- 综合排序
- 最热优先
- 最新优先
- 来自专栏Dechin的专栏
量子计算基础——矩阵语言
技术背景 量子计算作为一种新的计算框架，采用了以超导、离子阱等物理体系的新语言来描述我们传统中所理解的矩阵运算。不同于传统计算机中的比特（经典比特）表示方法，量子计算的基本单元被称为量子比特。 我们可以通过一个布洛赫球的模型来理解二者的区别： image.png 量子比特与量子操作 image.png 量子比特与量子操作 image.png image.png image.png image.png 总结概要 量子计算是一门当下非常火热的技术，抛开个别企业对量子计算的过分吹嘘不谈，其本身是一门非常有意义的跨学科研究领域。 本文仅从非物理科班专业的角度——用矩阵的语言去描述量子计算的基础单元和基础操作，包含量子态的含义、单比特量子门操作以及两比特量子门操作的矩阵形式。
99510编辑于 2022-05-10 - 来自专栏AI机器学习与深度学习算法
机器学习入门 10-7 ROC曲线
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍描述TPR和FPR两个指标的ROC曲线，并通过编程绘制ROC曲线。通常在实际使用中使用ROC曲线下面的面积来评估不同模型之间的优劣，最后使用sklearn中的roc_auc_score函数返回ROC曲线下面的面积。
2.3K10发布于 2020-05-14 - 来自专栏mysql
hhdb数据库介绍(10-7)
为方便更换管理平台的产品Logo以及产品名称信息。引入“OEM管理功能”对外提供可视化更新Logo以及产品名称信息的入口。
50310编辑于 2025-03-11 - 来自专栏Dechin的专栏
使用绝热演化量子退火算法求解矩阵本征态
绝热演化与量子退火 绝热演化过程可以这么理解，在求解一个已知哈密顿矩阵 H_1 的本征态时，先制备一个容易计算出本征态的哈密顿矩阵 H_0 所对应的物理系统，并使得该物理系统出于对应的本征态 \left D-wave这个公司就以此为出发点，发明了量子退火机，并且已经初步实现了其商业价值。 量子退火，实际上就是利用了绝热演化的原理：通过调制超导比特之间的耦合关系和对每个比特的控制，先制备一个本征能量较高的超导物理系统，然后精准控制物理温度缓慢降温，就可以实现到目标哈密顿矩阵的绝热演化。 绝热演化/量子退火算法Python模拟实现 首先我们定义一些常规的泡利矩阵： import numpy as np sigmai = np.array([[1, 0], [0, 1]], dtype = 除了上述定义的哈密顿矩阵之外，我们还需要定义一个常用的量子力学操作：归一化。
1.2K40发布于 2021-05-21 - 来自专栏Dechin的专栏
量子计算基础——量子测量
技术背景 在上一篇博客中，我们用矩阵的语言介绍了量子计算中基本量子单元——量子比特，与量子门操作的相关概念。通过对量子态的各种操作，相当于传统计算机中对经典比特的操作，就可以完成一系列的运算了。 但是量子计算的一个待解决的问题是，所有存储在量子态中的信息是没办法从经典世界直接读取的，只能通过量子测量，使得量子态坍缩到经典比特之后，才能够在经典世界里进行读取。 量子测量的矩阵形式 image.png 可以看到，采样得到量子态并不是完全等同于理论预测值，但是也非常的接近，采样得到 \left|1\right> 态的概率约为：49.22%。 Z轴上进行，可以简单的理解为，把一个布洛赫球上的量子态矢量投影到Z轴上进行读取，最后得到一个统计的结果，布洛赫球的示意图如下所示： 如果用数学矩阵来表示的话，Measure在量子计算中使用到了一个Observable 测量基得到的结果是这样的形式： P=\left<\psi_t\right|O\left|\psi_t\right> 然后把我们上述所得到的量子态矢量与测量基矩阵代入到上面的这个式子中，就可以得到以下的测量结果
2.3K20编辑于 2022-05-10 - 来自专栏Lansonli技术博客
量子计算（二十）：量子算法简介
量子算法简介一、概述量子算法是在现实的量子计算模型上运行的算法，最常用的模型是计算的量子电路模型。 虽然所有经典算法都可以在量子计算机上实现，但量子算法这个术语通常用于那些看起来是量子的算法，或者使用量子计算的一些基本特性，如量子叠加或量子纠缠。 使用经典计算机无法判定的问题，使用量子计算机仍然无法来确定。量子算法有趣的是，它们可能能够比经典算法更快地解决一些问题，因为量子算法所利用的量子叠加和量子纠缠可能不可以在经典计算机上有效地模拟。 量子优势意味着量子计算机在处理某些领域问题上，超过了传统计算机的表现，相对于霸权而言，量子优势更注重量子算法以及实际的领域应用。 可以说，量子优势是NISQ量子计算机领域的皇冠，谁夺取了皇冠，谁就证明了量子计算机可以投入到现实应用中。
2.1K63编辑于 2023-01-18 - 来自专栏全栈程序员必看
模型矩阵、视图矩阵、投影矩阵
总而言之，模型视图投影矩阵=投影矩阵×视图矩阵×模型矩阵，模型矩阵将顶点从局部坐标系转化到世界坐标系中，视图矩阵将顶点从世界坐标系转化到视图坐标系下，而投影矩阵将顶点从视图坐标系转化到规范立方体中。 ；如果局部坐标系还要继续变换，只要将新的变换矩阵按照顺序左乘这个矩阵，得到的新矩阵能够表示之前所有变换效果的叠加，这个矩阵称为「模型矩阵」。 这个表示整个世界变换的矩阵又称为「视图矩阵」，因为他们经常一起工作，所以将视图矩阵乘以模型矩阵得到的矩阵称为「模型视图矩阵」。 考虑一辆行驶中的汽车的轮胎，其模型视图矩阵是局部模型矩阵（描述轮胎的旋转）左乘汽车的模型矩阵（描述汽车的行驶）再左乘视图矩阵得到的。 投影矩阵 投影矩阵将视图坐标系中的顶点转化到平面上。 最后，根据投影矩阵×视图矩阵×模型矩阵求出模型视图投影矩阵，顶点坐标乘以该矩阵就直接获得其在规范立方体中的坐标了。这个矩阵通常作为一个整体出现在着色器中。
3.6K20编辑于 2022-08-27 - 来自专栏Python项目实战
量子计算的未来蓝图：从量子比特到量子霸权
量子计算的未来蓝图：从量子比特到量子霸权量子计算机，这一科技领域的终极梦想，正在用它的量子特性改变计算方式。 一、量子计算的基本原理量子计算的基础在于量子力学的两个核心特性：叠加与纠缠。叠加原理：与传统计算机的比特不同，量子比特（qubit）可以同时处于0和1的叠加态，使得量子计算机可以并行处理大量计算。 二、发展阶段：从量子初学到霸权量子计算的发展可分为以下几个主要阶段：1. 量子探索期（2000年之前）这是一切的起点。从理论提出到初步实验，科学家们验证了量子计算的可能性。 量子原型期（2000-2020）这一阶段，主要是尝试构建基础量子计算机，例如：IBM Q系统Google的量子芯片“Sycamore”突破案例：量子霸权2019年，Google宣布实现量子霸权，其量子计算机在 三、量子计算的技术挑战要实现真正可用的量子计算机，我们面临以下几个关键挑战：量子误差校正：量子比特容易受到环境干扰，造成错误。硬件稳定性：需要保持“量子态”长时间稳定。
59910编辑于 2025-03-07 - 来自专栏Lansonli技术博客
量子计算（十四）：超导量子芯片
超导量子芯片超导量子计算是基于超导电路的量子计算方案，其核心器件是超导约瑟夫森结。 由于近年来的迅速发展，超导量子计算已成为目前最有希望实现通用量子计算的候选方案之一。超导量子计算实验点致力于构建一个多比特超导量子计算架构平台，解决超导量子计算规模化量产中遇到的难题。 2016年基于这个芯片实现了对氢分子能量的模拟，表明了其对于量子计算商用化的决心。2017年，Google发布了实现量子计算机对经典计算机的超越——“量子霸权“的发展蓝图。 2018年年初，其设计了72比特的量子芯片，并着手进行制备和测量，这是向实现量子霸权迈出的第一步。 ，并迎头赶上，同时，合肥本源量子公司也正在开发6比特高保真度量子芯片，如下图（d）所示。
2.6K114编辑于 2022-12-31 - 来自专栏Lansonli技术博客
量子计算（十）：量子计算原理
一、酉变换酉变换是一种矩阵，也是一种操作，它作用在量子态上得到的是一个新的量子态。 这项系数称为量子态的整体相位。因为任何操作和测量都无法分辨两个相同的密度矩阵，所以量子态的整体相位一般情况下是不会对系统产生任何影响的。 五、泡利矩阵泡利矩阵（Pauli matrices）有时也被称作自旋矩阵（spin matrices）。有以下三种形式分别是三个泡利矩阵所表示的泡利算符代表着对量子态矢量最基本的操作。 对于一个处于|〉的量子态，将这个量子逻辑门作用在上面时，相当于将这个量子逻辑门代表的酉矩阵左乘这个量子态的矢量，然后得到下一个时刻的量子态|〉。即这个表达式对于所有的单比特门或者多比特门都是适用的。 对于一个有n个量子比特的量子系统，它的演化是通过一个的酉矩阵来表达。
3.7K83编辑于 2022-12-11 - 来自专栏Lansonli技术博客
量子计算（七）：量子系统
内积和外积对于任意的两个量子态的矩阵（坐标）表示如下：其内积定义为：其外积定义为：表示一个nxn矩阵。 根据可逆矩阵的定义可知，U也是一个可逆矩阵，因此西变换也是一个可逆变换。而在量子计算中，各种形式的酉矩阵被称作量子门。 例如Pauli矩阵也是一组酉矩阵 以X门作用在量子态上为例 再如X门作用在任意的量子态上从上述中看出，量子态的演化本质上可以看作是对量子态对应的矩阵做变换，即是做矩阵的乘法。 对于一个纯态而言，密度矩阵的形式是： 而对于一个混合态而言，密度矩阵的形式是：其中是系统所处的态及其概率。 密度矩阵有以下的性质：对于一个两能级体系表述的态，不论是纯的还是混合的的都可以用密度矩阵表示编辑当且仅当量子态时纯态时成立。对角线上的分量表示整个系统如果经历一次测量，那么可以得到这个态的概率。
1.9K72编辑于 2022-12-10 - 来自专栏算法和应用
一种用于可分离的非负矩阵分解的量子启发经典算法
作者：Zhihuai Chen,Yinan Li,Xiaoming Sun,Pei Yuan,Jialin Zhang 摘要：非负矩阵分解（NMF）要求将（入口）非负矩阵分解为两个较小尺寸的非负矩阵的乘积 我们的新算法在秩中的多项式时间和输入矩阵的大小中以对数运行，这在低秩设置中实现指数加速。
1.1K20发布于 2019-07-18 - 来自专栏mathor
矩阵分析（十一）酉矩阵、正交矩阵
酉矩阵 若n阶复矩阵A满足 A^HA=AA^H=E 则称A是酉矩阵，记为A\in U^{n\times n} 设A\in C^{n\times n}，则A是酉矩阵的充要条件是A的n个列（或行）向量是标准正交向量组 酉矩阵的性质 A^{-1}=A^H\in U^{n \times n} \mid \det A\mid=1 A^T\in U^{n\times n} AB, BA\in U^{n\times n} 酉矩阵的特征值的模为 1 标准正交基到标准正交基的过渡矩阵是酉矩阵 酉变换 设V是n维酉空间，\mathscr{A}是V的线性变换，若\forall \alpha, \beta \in V都有 (\mathscr{A}(\alpha ), \mathscr{A}(\beta))=(\alpha,\beta) ---- 正交矩阵 若n阶实矩阵A满足 A^TA=A^A=E 则称A是正交矩阵，记为A\in E^{n\times n} 设A （或正交矩阵） ---- 满秩矩阵的QR分解 若n阶实矩阵A\in \mathbb{C}^{n\times n}满秩，且 A = [\alpha_1,...
7.5K30发布于 2020-11-24 - 来自专栏运维开发王义杰
量子计算机：核心概念量子叠加和量子纠缠解析
量子计算机的两个核心概念——量子叠加和量子纠缠，是理解量子计算机如何运作的关键。这两个概念来源于量子力学，是量子计算机区别于传统计算机的基础。 在本文中，我将尝试用简单的语言解释这两个复杂的概念，并分析它们在量子计算中的作用。 量子叠加：一种超越经典逻辑的状态 量子叠加是量子力学的基本特性之一。 在量子计算机中，qubit就像这种特殊的开关，它可以同时处于多种状态，直到被测量的那一刻。 叠加的计算优势 量子叠加使得量子计算机能够同时进行大量计算。 这种能力使量子计算机在执行某些任务时，特别是那些需要同时考虑多种可能性的任务时，比传统计算机快得多。 量子纠缠：神秘的量子联系 量子纠缠是另一个量子力学的核心概念。 结论 量子叠加和量子纠缠是量子计算机的两个基石。这些概念在传统逻辑和经典物理中可能难以完全理解，但它们为处理大数据和进行高复杂度计算提供了前所未有的可能性。
1.4K10编辑于 2024-02-26 - 来自专栏韩曙亮的移动开发专栏
【MATLAB】矩阵操作 ( 矩阵构造 | 矩阵运算 )
文章目录 一、矩阵构造 1、列举元素 2、顺序列举 3、矩阵重复设置 4、生成元素 1 矩阵 二、矩阵计算 1、矩阵相加 2、矩阵相减 3、矩阵相乘 4、矩阵对应相乘 5、矩阵相除 6、矩阵对应相除 , 现在有 16 列 C = repmat(B, 3, 2) 执行结果 : 4、生成元素 1 矩阵 矩阵构造 , 生成指定行列的矩阵, 矩阵元素是 1 ; % 矩阵构造 , 生成 3 行 3 列的矩阵 : 2、矩阵相减 矩阵相减就是对应位置相加 , 只有行列相等的矩阵才能相减 ; % 矩阵相减就是对应位置相加 % 只有行列相等的矩阵才能相减 D = A - B 执行结果 : 3、矩阵相乘 矩阵相乘 : 第一个矩阵的行数等于第二个矩阵的列数 , 第一个矩阵的列数等于第二个矩阵的行数 , 满足上面两个条件 , 才可以相乘 ; % 矩阵相乘 % 第一个矩阵的行数等于第二个矩阵的列数 , % 第一个矩阵的列数等于第二个矩阵的行数 C = A + B % 矩阵相减就是对应位置相加 % 只有行列相等的矩阵才能相减 D = A - B % 矩阵相乘 % 第一个矩阵的行数等于第二个矩阵的列数 , % 第一个矩阵的列数等于第二个矩阵的行数
2.2K10编辑于 2023-03-29 - 来自专栏量子发烧友
量子+AI：量子计算加速机器学习
量子数据可以在量子处理器、传感器、网络中产生和模拟，包括化合物模拟、量子控制、量子通信网络、量子方法等。 它包括解决组合优化问题和量子化学模拟等挑战的资源，以及支持量子电路模型和通用量子计算的复杂变量定义和矩阵乘法。 # 设置模拟方式为密度矩阵 paddle_quantum.set_backend('density_matrix') class QGAN(paddle_quantum.gate.Gate): self.disc_target_as_target() return loss def get_target_state(self): """ 得到目标态的密度矩阵表示 return state.numpy() def get_generated_state(self): """ 得到生成态的密度矩阵表示
2.1K40编辑于 2023-02-24 - 来自专栏Lansonli技术博客
量子计算（五）：量子计算的发展
量子计算的发展一、量子信息科学类似经典计算之于宏观物理的关系，量子计算同样也与微观物理有着千丝万缕的联系。在微观物理中，量子力学衍生了量子信息科学。 量子信息科学是以量子力学为基础，把量子系统“状态”所带的物理信息，进行信息编码、计算和传输的全新技术。 在量子信息科学中，量子比特（qubit ）是其信息载体，对应经典信息里的 0 和 1，量子比特两个可能的状态一般表示为|0>和 |1>。 量子信息技术内容广泛，由于它是量子力学与信息 科学形成的一个交叉学科，所以它有很多分支，最主要的两支为量子通信和量子计算。 量子通信主要研究的是量子介质的信息传递功能进行通信的一种技术，而量子计算则主要研究量子计算机和适合于量子计算机的量子算法。
2.1K42编辑于 2022-12-09 - 来自专栏全栈程序员必看
对角矩阵单位矩阵_矩阵乘单位矩阵等于
import numpy as np '''------------------------------------创建矩阵---------------------------''' ''' 创建矩阵 -------------------------''' ''' triu():提取矩阵上三角矩阵 (upper triangle of an array.) triu（m, k=0） m：表示一个矩阵 -------------------------''' ''' tril():提取矩阵下三角矩阵 (lower triangle of an array.) ''' #k=0表示正常的下三角矩阵 e __class__) #<class 'numpy.ndarray'> #将数组转为矩阵形式 h1 = np.mat(h) print(h1. ") #k=-1表示对角线的位置下移1个对角线 j = np.diag(a, k=-1) print(j) #[4 8] print("-----\n") ''' 使用两次np.diag() 获得二维矩阵的对角矩阵
2.4K10编辑于 2022-09-20 - 来自专栏Lansonli技术博客
量子计算（十八）：量子计算机
量子计算机一、量子计算机整体架构1、量子计算的定位：异构计算量子计算领域属于一个新兴高速发展的领域，在近二十年间，不论是量子算法的研究，还是量子芯片的研发均取得了巨大的进展。 2、量子汇编语言的编译原则量子高级语言会根据底层芯片的特点，通过量子程序编译器，编译为量子汇编语言。量子程序编译器一般会考虑两个方面：量子芯片可执行的量子逻辑门种类和量子比特的连通性。 量子芯片提供的可直接执行的逻辑门是完备的，即可以表征所有的量子比特逻辑门，因此，如果量子高级语言描述的量子程序中包含了量子芯片不可直接执行的量子逻辑门，量子程序编译器会根据量子芯片提供的量子逻辑门将其转化为可执行量子逻辑门构成的序列 对于链式结构，量子比特成链状排布，每个量子比特只能与其相邻的两个量子比特执行两量子比特逻辑门；对于十字结构，量子比特成方阵装排布，每个量子比特能与其相邻的四个量子比特执行两量子比特逻辑门；对于全连通结构 如果量子高级语言描述的量子程序中包含量子芯片不可直接执行的两量子比特逻辑门，量子程序编译器会根据量子芯片的连通性，利用交换门和可执行的两比特门的序列，取代量子程序中的两量子比特逻辑门。
1.6K92编辑于 2022-12-31 - 来自专栏月色的自留地
量子计算及量子计算的模拟
通常对于量子计算机的理解就是，因为量子计算机的存储特征，可以处理很大的数据，而不是像传统计算机那样只是处理1、0二进制数，因此计算效率更高。 ，这是量子物理重要的一个特征。 这在量子计算机的制造和算法的研究中，都必须考虑到的问题。 量子密码 因为不可测的特征带来的无法窃听和不可克隆特征，强大的量子计算能力虽然对传统的密码学是一个灾难，但同时也会出现新的、更强大的加密算法。 现在计算机中最耗能的几项运算：挖矿、图形图像、深度学习等，都是转换成向量和矩阵进行运算的。 单量子比特门 如同传统计算机一样，量子计算机也是通过逻辑门的运算来完成实际运算的。
1.8K50发布于 2018-06-20
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号