Lumaktaw sa pangunahing nilalaman

Panimula

Pangkalahatang-tanaw at motibasyon​

Bago magsimula, pakisagutan ang maikling survey bago ang kurso, na mahalaga para makatulong sa pagpapabuti ng aming mga nilalaman at karanasan ng mga gumagamit.

Maligayang pagdating sa Quantum Diagonalization Algorithms!

Puno ang mundo ng mga problemang kritikal para sa mga tao na maaaring ilarawan bilang mga problema sa matrix diagonalization. Sumasaklaw ito sa iba't ibang larangan mula sa pananalapi hanggang sa pisika, at naaangkop sa mga sistemang magkakaiba tulad ng mga chemical binding site at distribution network. Maging ang ibang paraan ng paglutas ng problema tulad ng machine learning ay gumagamit ng kapangyarihan ng mga matris. Ang mga pag-unlad sa klasikal na computing ay nagpahintulot na mag-diagonalize ng mga matris na kamangha-manghang laki. Ngunit mayroon pa ring mga problema na lumagpas sa mga hangganan ng eksaktong klasikal na diagonalization algorithm.

Ang quantum diagonalization algorithms (QDAs) ay gumagamit ng kapangyarihan ng mga quantum computer kasabay ng mga klasikal na pamamaraan. Naiiba ang kahulugan nito para sa iba't ibang algorithm. Sa ilang kaso, ginagamit ng algorithm ang quantum computer para tantiyahin ang mga matrix expectation value at ginagamit ang mga klasikal na computer para patakbuhin ang mga variational optimization algorithm. Totoo ito, halimbawa, para sa variational quantum eigensolver (VQE). Sa ibang kaso, ginagamit ang mga quantum measurement para matukoy ang mga angkop na subspace kung saan ipo-project ang aming matris na pinagsasabikan, at ang diagonalization ng projected matrix ay ginagawa nang ganap na klasikal. Inilalarawan nito ang mga sampling-based quantum diagonalization method (SQD), na ilan sa mga pinaka-kapana-panabik na pamamaraan sa kasalukuyang panahon ng quantum computing.

Ang kursong ito ay nagbibigay ng pangkalahatang-tanaw ng ilang pamamaraan sa quantum diagonalization. Nagbibigay kami ng ilang background sa mga klasikal na pamamaraan na ginagamit, o na nag-udyok sa mga quantum algorithm, at tinatahak namin ang implementasyon ng mga quantum algorithm sa mga tunay na quantum computer. Malaking bahagi ng talakayan ang nakatuon sa kung anong mga salik ang nagtatakda ng scaling ng mga pamamaraan gamit ang klasikal at quantum algorithm. Mahalaga ito para matukoy kung ang iyong problema ay makikinabang sa isang partikular na quantum algorithm. Sa pamamagitan ng pagkonekta ng mga abstract na mathematical na pamamaraan sa pinakabagong quantum hardware, binibigyan ng kurikulum ang mga kalahok ng kakayahang mag-navigate sa mabilis na nagbabagong landscape ng mga quantum computational na teknik.

Mga layunin sa pagkatuto ng kurso​

Sa pamamagitan ng pagkumpleto ng kursong ito, maaari kang umasa na mabuo ang mga sumusunod na pangunahing kasanayan at kakayahan. Magagawa ng mga mag-aaral na:

  1. Tukuyin ang ilang industriyal na aplikasyon ng diagonalization ng malalaking matris.

  2. Tukuyin ang ilang klasikal na pamamaraan ng diagonalization at ang kanilang mga katumbas na quantum.

  3. Ipaliwanag kung anong mga salik ang nagtatakda ng kahusayan ng mga QDA.

  4. Tukuyin ang ilang relatibong lakas at kahinaan ng mga karaniwang QDA.

  5. Ipatupad ang mga QDA gamit ang Qiskit Runtime primitives at sumusunod sa Qiskit patterns.

  6. Tukuyin ang mga uri ng problema na pinaka-angkop sa mga QDA.

  7. I-adjust ang isang halimbawang problema para sa sariling problema ng interes.

  8. Malaman ang mga limitasyon ng pagpapatupad ng mga QDA sa mga quantum computer bago ang malawak na fault tolerance.

Istraktura ng kurso​

Ang kursong ito ay binubuo ng ilang aralin. Ang bawat aralin ay may ilang check-in na tanong sa buong teksto, para makapag-practice ka ng mga bagong kasanayan o masuri ang iyong pag-unawa habang nagpapatuloy. Hindi ito kinakailangan.

Sa katapusan ng kurso, may 20-item na pagsusulit. Kailangan mong makakuha ng hindi bababa sa 70% sa pagsusulit na ito para makuha ang iyong Quantum Diagonalization Algorithms badge, sa pamamagitan ng Credly. Kung nakakuha ka ng hindi bababa sa 70%, ang iyong badge ay awtomatikong ie-email sa iyo, ilang sandali pagkatapos. May limitasyon sa bilang ng beses na maaaring kunin ang pagsusulit na ito. Tingnan ang pagsusulit para sa karagdagang detalye.

Ang istraktura ng kurso ay ang sumusunod:

  • Aralin 0: Panimula at pangkalahatang-tanaw
  • Aralin 1: Variational quantum eigensolver
  • Aralin 2: Krylov quantum diagonalization
  • Aralin 3: Sample-based quantum diagonalization
  • Aralin 4: SQD application
  • Aralin 5: Sample-based Krylov quantum diagonalization
  • Pagsusulit para sa badge