क्वांटम एल्गोरिदम के तेजी से शास्त्रीय सिमुलेशन


10

ऐसे मामलों के उदाहरण हैं जहां एक समस्या के लिए एक क्वांटम एल्गोरिथ्म का शास्त्रीय अनुकरण इस समस्या के लिए सबसे पहले ज्ञात शास्त्रीय एल्गोरिथ्म को बेहतर बनाता है? "आउटपरफॉर्म" का मतलब विभिन्न जटिलता वर्ग से नहीं है, यह बस बेहतर स्केलिंग हो सकता है।

यह सवाल क्वांटम सिफारिश एल्गोरिथ्म के कुशल शास्त्रीय सिमुलेशन के मामले से प्रेरित था ।


1
जैसा कि कहा गया है आपका प्रश्न वास्तव में कोई मतलब नहीं है। क्वांटम एल्गोरिथ्म का एक शास्त्रीय सिमुलेशन एक विशिष्ट प्रकार का शास्त्रीय एल्गोरिथ्म है, इसलिए यह सर्वश्रेष्ठ शास्त्रीय एल्गोरिथ्म से तेज नहीं हो सकता है। यह सबसे तेजी से ज्ञात शास्त्रीय एल्गोरिथ्म हो सकता है, लेकिन यह बेहतर नहीं हो सकता है क्योंकि यह इसे खुद से बेहतर बना देगा।
क्रेग गिदनी

मुझे लगता है कि आप का मतलब है "बेहतर पहले से जाना जाता शास्त्रीय एल्गोरिथ्म"
Frédéric Grosshans

जब मैंने प्रश्न पढ़ा, तो मैंने उस चेतावनी के बारे में सोचा, लेकिन उम्मीद थी कि यह स्पष्ट होगा कि दो शास्त्रीय एल्गोरिदम में से एक क्वांटम एल्गोरिथ्म का "पहले से ज्ञात" गैर-अनुकरण होगा। मैं अब बेहतर जानता हूं।
Delete000

जवाबों:


6

आपका प्रश्न सिफारिश एल्गोरिथ्म में हाल ही में क्वांटम से प्रेरित शास्त्रीय अग्रिम से प्रेरित था। ध्यान दें कि यह firs समय नहीं है जब ऐसा होता है। 2015 में, इसी तरह के विकास लगभग MAX3LIN के साथ हुए : एक क्वान्टम एल्गोरिथ्म जो पिछले सभी ज्ञात शास्त्रीय एल्गोरिदम से बेहतर प्रदर्शन कर रहा था, एक बेहतर शास्त्रीय एल्गोरिथ्म के लिए एक succesfull खोज को प्रेरित किया। हालांकि, जहां तक ​​मुझे पता है, इन दोनों मामलों में, शास्त्रीय एल्गोरिदम एक क्वांटम विकास के शास्त्रीय सिमुलेशन की तरह नहीं दिखते हैं।

मुझे पता है कि एक पेपर क्वांटम सिस्टम के एक शास्त्रीय सिमुलेशन का वर्णन करता है जो पहले से ज्ञात एल्गोरिदम को बेहतर बनाने की अनुमति देता है (पूर्ण प्रकटीकरण: लेखक मेरे दोस्त हैं) :

एल। चखमखच्यान, एनजे सेर्फ़, आर। गार्सिया-पैट्रन, आरएक्सआईवी: 1609.02416 / भौतिक द्वारा, सकारात्मक अर्धविक्षिप्त मेट्रिसेस के स्थायी आकलन के लिए एक क्वांटम-प्रेरित एल्गोरिथ्म । रेव। ए 96 , 022329

यह स्थायी और क्वांटम प्रकाशिकी के बीच संबंध पर आधारित है, जो बोसॉन नमूने द्वारा दिखाया गया है । सामान्य दृष्टिकोण के विरोध में, वे उन राज्यों को देखते हैं जो अच्छी तरह से अनुकरण (थर्मल स्टेट्स) करने के लिए जाने जाते हैं, और इस सिमुलेशन का उपयोग हर्मिटियन पॉजिटिव सेमीफाइनल मेट्रिसेस के स्थायी मोंटे-कार्लो अभिकलन करने के लिए करते हैं। मैट्रिसेस के कुछ वर्गों के लिए, यह एल्गोरिथ्म पहले से ज्ञात एल्गोरिथम (गुरविट्स एल्गोरिथ्म) की तुलना में बेहतर सन्निकटन देता है।

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.