paulische äquivalenzverbot”. Eugene Paul Wigneri kogutud teostes. Lk 109–129. Springer (1993).

[41] Maria Schuld, Ville Bergholm, Christian Gogolin, Josh Izaac ja Nathan Killoran. "Analüütiliste gradientide hindamine kvantriistvaras". Physical Review A 99, 032331 (2019).
https:///doi.org/10.1103/PhysRevA.99.032331

[42] Joonho Lee, William J Huggins, Martin Head-Gordon ja K Birgitta Whaley. "Generaliseeritud unitaarsidestatud klastri lainefunktsioonid kvantarvutamiseks". Journal of Chemical Theory and Computation 15, 311–324 (2018).
https:///doi.org/10.1021/acs.jctc.8b01004

[43] Alberto Peruzzo, Jarrod McClean, Peter Shadbolt, Man-Hong Yung, Xiao-Qi Zhou, Peter J Love, Alán Aspuru-Guzik ja Jeremy L O'brien. "Variatsiooniline omaväärtuse lahendaja fotoonilisel kvantprotsessoril". Nature Communications 5, 1–7 (2014). url: https:///doi.org/10.1038/ncomms5213.
https:///doi.org/10.1038/ncomms5213

[44] Ilya G Ryabinkin, Tzu-Ching Yen, Scott N Genin ja Artur F Izmaylov. "Qubit sidestatud klastri meetod: süstemaatiline lähenemine kvantkeemiale kvantarvutis". Journal of Chemical Theory and Computation, 14, 6317–6326 (2018).
https:///doi.org/10.1021/acs.jctc.8b00932

[45] Ho Lun Tang, VO Shkolnikov, George S Barron, Harper R Grimsley, Nicholas J Mayhall, Edwin Barnes ja Sophia E Economou. "qubit-ADAPT-VQE: adaptiivne algoritm riistvaratõhusa ansätze konstrueerimiseks kvantprotsessoris". PRX Quantum 2, 020310 (2021).
https:///doi.org/10.1103/PRXQuantum.2.020310

[46] Dmitri A. Fedorov, Juri Aleksejev, Stephen K. Gray ja Matthew Otten. "Ühtne selektiivne ühendatud klastri meetod". Quantum 6, 703 (2022).
https://doi.org/10.22331/q-2022-05-02-703

[47] Pranav Gokhale, Olivia Angiuli, Yongshan Ding, Kaiwen Gui, Teague Tomesh, Martin Suchara, Margaret Martonosi ja Frederic T Chong. “$ o (n^3) $ variatsioonilise kvantomalahendaja mõõtmiskulu molekulaarsetel Hamiltonlastel”. IEEE Transactions on Quantum Engineering 1, 1–24 (2020).
https:///doi.org/10.1109/TQE.2020.3035814

[48] Ruobing Chen, Matt Menickelly ja Katya Scheinberg. "Stohhastiline optimeerimine usalduspiirkonna meetodi ja juhuslike mudelite abil". Matemaatiline programmeerimine 169, 447–487 (2018).
https://doi.org/10.1007/s10107-017-1141-8

[49] Léon Bottou, Frank E Curtis ja Jorge Nocedal. "Optimeerimismeetodid suuremahuliseks masinõppeks". Siam Review 60, 223–311 (2018).
https:///doi.org/10.1137/16M1080173

[50] Yoel Drori ja Ohad Shamir. "Stohhastilise gradiendi laskumisega statsionaarsete punktide leidmise keerukus". Rahvusvahelisel masinõppe konverentsil. Lk 2658–2667. PMLR (2020). url: https:///proceedings.mlr.press/v119/drori20a.html.
https:///proceedings.mlr.press/v119/drori20a.html

[51] Cong Fang, Zhouchen Lin ja Tong Zhang. "Sadulapunktidest välja pääseva mittekumera SGD terav analüüs". Õppeteooria konverentsil. Lk 1192–1234. PMLR (2019). url: https:///proceedings.mlr.press/v99/fang19a.html.
https:///proceedings.mlr.press/v99/fang19a.html

[52] S Reddi, Manzil Zaheer, Devendra Sachan, Satyen Kale ja Sanjiv Kumar. "Adaptiivsed meetodid mittekumeraks optimeerimiseks". In Proceedings of 32nd Conference on Neural Information Processing Systems (NIPS 2018). (2018). url: https:///proceedings.neurips.cc/paper/2018/file/90365351ccc7437a1309dc64e4db32a3-Paper.pdf.
https://proceedings.neurips.cc/paper/2018/file/90365351ccc7437a1309dc64e4db32a3-Paper.pdf

[53] Léon Bottou ja Olivier Bousquet. "Laiaulatusliku õppimise kompromissid". Toimetajad J. Platt, D. Koller, Y. Singer ja S. Roweis, Advances in Neural Information Processing Systems. 20. köide. Curran Associates, Inc. (2007). url: https:///proceedings.neurips.cc/paper/2007/file/0d3180d672e08b4c5312dcdafdf6ef36-Paper.pdf.
https://proceedings.neurips.cc/paper/2007/file/0d3180d672e08b4c5312dcdafdf6ef36-Paper.pdf

[54] Peter J Karalekas, Nikolas A Tezak, Eric C Peterson, Colm A Ryan, Marcus P da Silva ja Robert S Smith. "Kvantklassikaline pilveplatvorm, mis on optimeeritud variatiivsete hübriidalgoritmide jaoks". Quantum Science and Technology 5, 024003 (2020).
https:///doi.org/10.1088/2058-9565/ab7559

[55] HJ Briegel, Tommaso Calarco, Dieter Jaksch, Juan Ignacio Cirac ja Peter Zoller. "Kvantarvutus neutraalsete aatomitega". Journal of Modern Optics 47, 415–451 (2000).
https:///doi.org/10.1080/09500340008244052

[56] Sergey Bravyi, Jay M Gambetta, Antonio Mezzacapo ja Kristan Temme. "Kubitide kitsendamine fermiooniliste Hamiltonlaste simuleerimiseks" (2017). arXiv:1701.08213.
arXiv: 1701.08213

[57] MD SAJID ANIS, Héctor Abraham, AduOffei, Rochisha Agarwal, Gabriele Agliardi, Merav Aharoni, Ismail Yunus Akhalwaya, Gadi Aleksandrowicz, Thomas Alexander, Matthew Amy, Sashwat Anagolum, Eli Arbel, Abraham Asfaw, Anish A Athalye, Ardiev. "Qiskit: avatud lähtekoodiga raamistik kvantarvutite jaoks" (2021).

[58] Ciyou Zhu, Richard H Byrd, Peihuang Lu ja Jorge Nocedal. "Algoritm 778: L-BFGS-B: Fortrani alamprogrammid suuremahuliseks piiratud piiratud optimeerimiseks". ACM Transactions on Mathematical Software (TOMS) 23, 550–560 (1997).
https:///doi.org/10.1145/279232.279236

[59] Raghu Bollapragada, Richard Byrd ja Jorge Nocedal. "Adaptiivsed diskreetimisstrateegiad stohhastiliseks optimeerimiseks". SIAM Journal on Optimization 28, 3312–3343 (2018).
https:///doi.org/10.1137/17M1154679

[60] Raghu Bollapragada, Jorge Nocedal, Dheevatsa Mudigere, Hao-Jun Shi ja Ping Tak Peter Tang. "Progressiivne L-BFGS-i meetod masinõppeks". Rahvusvahelisel masinõppe konverentsil. Lk 620–629. PMLR (2018). url: https:///proceedings.mlr.press/v80/bollapragada18a.html.
https:///proceedings.mlr.press/v80/bollapragada18a.html

[61] Raghu Pasupathy, Peter Glynn, Soumyadip Ghosh ja Fatemeh S Hashemi. "Samplemissageduste kohta simulatsioonipõhistes rekursioonides". SIAM Journal on Optimization 28, 45–73 (2018).
https:///doi.org/10.1137/140951679

[62] Andrew Arrasmith, Lukasz Cincio, Rolando D Somma ja Patrick J Coles. „Operaatorite proovivõtt variatsioonialgoritmide säästlikuks optimeerimiseks” (2020). arXiv:2004.06252.
arXiv: 2004.06252

[63] Yangyang Xu ja Wotao Yin. Blokeeri stohhastiline gradiendi iteratsioon kumera ja mittekumera optimeerimise jaoks. SIAM Journal on Optimization 25, 1686–1716 (2015).
https:///doi.org/10.1137/140983938

Viidatud

[1] Matt Menickelly, Stefan M. Wild ja Miaolan Xie, "Stohhastiline kvaasi-Newtoni meetod tavaliste juhuslike numbrite puudumisel", arXiv: 2302.09128, (2023).

[2] Kosuke Ito, "Latency-aware adaptive shot allocation for runtime effective variational kvantalgoritms" arXiv: 2302.04422, (2023).

Ülaltoodud tsitaadid on pärit SAO/NASA KUULUTUSED (viimati edukalt värskendatud 2023-03-16 18:30:45). Loend võib olla puudulik, kuna mitte kõik väljaandjad ei esita sobivaid ja täielikke viiteandmeid.

Ei saanud tuua Ristviide viidatud andmete alusel viimase katse ajal 2023-03-16 18:30:43: 10.22331/q-2023-03-16-949 viidatud andmeid ei saanud Crossrefist tuua. See on normaalne, kui DOI registreeriti hiljuti.

See raamat on avaldatud Quantum all Creative Commons Attribution 4.0 International (CC BY 4.0) litsents. Autoriõigus jääb algsetele autoriõiguste valdajatele, näiteks autoritele või nende institutsioonidele.

SEO-põhise sisu ja PR-levi. Võimenduge juba täna.
Platoblockchain. Web3 metaversiooni intelligentsus. Täiustatud teadmised. Juurdepääs siia.
Allikas: https://quantum-journal.org/papers/q-2023-03-16-949/

Ajatempel: Märtsil 16, 2023

Ajatempel: Võib 24 2023

Variatsiooniliste kvantalgoritmide stohhastiliste optimeerijate latentsuskaalutlused

Taasavaldanud Platon

Abstraktne

Populaarne kokkuvõte

► BibTeX-i andmed

► Viited

Viidatud

Veel alates Quantum Journal

Mürakindlad põhiseisundi energiahinnangud sügavatest kvantahelatest

Erinevate kvant-ühildamatuse mõistete ühendamine kommunikatsiooni ressursside teooriate rangeks hierarhiaks

Põimumise rollist qudit-põhises vooluahela tihendamises

Põimumisefektiivne kaheosaline hajutatud kvantarvutus

Resonantsed mitmetasandilised amplituudi summutuskanalid

Quantum XYZ tootekoodid

Võrebosonite soojuspiirkonna seadus

Kriitiline kvanttermomeetria ja selle teostatavus spinsüsteemides

Ruumi ja aja kvantkanalite ahelad

Meist

Vertikaalne otsing ja Ai

Platvorm

Püsi ühenduses

konto