양자 알고리즘에 대한 추론: 위상 추정, 진폭 증폭 등

양자 알고리즘을 설계하거나 평가하려면 소수의 빌딩 블록을 능숙하게 사용해야 합니다. 위상 추정, 진폭 증폭, 양자 푸리에 변환은 많은 알고리즘에서 반복되며, 이를 인식하는 것이 논문을 수동적으로 읽는 것과 깊이 이해하는 것의 차이입니다. 연구자와 실무자가 실제로 양자 알고리즘 설계에 접근하는 방법을 반영하는 서면 추론 훈련을 통해 작업합니다. 강조 점은 발생하는 새로운 알고리즘에 적용할 수있는 직관력을 개발하는 것입니다. 무엇을 배울 것인가: - 양자 푸리에 변환을 요인화 및 주기 찾기의 빌딩 블록으로 적용 - 단위 연산자로부터 고유값을 추출하기 위한 일반적인 기법으로 위상 추정을 사용 - Grover-style 검색의 일반화로서 진폭증폭에 대한 이유 - 숨겨진 하위 그룹 문제에 대한 알고리즘을 이해하기 위해 빌딩 블록을 결합하십시오. - 변분 양자 알고리즘이 어떻게 고전적 최적화를 양자 회로와 결합하는지 읽어보십시오. - 최근의 양자 문헌에서 속도 향상 주장 뒤에 있는 가정과 한계를 인식 양자 푸리에 변환에서 위상 추정, 진폭 증폭, 숨겨진 하위 그룹 접근법, 변이 알고리즘을 거쳐 진행됩니다. 캡스톤 서면 훈련은 선택한 양자 알고리즘을 거쳐가고 그 구성 요소와 가정을 식별하도록 요구합니다. 이 과정은 기본적인 선형 대수학과 양자 컴퓨팅의 기초 개념을 처음 배우는 학생들을 위해 고안되었습니다. 컴퓨터 과학, 수학, 물리학을 공부하는 학생들도 참여할 수 있습니다. 이전 알고리즘 설계 경험은 필요하지 않습니다. 이 과정에서는 양자 알고리즘 추론을 구조화된 연습을 통해 개발할 수 있는 기술로 취급합니다.