Gyors kvantumáramkör-vágás véletlenszerű mérésekkel

Újra kiadta Platón

Követő: 0

Angus Lowe^1,2, Matija Medvidović^1,3,4, Anthony Hayes¹, Lee J. O'Riordan¹, Thomas R. Bromley¹, Juan Miguel Arrazola¹és Nathan Killoran¹

¹Xanadu, Toronto, ON, M5G 2C8, Kanada
²Center for Theoretical Physics, Massachusetts Institute of Technology, Cambridge, MA, 02139, USA
³Center for Computational Quantum Physics, Flatiron Institute, New York, NY, 10010, USA
⁴Fizikai Tanszék, Columbia Egyetem, New York, 10027, USA

Érdekesnek találja ezt a cikket, vagy szeretne megvitatni? Scite vagy hagyjon megjegyzést a SciRate-en.

Absztrakt

Új módszert javasolunk a kvantumszámítás méretének kiterjesztésére az egyetlen eszközön elérhető fizikai qubitek számán túl. Ezt úgy érik el, hogy véletlenszerűen beillesztenek mérési és előkészítési csatornákat, amelyek egy nagy áramkör kimeneti állapotát különálló eszközök között elkülöníthető állapotként fejezik ki. Módszerünk véletlenszerű méréseket alkalmaz, ami $widetilde{O}(4^k / varepsilon ^2)$ mintát eredményez, ahol $varepszilon $ a számítás pontossága, $k$ pedig a párhuzamos vezetékek száma. „vágni”, hogy kisebb aláramköröket kapjunk. Megmutatjuk az $Omega(2^k / varepsilon ^2)$ információelméleti alsó korlátját is bármely hasonló eljáráshoz. A technikáinkkal megmutatjuk, hogy a Quantum Approximate Optimization Algorithm (QAOA) $p$ összefonódó rétegekkel rendelkező áramkörei szimulálhatók olyan áramkörökkel, amelyek a qubitek eredeti számának töredékén vannak, körülbelül $2^{O(pkappa) többletterheléssel. }$, ahol a $kappa$ a gráf egy ismert kiegyensúlyozott csúcselválasztójának mérete, amely az optimalizálási problémát kódolja. A QAOA-ra alkalmazott módszerünkkel számszerű bizonyítékot kapunk a gyakorlati gyorsításokról a korábbi munkákhoz képest. Végül megvizsgáljuk az áramkör vágási eljárás alkalmazásának gyakorlati megvalósíthatóságát nagy léptékű QAOA-problémákra klaszteres gráfokon, egy $30$-os qubit-es szimulátor segítségével egy 129$-os qubit-os probléma variációs energiájának kiértékelésére, valamint egy 62$-os probléma végrehajtására. -qubit optimalizálás.

► BibTeX adatok

@ cikk áramkör vágás véletlenszerű mérésekkel}, szerző = {Lowe, Angus és Medvidovi{'{c}}, Matija és Hayes, Anthony és O'Riordan, Lee J. és Bromley, Thomas R. és Arrazola, Juan Miguel és Killoran, Nathan }, folyóirat = {{Quantum}}, issn = {2023-10.22331X}, kiadó = {{Verein zur F{“{o}}rderung des Open Access Publizierens in den Quantenwissenschaften}}, kötet = {2023}, oldalak = {03}, hónap = márc, év = {02} }

► Referenciák

[1] https:///github.com/XanaduAI/randomized-measurements-circuit-cutting (2022).
https:///github.com/XanaduAI/randomized-measurements-circuit-cutting

[2] Scott Aaronson és Daniel Gottesman „A stabilizátoráramkörök továbbfejlesztett szimulációja” Phys. Rev. A 70, 052328 (2004).
https:///doi.org/10.1103/PhysRevA.70.052328

[3] J. Avron, Ofer Casper és Ilan Rozen, „Kvantumelőny és zajcsökkentés az elosztott kvantumszámításban” Phys. Rev. A 104, 052404 (2021).
https:///doi.org/10.1103/PhysRevA.104.052404

[4] Thomas Ayral, François-Marie Le Régent, Zain Saleem, Jurij Alekszejev és Martin Suchara, „Quantum Divide and Compute: Hardware Demonstrations and Noisy Simulations”, 2020 IEEE Computer Society Annual Symposium on VLSI (ISVLSI) 138–140 (2020).
https:///doi.org/10.1109/ISVLSI49217.2020.00034

[5] F. Barratt, James Dborin, Matthias Bal, Vid Stojevic, Frank Pollmann és AG Green, „Parallel quantum simulation of large systems on small NISQ computers” npj Quantum Information 7, 79 (2021).
https://doi.org/10.1038/s41534-021-00420-3

[6] Ville Bergholm, Josh Izaac, Maria Schuld, Christian Gogolin, Shahnawaz Ahmed, Vishnu Ajith, M. Sohaib Alam, Guillermo Alonso-Linaje, B. AkashNarayanan, Ali Asadi, Juan Miguel Arrazola, Utkarsh Carsten, Thomas R. Azad, Sam Banning Bromley, Benjamin A. Cordier, Jack Ceroni, Alain Delgado, Olivia Di Matteo, Amintor Dusko, Tanya Garg, Diego Guala, Anthony Hayes, Ryan Hill, Aroosa Ijaz, Theodor Isacsson, David Ittah, Soran Jahangiri, Prateek Jain, Edward Jiang, Ankit Khandelwal, Korbinian Kottmann, Robert A. Lang, Christina Lee, Thomas Loke, Angus Lowe, Keri McKiernan, Johannes Jakob Meyer, JA Montañez-Barrera, Romain Moyard, Zeyue Niu, Lee James O'Riordan, Steven Oud, Ashish Panigrahi, Chae-Yeun Park, Daniel Polatajko, Nicolás Quesada, Chase Roberts, Nahum Sá, Isidor Schoch, Borun Shi, Shuli Shu, Sukin Sim, Arshpreet Singh, Ingrid Strandberg, Jay Soni, Száva Antal, Slimane Thabet, Rodrigo A. Vargas-Hernández , Trevor Vincent, Nicola Vitucci, Maurice Weber, David Wierichs, Roeland Wiersema, Moritz Willmann, Vincent Wong, Shaoming Zhang és Nathan Killoran, „PennyLane: Automatic differentiation of hybrid quantum-classical computations” (2018).
https:///doi.org/10.48550/ARXIV.1811.04968
https:///arxiv.org/abs/1811.04968

[7] Sergey Bravyiand David Gosset „A Clifford Gates által dominált kvantumáramkörök továbbfejlesztett klasszikus szimulációja” Phys. Rev. Lett. 116, 250501 (2016).
https:///doi.org/10.1103/PhysRevLett.116.250501

[8] Sergey Bravyi, David Gosset és Ramis Movassagh, „Classical algorithms for quantum mean values” Nature Physics 17, 337–341 (2021).
https://doi.org/10.1038/s41567-020-01109-8

[9] Sergey Bravyi, Graeme Smith és John A. Smolin, „Trading Classical and Quantum Computational Resources” Phys. Rev. X 6, 021043 (2016).
https:///doi.org/10.1103/PhysRevX.6.021043

[10] Sergey Bravyi, Alexander Kliesch, Robert Koenig és Eugene Tang, „Akadályok a variációs kvantumoptimalizáláshoz a szimmetriavédelemből” Phys. Rev. Lett. 125, 260505 (2020).
https:///doi.org/10.1103/PhysRevLett.125.260505

[11] Sergey Bravyi, Dan Browne, Padraic Calpin, Earl Campbell, David Gosset és Mark Howard, „Kvantumáramkörök szimulációja alacsony rangú stabilizátor-bontással” Quantum 3, 181 (2019).
https://doi.org/10.22331/q-2019-09-02-181

[12] Thang Nguyen Buiand Curt Jones „A jó közelítő csúcs- és élpartíciók megtalálása NP-nehéz” Information Processing Letters 42, 153–159 (1992).
https://doi.org/10.1016/0020-0190(92)90140-Q
https:///www.sciencedirect.com/science/article/pii/002001909290140Q

[13] Francesco Buscemi és Nilanjana Datta „A csatornák kvantumkapacitása önkényesen korrelált zajjal” IEEE Transactions on Information Theory 56, 1447–1460 (2010).
https:///doi.org/10.1109/TIT.2009.2039166

[14] Senrui Chen, Wenjun Yu, Pei Zeng és Steven T. Flammia, „Robust Shadow Estimation” PRX Quantum 2, 030348 (2021).
https:///doi.org/10.1103/PRXQuantum.2.030348

[15] Andrew M. Childs, Yuan Su, Minh C. Tran, Nathan Wiebe és Shuchen Zhu, „Theory of Trotter Error with Commutator Scaling” Physical Review X 11 (2021).
https:///doi.org/10.1103/physrevx.11.011020

[16] Thomas M. Coverand Joy A. Thomas „Az információelmélet elemei” Wiley (2005).
https:///doi.org/10.1002/047174882x

[17] Vedran Dunjko, Yimin Ge és J. Ignacio Cirac, „Computational Speedups Using Small Quantum Devices” Phys. Rev. Lett. 121, 250501 (2018).
https:///doi.org/10.1103/PhysRevLett.121.250501

[18] Andreas Elben, Steven T. Flammia, Hsin-Yuan Huang, Richard Kueng, John Preskill, Benoît Vermersch és Peter Zoller, „A randomizált mérési eszköztár” (2022).
https:///doi.org/10.48550/ARXIV.2203.11374
https:///arxiv.org/abs/2203.11374

[19] Leo Fang, Andreas Hehn, Harun Bayraktar és Sam Stanwyck, „NVIDIA/cuQuantum: cuQuantum v22.05.0” (2022).
https:///doi.org/10.5281/zenodo.6574510

[20] Robert M. Fano „Információtovábbítás: a kommunikáció statisztikai elmélete” MIT Press (1966).

[21] Edward Farhi, David Gamarnik és Sam Gutmann: „A kvantumközelítő optimalizálási algoritmusnak látnia kell a teljes grafikont: tipikus eset” (2020).
https:///doi.org/10.48550/ARXIV.2004.09002
https:///arxiv.org/abs/2004.09002

[22] Edward Farhi, David Gamarnik és Sam Gutmann: „A kvantumközelítő optimalizálási algoritmusnak látnia kell a teljes grafikont: a legrosszabb esetek példái” (2020).
https:///doi.org/10.48550/ARXIV.2005.08747
https:///arxiv.org/abs/2005.08747

[23] Edward Farhi, Jeffrey Goldstone és Sam Gutmann, „A Quantum Approximate Optimization Algorithm” (2014).
https:///doi.org/10.48550/ARXIV.1411.4028
https:///arxiv.org/abs/1411.4028

[24] Edward Farhi, Jeffrey Goldstone és Sam Gutmann, „A kvantumkörülbelül optimalizálási algoritmus egy korlátos előfordulási kényszerproblémára alkalmazott” (2014).
https:///doi.org/10.48550/ARXIV.1412.6062
https:///arxiv.org/abs/1412.6062

[25] Edward Farhiand Aram W Harrow „Kvantumfölény a kvantumközelítő optimalizálási algoritmuson keresztül” (2016).
https:///doi.org/10.48550/ARXIV.1602.07674
https:///arxiv.org/abs/1602.07674

[26] Uriel Feige, MohammadTaghi Hajiaghayi és James R. Lee, „Improved Approximation Algorithms for Minimum Weight Vertex Separators” SIAM Journal on Computing 38, 629–657 (2008).
https:///doi.org/10.1137/05064299X

[27] Johnnie Gray és Stefanos Kourtis „Hiperoptimalizált tenzorhálózat-összehúzódás” Quantum 5, 410 (2021).
https://doi.org/10.22331/q-2021-03-15-410

[28] M Guţă, J Kahn, R Kueng és JA Tropp, „Gyors állapotú tomográfia optimális hibahatárokkal” Journal of Physics A: Mathematical and Theoretical 53, 204001 (2020).
https:///doi.org/10.1088/1751-8121/ab8111

[29] Jeongwan Haah, Aram W. Harrow, Zhengfeng Ji, Xiaodi Wu és Nengkun Yu, „Sample-Optimal Tomography of Quantum States” IEEE Transactions on Information Theory 63, 5628–5641 (2017).
https:///doi.org/10.1109/TIT.2017.2719044

[30] Stuart Hadfield, Zhihui Wang, Bryan O'Gorman, Eleanor G. Rieffel, Davide Venturelli és Rupak Biswas, „From the Quantum Approximate Optimization Algorithm to a Quantum Alternating Operator Ansatz” Algorithms 12 (2019).
https:///doi.org/10.3390/a12020034
https://www.mdpi.com/1999-4893/12/2/34

[31] Michael Horodecki, Peter W. Shor és Mary Beth Ruskai, „Entanglement Breaking Channels” Reviews in Mathematical Physics 15, 629–641 (2003).
https:///doi.org/10.1142/S0129055X03001709

[32] Hsin-Yuan Huang, Richard Kueng és John Preskill: „Egy kvantumrendszer számos tulajdonságának előrejelzése nagyon kevés mérés alapján” Nature Physics 16, 1050–1057 (2020).
https://doi.org/10.1038/s41567-020-0932-7

[33] William Huggins, Piyush Patil, Bradley Mitchell, K Birgitta Whaley és E Miles Stoudenmire, „A kvantumgépi tanulás felé tenzorhálózatokkal” Quantum Science and Technology 4, 024001 (2019).
https:///doi.org/10.1088/2058-9565/aaea94

[34] Richard Kuengand David Gross „A Qubit stabilizátor állapotai összetett projektív 3-tervek” (2015).
https:///doi.org/10.48550/ARXIV.1510.02767
https:///arxiv.org/abs/1510.02767

[35] Junde Li, Mahabubul Alam és Swaroop Ghosh, „Nagyléptékű kvantum-megközelítő optimalizálás oszd meg és uralkodj” (2021).
https:///doi.org/10.48550/ARXIV.2102.13288
https:///arxiv.org/abs/2102.13288

[36] Seth Lloyd, Maria Schuld, Aroosa Ijaz, Josh Izaac és Nathan Killoran, „Quantum embeddings for machine learning” (2020).
https:///doi.org/10.48550/ARXIV.2001.03622
https:///arxiv.org/abs/2001.03622

[37] Angus Lowe és Ashwin Nayak „A kvantumállapotok tanulásának alsó határai egypéldányos mérésekkel” (2022).
https:///doi.org/10.48550/ARXIV.2207.14438
https:///arxiv.org/abs/2207.14438

[38] Danylo Lykov, Jonathan Wurtz, Cody Poole, Mark Saffman, Tom Noel és Jurij Alekszejev, „Mintavételezési frekvencia küszöbök a kvantumkörülbelül optimalizáló algoritmus kvantumelőnyéhez” (2022).
https:///doi.org/10.48550/ARXIV.2206.03579
https:///arxiv.org/abs/2206.03579

[39] Igor L. Markovand Yaoyun Shi „Simulating Quantum Computation by Contracting Tensor Networks” SIAM Journal on Computing 38, 963–981 (2008).
https:///doi.org/10.1137/050644756

[40] Simon C. Marshall, Casper Gyurik és Vedran Dunjko, „High Dimensional Quantum Machine Learning With Small Quantum Computers” (2022).
https:///doi.org/10.48550/ARXIV.2203.13739
https:///arxiv.org/abs/2203.13739

[41] Matija Medvidović és Giuseppe Carleo „A kvantumközelítő optimalizálási algoritmus klasszikus variációs szimulációja” npj Quantum Information 7 (2021).
https:///doi.org/10.1038/s41534-021-00440-z

[42] Kosuke Mitarai és Keisuke Fujii „Virtuális két qubites kapu létrehozása egy qubites műveletek mintavételezésével” New Journal of Physics 23, 023021 (2021).
https:///doi.org/10.1088/1367-2630/abd7bc

[43] Kosuke Mitarai és Keisuke Fujii „Overhead egy nem helyi csatorna szimulálásához helyi csatornákkal kvázivalószínűségi mintavételezéssel” Quantum 5, 388 (2021).
https://doi.org/10.22331/q-2021-01-28-388

[44] Philipp Moritz, Robert Nishihara, Stephanie Wang, Alexey Tumanov, Richard Liaw, Eric Liang, Melih Elibol, Zongheng Yang, William Paul, Michael I. Jordan és Ion Stoica, „Ray: A Distributed Framework for Emerging AI Applications” (2017) .
https:///doi.org/10.48550/ARXIV.1712.05889
https:///arxiv.org/abs/1712.05889

[45] Hakop Pashayan, Joel J. Wallman és Stephen D. Bartlett, „A kvantumáramkörök eredményvalószínűségének becslése kvázivalószínűségekkel” Phys. Rev. Lett. 115, 070501 (2015).
https:///doi.org/10.1103/PhysRevLett.115.070501

[46] Tianyi Peng, Aram W. Harrow, Maris Ozols és Xiaodi Wu, „Simulating Large Quantum Circuits on a Small Quantum Computer” Physical Review Letters 125 (2020).
https:///doi.org/10.1103/physrevlett.125.150504

[47] Michael A. Perlin, Zain H. Saleem, Martin Suchara és James C. Osborn, „Quantum circuit cuting with maximum-likelihood tomography” npj Quantum Information 7 (2021).
https://doi.org/10.1038/s41534-021-00390-6

[48] Alberto Peruzzo, Jarrod McClean, Peter Shadbolt, Man-Hong Yung, Xiao-Qi Zhou, Peter J. Love, Alán Aspuru-Guzik és Jeremy L. O'Brien, „Változatos sajátérték-megoldó fotonikus kvantumprocesszoron” Nature Communications 5 (2014).
https:///doi.org/10.1038/ncomms5213

[49] Christophe Piveteau és David Sutter „Circuit kötés klasszikus kommunikációval” (2022).
https:///doi.org/10.48550/ARXIV.2205.00016
https:///arxiv.org/abs/2205.00016

[50] Zain H. Saleem, Teague Tomesh, Michael A. Perlin, Pranav Gokhale és Martin Suchara, „Quantum Divide and Conquer for Combinatorial Optimization and Distributed Computing” (2021).
arXiv: 2107.07532

[51] Igal Sasonand Sergio Verdú „$f$ - Divergence Inequalities” IEEE Transactions on Information Theory 62, 5973–6006 (2016).
https:///doi.org/10.1109/TIT.2016.2603151

[52] Maria Schuld, Alex Bocharov, Krysta M. Svore és Nathan Wiebe, „Circuit-centric quantum classifiers” Physical Review A 101 (2020).
https:///doi.org/10.1103/physreva.101.032308

[53] Maria Schuld, Ville Bergholm, Christian Gogolin, Josh Izaac és Nathan Killoran, „Evaluating analitic gradiens on quantum hardware” Phys. Rev. A 99, 032331 (2019).
https:///doi.org/10.1103/PhysRevA.99.032331

[54] Hayk Shoukourian, Torsten Wilde, Axel Auweter és Arndt Bode, „Az erős és gyenge skálázható HPC-alkalmazások energia- és energiafogyasztásának előrejelzése” Supercomputing Frontiers and Innovations 1, 20–41 (2014).
https:///doi.org/10.14529/jsfi140202

[55] Wei Tangand Margaret Martonosi „ScaleQC: A Scale Framework for Hybrid Computation on Quantum and Classical Processors” (2022).
https:///doi.org/10.48550/ARXIV.2207.00933
https:///arxiv.org/abs/2207.00933

[56] Ewout Van Den Berg „Egy egyszerű módszer a véletlenszerű Clifford-operátorok mintavételezésére” 2021 IEEE International Conference on Quantum Computing and Engineering (QCE) 54–59 (2021).
https:///doi.org/10.1109/QCE52317.2021.00021

[57] Zhihui Wang, Stuart Hadfield, Zhang Jiang és Eleanor G. Rieffel, „Quantum approximate optimization algoritmus for MaxCut: A fermionic view” Phys. Rev. A 97, 022304 (2018).
https:///doi.org/10.1103/PhysRevA.97.022304

[58] John Watrous „A kvantuminformáció elmélete” Cambridge University Press (2018).
https:///doi.org/10.1017/9781316848142

[59] Zak Webb „A Clifford-csoport egységes 3 dizájnt alkot” (2015).
https:///doi.org/10.48550/ARXIV.1510.02769
https:///arxiv.org/abs/1510.02769

[60] Roeland Wiersema, Leonardo Guerini, Juan Felipe Carrasquilla és Leandro Aolita: „Az áramköri kapcsolódás fokozása kvantum-klasszikus-kvantum interfészek által” (2022).
https:///doi.org/10.48550/ARXIV.2203.04984
https:///arxiv.org/abs/2203.04984

[61] Xiao Yuan, Jinzhao Sun, Junyu Liu, Qi Zhao és You Zhou, „Quantum Simulation with Hybrid Tensor Networks” Phys. Rev. Lett. 127, 040501 (2021).
https:///doi.org/10.1103/PhysRevLett.127.040501

[62] Huangjun Zhu „Multiqubit Clifford csoportok egységes 3-design” Phys. Rev. A 96, 062336 (2017).
https:///doi.org/10.1103/PhysRevA.96.062336

Idézi

[1] Lirandë Pira és Chris Ferrie, „Invitation to Distributed Quantum Neural Networks”, arXiv: 2211.07056, (2022).

[2] Lukas Brenner, Christophe Piveteau és David Sutter, „Optimális huzalvágás klasszikus kommunikációval”, arXiv: 2302.03366, (2023).

[3] Matthew DeCross, Eli Chertkov, Megan Kohagen és Michael Foss-Feig, „Qubit-reuse összeállítás középső áramköri méréssel és visszaállítással”, arXiv: 2210.08039, (2022).

[4] Christian Ufrecht, Maniraman Periyasamy, Sebastian Rietsch, Daniel D. Scherer, Axel Plinge és Christopher Mutschler, „Többvezérlésű kvantumkapuk vágása ZX kalkulussal”, arXiv: 2302.00387, (2023).

[5] Marvin Bechtold, Johanna Barzen, Frank Leymann, Alexander Mandl, Julian Obst, Felix Truger és Benjamin Weder, „Az áramköri vágás hatásának vizsgálata QAOA-ban a MaxCut problémára NISQ-eszközökön”, arXiv: 2302.01792, (2023).

[6] Ritajit Majumdar és Christopher J. Wood, „Error mitigated quantum circuit cuting”, arXiv: 2211.13431, (2022).

[7] Daniel T. Chen, Zain H. Saleem és Michael A. Perlin, „Quantum Divide and Conquer for Classical Shadows”, arXiv: 2212.00761, (2022).

[8] Gideon Uchehara, Tor M. Aamodt és Olivia Di Matteo, „Forgatás által ihletett áramköri vágás optimalizálás”, arXiv: 2211.07358, (2022).

[9] Carlos A. Riofrío, Oliver Mitevski, Caitlin Jones, Florian Krellner, Aleksandar Vučković, Joseph Doetsch, Johannes Klepsch, Thomas Ehmer és Andre Luckow, „A kvantumgeneratív modellek teljesítményjellemzése”, arXiv: 2301.09363, (2023).

[10] Diego Guala, Shaoming Zhang, Esther Cruz, Carlos A. Riofrío, Johannes Klepsch és Juan Miguel Arrazola, „A képosztályozás gyakorlati áttekintése variációs tenzorhálózati kvantumáramkörökkel”, arXiv: 2209.11058, (2022).

A fenti idézetek innen származnak SAO/NASA HIRDETÉSEK (utolsó sikeres frissítés: 2023-03-03 16:49:02). Előfordulhat, hogy a lista hiányos, mivel nem minden kiadó ad megfelelő és teljes hivatkozási adatokat.

On Crossref által idézett szolgáltatás művekre hivatkozó adat nem található (utolsó próbálkozás 2023-03-03 16:49:00).

Ez a tanulmány a Quantumban jelent meg Creative Commons Nevezd meg 4.0 International (CC BY 4.0) engedély. A szerzői jog az eredeti szerzői jog tulajdonosainál marad, például a szerzőknél vagy intézményeiknél.

SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
Platoblockchain. Web3 metaverzum intelligencia. Felerősített tudás. Hozzáférés itt.
Forrás: https://quantum-journal.org/papers/q-2023-03-02-934/

Időbélyeg: Március 2, 2023

Időbélyeg: 10. november 2022.

Gyors kvantumáramkör vágás véletlenszerű mérésekkel

Újra kiadta Platón

Absztrakt

► BibTeX adatok

► Referenciák

Idézi

Még több Quantum Journal

Gyors kvantummegközelítések a kombinatorikus optimalizáláshoz az optimális állapotátvitel által

A kvantumfázisbecslés kismélységű algoritmusairól

Robusztus belső pont módszer a kvantumkulcs-eloszlási sebesség kiszámításához

Hőállapot-előkészítés kerekítési ígéretekkel

Kvantuminformáció felső kvarkokkal a QCD-ben

Megnövelt pontosság az ügetőszimulációkhoz Csebisev-interpoláció segítségével

Molekuláris megfigyelhető adatok hibatűrő kvantumszámítása

Egy cellás automata dekóder a zajhoz szabott színkódhoz

Az univerzális kvantumszámítási képesség meghatározása: A szabályozhatóság tesztelése dimenziós expresszivitáson keresztül

Tipikus összefüggések és a pontos katalitikus entrópia sejtés igenlő megoldása

Rólunk

Vertical Search & Ai

Emelvény

Maradjon kapcsolatban

Fiók