Questions tagged «algorithm»

有关量子算法的问题。也就是说,理论上可以由量子计算机执行的算法,通常是提供“通用”量子计算的计算机。

3
对于Grover算法为何有效,是否有外行的解释?
斯科特·亚伦森(Scott Aaronson)的这篇博文是对Shor算法的非常有用且简单的解释。 我想知道第二种最著名的量子算法是否有这样的解释:格罗弗(Grover)算法可在时间内搜索大小为的无序数据库。O(n)O(n)O(n)O(n−−√)O(n)O(\sqrt{n}) 特别是,我希望对运行时间最初令人惊讶的结果看到一些可以理解的直觉!

2
Grover搜索算法中的oracle是如何实现的?
Grover的搜索算法为未分类的数据库搜索提供了可证明的二次加速。该算法通常由以下量子电路表示: 在大多数表示中,协议的关键部分是“ oracle gate”,它“神奇地”执行操作。然而,常常没有提到实现这样的门实际上将是多么困难。的确,使用“甲骨文”似乎只是扫除困难的一种方法。UωUωU_\omega|x⟩↦(−1)f(x)|x⟩|x⟩↦(−1)f(x)|x⟩|x\rangle\mapsto(-1)^{f(x)}|x\rangle 我们如何知道这种口头手术是否确实可以实现?如果是这样,它的复杂性是什么(例如,门分解的复杂性)?

4
关于使用量子计算机可以更有效地解决哪些类型的问题,是否有任何一般性声明?
关于使用量子计算机(仅量子门模型)可以更有效地解决哪些类型的问题,是否存在一般性声明?今天已知算法的问题是否具有共同的属性? 据我了解,量子计算有助于解决隐藏的子组问题(Shor);Grover的算法有助于加速搜索问题。我已经读过,如果您寻找函数(Grover / Deutsch)的“全局属性”,则量子算法可以提高速度。 关于量子计算可以在哪些方面提供帮助,是否有更简洁,正确的说法? 是否有可能解释为什么量子物理学可以在那里(最好是“可以利用干扰”的更深层次的东西)?又为什么它可能对其他问题(例如,NP完全问题)无济于事? 是否有相关论文对此进行讨论? 我之前在cstheory.stackexchange.com上问过这个问题,但在这里可能更合适。

3
量子机器学习入门资料
在过去的几天中,我一直在尝试为一个夏季项目收集与Quantum机器学习及其应用相关的材料(主要是研究论文)。以下是一些我发现很有趣的内容(从肤浅的阅读中得出): 混合量子计算机上的无监督机器学习(JS Otterbach et al。,2017) 用于有监督和无监督机器学习的量子算法(Lloyd,Mohseni&Rebentrost,2013) 预测波浪条件的机器学习框架(James,Zhang&O'Donncha 2017) 量子神经元:量子计算机上机器学习的基本构建块(Cao,Guerreschi&Aspuru-Guzik,2017) 用于量子异常检测的量子机器学习(Liu&Rebentrost,2017) 但是,由于来自物理方面的更多知识,我在该领域没有太多的背景知识,并且发现大多数专业材料是不可渗透的。Ciliberto等。的论文:量子机器学习:经典观点在某种程度上帮助我掌握了一些基本概念。我正在寻找类似但更详尽的入门资料。如果您可以推荐教科书,视频讲座等,对量子机器学习领域有很好的介绍,那将非常有帮助。 例如,尼尔森(Nielsen)和庄(Chuang)的教科书全面介绍了量子计算和量子算法,并且在介绍性材料方面走得很远(尽管它从一个非常基础的层次开始,涵盖了量子力学和线性代数的所有必要部分)甚至是计算复杂性的基础!)。量子机器学习有什么类似的东西吗? PS:我确实意识到量子机器学习是一个广阔的领域。如果有任何混淆,我想指出的是,我主要是在寻找涵盖经典机器学习算法的量子类似物细节的教科书/入门论文/讲座。

2
量子密码学比经典密码学安全吗?
与当今使用的量子计算相比,量子计算使我们能够以不同的方式加密信息,但是量子计算机比当今的计算机功能强大得多。因此,如果我们设法建造量子计算机(因此使用量子密码术),那么所谓的“黑客”是否有更多或更少的机会被“黑客”到系统中?还是无法确定?

1
量子比特币细分
背景 最近,我在阅读文章“量子比特币:由量子力学的无克隆定理保证的匿名和分布式货币”,它展示了量子比特币如何发挥作用。本文的结论指出: 量子比特币是原子的,目前尚无办法将量子比特币细分为较小的面额或将其合并为较大的面额。 由于目前无法细分或合并量子比特币,因此您无法在交易中进行更改。但是,我不明白为什么无法对量子比特币进行细分。 题 为什么不能细分量子比特币? 定义 量子比特币-就像普通比特币一样-是没有中央授权的货币。 实施量子比特币背后的主要思想是无克隆定理。无克隆定理说明了如何不可能复制任意量子态。|φ⟩|φ⟩ \left| \varphi \right>


4
为什么离散傅立叶变换可以有效地实现为量子电路?
这是一个熟知的结果是离散傅立叶变换(DFT)的的数字具有复杂与最好的已知算法,在执行傅立叶变换的量子状态的幅度的,使用经典QFT算法,只需要基本门。N=2nN=2nN=2^nO(n2n)O(n2n)\mathcal O(n2^n)O(n2)O(n2)\mathcal O(n^2) 有什么已知的原因会导致这种情况吗?我的意思是说,DFT是否存在已知的特性,可以实现其高效的“量子版本”。 实际上,可以将基于维向量的DFT 视为线性运算 NNNy⃗ =DFTx⃗ ,DFTjk≡1N−−√exp(2πiNjk).y→=DFT⁡x→,DFTjk≡1Nexp⁡(2πiNjk).\vec y=\operatorname{DFT} \vec x, \qquad \text{DFT}_{jk}\equiv \frac{1}{\sqrt N}\exp\left(\frac{2\pi i}{N}jk\right). 给定一个量子状态,此问题的“量子版本”是任务,获得输出状态,使得 | \ boldsymbol y \ rangle = \ operatorname {DFT} | \\ boldsymbol x \ rangle = \ operatorname {QFT} | \\ boldsymbol x \ rangle。|x⟩≡∑Nk=1xk|k⟩|x⟩≡∑k=1Nxk|k⟩|\boldsymbol x\rangle\equiv\sum_{k=1}^N x_k|k\rangle|y⟩≡∑Nk=1yk|k⟩|y⟩≡∑k=1Nyk|k⟩|\boldsymbol y\rangle\equiv\sum_{k=1}^N y_k |k\rangle|y⟩=DFT|x⟩=QFT|x⟩.|y⟩=DFT⁡|x⟩=QFT⁡|x⟩.|\boldsymbol y\rangle=\operatorname{DFT}|\boldsymbol …

2
HHL算法将来可能会有什么应用?
请注意词汇表:这个问题中使用了“哈密尔顿”一词来表示厄米矩阵。 HHL算法似乎是量子计算领域研究的活跃课题,主要是因为它解决了一个非常重要的问题,即寻找线性方程组的解。 根据原始论文《量子算法求解线性方程组》(Harrow,Hassidim和Lloyd,2009年)以及在此站点上提出的一些问题 量子相位估计和HHL算法-是否需要特征值知识? 线性方程组的量子算法(HHL09):步骤2-初始状态的准备和| b ⟩|Ψ0⟩|Ψ0⟩\vert \Psi_0 \rangle|b⟩|b⟩\vert b \rangle HHL算法仅限于某些特定情况。这是HHL算法特征的摘要(可能不完整!): HHL算法 HHL算法求解方程的线性系统。 X ⟩ = | b ⟩ 具有以下限制:A|x⟩=|b⟩A|x⟩=|b⟩A \vert x \rangle = \vert b \rangle 局限性:一种AA 必须是Hermitian(并且只有Hermitian矩阵有效,请参见聊天室中的讨论)。一种AA 的特征值需要是在 [ 0 ,1 )(见量子相位估计和HHL算法- ?所需特征值的知识)一种AA[ 0 ,1 )[0,1)[0,1) 需要有效地实施。目前,满足此属性的唯一已知矩阵为: Ë我甲吨eiAte^{iAt} 局部哈密尔顿(参见Universal Quantum Simulators(Lloyd,1996))。 稀疏的哈密尔顿(见绝热量子态生成和统计零知识(Aharonov&Ta-Shma,2003))。sss 限制:| b ⟩|b⟩\vert b \rangle …

2
Grover扩散算子如何工作,为什么它是最优的?
在这个答案中,解释了格罗弗的算法。解释表明,该算法在很大程度上依赖于Grover Diffusion运算符,但未提供该运算符内部工作的详细信息。 简而言之,Grover扩散算子创建了一个“均值倒置”,以迭代方式使先前步骤中的细微差异大到足以测量的程度。 现在的问题是: Grover扩散算子如何实现这一目标? 为什么得到的O(n−−√)O(n)O(\sqrt{n})在总时间内搜索无序数据库是否最优?

4
深度学习神经网络会在量子计算机上运行吗?
深度学习(在有监督和无监督的机器学习任务中使用的多层人工神经网络)对于许多最困难的机器学习任务(图像识别,视频识别,语音识别等)来说,是一种功能非常强大的工具。作为最强大的机器学习算法的一部分,而量子计算通常被视为某些非常困难的计算任务的改变者,我想知道将两者结合起来是否有任何进展。 深度学习算法可以在量子计算机上运行吗? 尝试有意义吗? 还有其他与深度学习无关的量子算法吗?

1
哈密​​顿模拟是BQP完全的
许多论文断言汉密尔顿模拟是BQP完全的(例如, 汉密尔顿模拟几乎所有参数都具有最佳依赖关系,而汉密顿模拟则是通过量化进行的)。 不难发现,汉密尔顿模拟是BQP难的,因为任何量子算法都可以简化为汉密尔顿模拟,但是BQP中的汉密尔顿模拟又如何呢? 即,BQP中的汉密尔顿模拟决策问题到底是什么?在汉密尔顿方程的什么条件下?

3
Grover的搜索算法有哪些应用程序?
Grover的搜索算法通常是在未排序的数据库中查找标记的条目时谈论的。这是一种自然的形式主义,可将其直接用于寻找NP问题的解决方案(在这里容易识别出好的解决方案)。 我有兴趣了解格罗弗搜索在寻找一组数字的最小值,均值和中值的其他应用。这让我想知道是否还有其他已知的Grover搜索应用程序(或其一般化应用程序,例如振幅放大)?任何简短的见解如何做到这一点将不胜感激。

1
量子算法或复杂性是否带来了导致P vs NP问题取得进展的结果?
从表面上看,量子算法与经典计算(尤其是P vs NP)没有什么关系:用量子计算机解决NP问题不会告诉我们这些经典复杂度类之间的关系1。 另一方面,据我所知,本文中介绍的经典复杂度类PP作为PostBQP类的“替代描述” 被 “量子复杂性” 视为对 “经典复杂性” 的重要结果。。 实际上,该论文的作者Scott Aaronson在摘要的末尾写道: 这说明了量子计算可以为经典计算的主要结果提供新的和更简单的证明。 因此,我的问题是:是否有量子复杂性领域的结果“简化”了P与NP问题,类似于PP的量子描述?如果没有这样的结果,尽管PP取得了“成功”,那么有充分的理由不期望这些结果吗? 1:以该问题的答案为例:由于通用量子计算机的发展,P与NP问题会变得无关紧要吗?

4
在将经典计算与量子计算进行比较时,“忽略常数”的常用计算机科学用法是否有用?
丹尼尔·桑克(Daniel Sank)在评论中提到,对我的观点是,在接纳多项式时间算法的问题上,恒定的加速是微不足道的,10810810^8 复杂性理论过于痴迷于无限的缩放比例限制。在现实生活中,重要的是您以多快的速度得到问题的答案。 在计算机科学中,通常会忽略算法中的常量,并且总的来说,这种方法效果很好。(我是说,是好的,实用算法。我希望你能给予我(理论)算法的研究产生了相当大的手在这!) 但是,我确实知道情况与现在略有不同: 不是比较同一台计算机上运行的两种算法,而是比较两台非常不同的计算机上的两种(略有不同)算法。 现在,我们正在使用量子计算机,对于这些计算机,传统的性能测量可能不足。 特别地,算法分析的方法仅仅是方法。我认为全新的计算方法要求对我们当前的性能评估方法进行严格的审查! 所以,我的问题是: 将量子计算机上的算法性能与经典计算机上的算法性能进行比较时,“忽略”常数的做法是否是一种好习惯?

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.