EPFL教授朱塞佩卡莱欧和哥伦比亚大学和纽约弗拉铁研究所的研究生马蒂亚梅德维多维# 263，几天前，他们在《Nature Quantum Information》发表了一篇论文，找到了一种方法，可以在传统计算机上而不是量子计算机上执行复杂的量子计算算法。
他们考虑量子软件它被称为量子近似优化算法，用于解决数学中的经典优化问题它本质上是一种从一组可能的解中选择最佳解的方法人们感兴趣的是量子计算机能有效解决哪些问题，QAOA就是其中的佼佼者朱塞佩卡洛说
QAOA的最终目的是帮助我们实现所谓的量子加速度也就是说，我们可以用量子计算机代替传统计算机来提高处理速度可以理解，QAOA拥有包括谷歌在内的众多支持者，他们将目光转向了未来的量子技术和计算:2019年，他们创造了53量子比特的量子处理器Sycamore，并利用它实现了最先进的经典计算机只能在200秒内完成1万年的计算任务
Carleo和Medvidovi # 263的研究解决了这一领域中一个重要的未解决的问题:在当前和最近的量子计算机上运行的算法能否为实际任务提供比经典算法更显著的优势要回答这个问题，首先需要了解模拟子系统中经典计算的局限性，朱塞佩卡洛说，这一点尤其重要，因为当前的量子处理器正在运行quantum 软件时会出现错误，因此只能运行复杂度有限的算法
两名研究人员利用传统计算机开发了一种方法，可以近似模拟一类称为可变分量子算法的特殊算法的行为，这些算法计算量子系统的最低能态或基态的方法QAOA就是这类量子算法家族的一个重要例子研究人员认为，QAOA是最近量子计算机中的量子优势最有希望的候选人之一
这种方法是基于现代机器学习工具的概念，如学习围棋等复杂游戏的工具和量子计算机的内部工作原理这些模拟的关键工具是神经网络量子态，它是Carleo和Matthias Troyer于2016年联合开发的人工神经网络，目前首次用于模拟QAOA这一成果被视为量子计算领域，为量子硬件的未来发展树立了新的标杆
郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。
