คอมพิวเตอร์ควอนตัมมีศักยภาพในการแก้ปัญหาสำคัญที่ยากจะเอื้อมถึงแม้แต่ซูเปอร์คอมพิวเตอร์ที่ทรงพลังที่สุด แต่พวกมันต้องการวิธีใหม่ในการเขียนโปรแกรมและสร้างอัลกอริธึม

มหาวิทยาลัยและบริษัทเทคโนโลยีรายใหญ่กำลังเป็นหัวหอกในการวิจัยเกี่ยวกับวิธีพัฒนาอัลกอริธึมใหม่เหล่านี้ ในความร่วมมือล่าสุดระหว่าง University of Helsinki, Aalto University, University of Turku และ IBM Research Europe-Zurich ทีมนักวิจัยได้พัฒนาวิธีการใหม่ในการเร่งการคำนวณบนคอมพิวเตอร์ควอนตัม ผลการวิจัยได้รับการตีพิมพ์ในวารสารPRX Quantum ของ American Physical Society

Guillermo García-Pérez นักวิจัยด้านดุษฏีบัณฑิตจาก Department of Physics at the Department of Physics at the Department of Physics at the Department of Physics at the Department of Physics at the Department of Physics เปิดเผยว่า มหาวิทยาลัยเฮลซิงกิ ผู้เขียนบทความคนแรก

จึงต้องมีขั้นตอนพิเศษในการอ่านข้อมูลจากคอมพิวเตอร์ควอนตัม อัลกอริธึมควอนตัมยังต้องการชุดอินพุต เช่น เป็นตัวเลขจริง และรายการการดำเนินการที่จะดำเนินการในสถานะเริ่มต้นอ้างอิงบางรายการ

- อันที่จริง สถานะควอนตัมที่ใช้โดยทั่วไปแล้วเป็นไปไม่ได้ที่จะสร้างขึ้นมาใหม่บนคอมพิวเตอร์ทั่วไป ดังนั้นจึงต้องดึงข้อมูลเชิงลึกที่เป็นประโยชน์โดยทำการสังเกตเฉพาะ (ซึ่งนักฟิสิกส์ควอนตัมเรียกว่าการวัด) García-Pérezกล่าว

ปัญหาคือต้องใช้การวัดจำนวนมากสำหรับการใช้งานคอมพิวเตอร์ควอนตัมที่เป็นที่นิยม (เช่น Variational Quantum Eigensolver ที่เรียกว่า Variational Quantum Eigensolver ซึ่งสามารถใช้เพื่อเอาชนะข้อจำกัดที่สำคัญในการศึกษาเคมี เช่น ในการค้นคว้ายา) เป็นที่ทราบกันดีว่าจำนวนการคำนวณที่ต้องใช้นั้นเพิ่มขึ้นอย่างรวดเร็วด้วยขนาดของระบบที่ต้องการจำลอง แม้ว่าจะต้องการข้อมูลเพียงบางส่วนเท่านั้น ซึ่งทำให้กระบวนการขยายใหญ่ขึ้นได้ยาก ทำให้การคำนวณช้าลง และใช้ทรัพยากรในการคำนวณเป็นจำนวนมาก

วิธีการที่เสนอโดยGarcía-Pérezและผู้เขียนร่วมใช้การวัดควอนตัมแบบทั่วไปที่ปรับตลอดการคำนวณเพื่อดึงข้อมูลที่เก็บไว้ในสถานะควอนตัมได้อย่างมีประสิทธิภาพ วิธีนี้ช่วยลดจำนวนการทำซ้ำได้อย่างมาก ดังนั้นเวลาและต้นทุนในการคำนวณจึงจำเป็นเพื่อให้ได้การจำลองที่มีความแม่นยำสูง

วิธีการนี้สามารถนำผลการวัดก่อนหน้ากลับมาใช้ใหม่และปรับการตั้งค่าของตัวเองได้ การรันครั้งต่อมามีความแม่นยำมากขึ้น และข้อมูลที่เก็บรวบรวมสามารถนำกลับมาใช้ใหม่ได้ครั้งแล้วครั้งเล่าเพื่อคำนวณคุณสมบัติอื่นๆ ของระบบโดยไม่มีค่าใช้จ่ายเพิ่มเติม

- เราใช้ประโยชน์จากทุกตัวอย่างให้เกิดประโยชน์สูงสุดโดยการรวมข้อมูลทั้งหมดที่ผลิตขึ้น ในเวลาเดียวกัน เราปรับการวัดอย่างละเอียดเพื่อให้ได้ค่าประมาณที่แม่นยำสูงของปริมาณที่อยู่ระหว่างการศึกษา เช่น พลังงานของโมเลกุลที่สนใจ เมื่อนำส่วนผสมเหล่านี้มารวมกัน เราสามารถลดรันไทม์ที่คาดไว้ได้หลายระดับ” García-Pérez กล่าวสล็อตออนไลน์ 918kiss