양자 컴퓨팅의 발전으로 새로운 클래식 알고리즘이 개발되었습니다. 최근의 주목할만한 예는 선형 대수학에 대한 양자 영감 알고리즘입니다.
그리고 Max 3LIN의 경우 :
양자 컴퓨팅에서 영감을 얻은 알려진 모든 고전 알고리즘 목록을 컴파일하는 것이 매우 유용 할 수 있습니다. 다른 예는 무엇입니까?
답변:
양자 알고리즘에 직접 기반하지는 않지만 여전히 동일한 양자 영감 기법을 사용하는 낮은 등급의 반정의 프로그래밍 에 대한 최근 연구가 있습니다.
양자 계산 기술을 사용하는 실제 알고리즘과 함께 양자 영감 진화 알고리즘 (QIEA)과 관련된 모든 작업이 있습니다 (측량 (source ACM) 참조 ) . 다른 양자 영감 알고리즘은 수치 최적화 에이 알고리즘을 사용합니다 .
양자 몬테 카를로 양자 어닐링 (QMC-QA 1 ) 또는 이산 시간 시뮬레이션 된 양자 어닐링 (SQA 2 ) 알고리즘은 최근 연구 에서 테스트 된 D-Wave 디바이스보다 더 잘 수행되었습니다 .
우리는 기존의 시뮬레이션 된 어닐링에 비해 실험적인 양자 어 닐러에 대한 스케일링 이점의 첫 번째 예를 확립합니다. D-Wave 디바이스는 테스트 할 수있는 문제 크기 범위에서 95 %의 신뢰도로 시뮬레이션 된 어닐링보다 훨씬 우수한 스케일링을 나타냅니다. . 그러나, 우리는 양자 속도 향상에 대한 증거를 찾지 못한다 : 시뮬레이션 된 양자 어닐링은 상당한 마진에 의해 최고의 스케일링을 나타낸다.
D-Wave 장치와 SQA는 특정 문제 인스턴스에서 SA보다 성능이 뛰어 나기 때문에 SQA가 일종의 양자 영감 알고리즘이라는 인상을줍니다. 또한 D-Wave 2000Q 프로세서를 테스트 한 새로운 연구 결과는 SQA보다 그 연구에서 제안 된 "스핀-벡터 몬테 카를로 (SVMC) 알고리즘"이라는 고전 모델 과 더 나은 성능을 보여 줍니다.
우리는 이것을 사용하여 SQA에 비해 양자 어 닐러가 느려지는 주요 이유는 온도가 최적보다 낮기 때문에 SVMC와 비슷하게 동작한다고 주장합니다. 따라서, 논리식 인스턴스 클래스에서 SQA의 강력한 성능은이 클래스가 QA 하드웨어를 사용하여 최종 양자 속도 향상을 탐색하기위한 좋은 목표 또는 기초임을 암시합니다.
배경 D-Wave 이야기를 무시해도 SQA가 특정 문제에 대해 고전적인 시뮬레이션 어닐링 (및 다른 최적화 알고리즘)을 능가하는 양자 영감 최적화 알고리즘이라고 결론 내릴 수 있습니까? 때에 따라 다르지. 목표가 실제로 일부 양자 시스템의 지상 상태를 찾는 것이라면 그 대답은 그렇습니다. 그러나 목표가 시뮬레이션 어닐링과 유사한 범용 최적화 알고리즘을 갖는 것이라면 그 대답은 '아니오'입니다.
양자에서 영감을 얻은 선형 유전자 프로그래밍을 살펴보십시오. 이 알고리즘은 컴퓨터 프로그램을 명령형 언어로 유도하는 것을 목표로합니다. 예 :
https://www.researchgate.net/project/Quantum-Inspired-Linear-Genetic-Programming
지식 관리 시스템으로서의 양자 영감 선형 유전자 프로그래밍, 2013 년 8 월, Computer Journal 56 (9) : 1043-1062, Douglas Mota Dias 및 Marco Aurelio C. Pacheco https://doi.org/10.1093/comjnl/bxs108