- 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 - 来自专栏全栈程序员必看
Python求逆矩阵_3x3下三角矩阵求逆矩阵
1：导入包numpy from numpy import * 2: 定义初始化矩阵 a1 = mat([[3,4],[2,16]]) //这是一个2×2的矩阵 3：求a1的逆矩阵 a2
1.1K30编辑于 2022-09-25 - 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 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。 在组合优化常规问题中，并未声明对求解精度的要求，在其他领域中一般的精度要求在 1\times 10^{-3} ，所以我们这里也标识了要达到这个期望精度所需要的演化要求。
1.2K40发布于 2021-05-21 - 来自专栏Golang开发
线性代数——(3)矩阵
线性变换 1 直线依旧是直线 2 原点必须保持固定 矩阵定义Matrix 方阵 image.png 上三角和下三角 image.png 对角矩阵 image.png 矩阵相等 image.png 矩阵的加法 image.png 矩阵加法的运算规律 image.png 数与矩阵相乘 image.png 矩阵与矩阵相乘 image.png 将两列分别于x和y相乘后加和的结果定义为矩阵向量的乘积 image.png 首先应用右侧矩阵所描述的矩阵，然后在应用左侧矩阵所描述的变换 image.png 矩阵乘积不满足交换律 image.png 矩阵乘积的运算规律 image.png 可交换矩阵 image.png 线性方程组的矩阵表示 image.png 方阵的幂 image.png 矩阵多项式 矩阵的转置 image.png image.png 对称阵 image.png 单位矩阵 image.png 逆矩阵 image.png image.png image.png image.png image.png 基变换 image.png 逆矩阵的集合表示 image.png 矩阵可逆的判断
84661发布于 2019-05-28 - 来自专栏Python机器学习算法说书人
SciPy 稀疏矩阵（3）：DOK
当然，构造实例的方法主要有 3 种： dok_matrix(D)：D 是一个普通矩阵（二维数组）。 dok_matrix(S)：S 是一个稀疏矩阵。 索引操作和切片操作： >>> mtx[1, 1] 0.0 >>> mtx[1, 1:3] <1x2 sparse matrix of type '<class 'numpy.float64'>' with 1 stored elements in Dictionary Of Keys format> >>> mtx[1, 1:3].todense() matrix([[0., 1.]]) >>> mtx[[2, 1], 1:3].todense() matrix([[1., 0.], [0., 1.]]) 然而，无论是 COO 格式的稀疏矩阵还是 DOK 格式的稀疏矩阵，进行线性代数的矩阵运算的操作效率都非常低。
1.2K50编辑于 2023-09-12 - 来自专栏又见苍岚
OpenCV - 矩阵操作 Part 3
简介 OpenCV 矩阵类的成员函数可以进行很多基本的矩阵操作，本文基于 《学习 OpenCV3 》中第五章的内容整理 Python OpenCV 矩阵操作函数。 内容列表 序号 函数 描述 1 cv2.phase() 计算二维向量的方向 2 cv2.polarToCart() 已知角度和幅度，求出对应的二维向量 3 cv2.pow() 对矩阵内的每个元素求幂 4 ., 1.], [2., 3., 2., 3., 2., 3.]], dtype=float32) 9. cv2.setIdentity() 将矩阵中对角线上的元素设为1，其他置0 , 1, 3, 0, 2, 5], [1, 2, 0, 5, 4, 3]], dtype=int32) 15. cv2.split() 将一个多通道矩阵分割成多个单通道矩阵 image cv2.subtract() 实现两个矩阵逐元素相减 mat_1 = np.ones([3,3]) mat_2 = np.zeros([3,3]) cv2.setIdentity(mat_2) res
2.2K31编辑于 2022-08-09 - 来自专栏互联网杂技
CSS3矩阵变换
obox.style.webkitTransform="matrix(0.3,0,0,0.3,20,20)" //obox.style.webkitTransform="matrix(0.3,0.3,0,0.3,20,20)" //如果要利用矩阵进行旋转
1K100发布于 2018-04-02 - 来自专栏游戏开发
3D 数学（1）-矩阵
向量与矩阵，矩阵与矩阵的乘法 不满足交换率 M_S = \begin{bmatrix}3&0&0\\0&3&0\\0&0&1\end{bmatrix} M_T = \begin{bmatrix}1&0& 0\\0&1&0\\2&2&1\end{bmatrix} M_{ST} = \begin{bmatrix}3&0&0\\0&3&0\\2&2&1\end{bmatrix} M_{TS} = \begin {bmatrix}3&0&0\\0&3&0\\6&6&1\end{bmatrix} \therefore M_{ST} \neq M_{TS} 平移、缩放、旋转（三维空间） 平移矩阵 T = \begin 图片 单位矩阵、逆矩阵 单位矩阵：是一个方阵，即行数和列数相等。 可逆性：单位矩阵是可逆矩阵，且其逆矩阵就是它本身 逆矩阵：若存在矩阵B ，使得AB=BA=I ，则A 可逆，B 为A 的逆矩阵 作用： 撤销变换： 假设原始向量v ，变换矩阵为A ，经过变换后得到向量v
51300编辑于 2025-02-13 - 来自专栏科学计算
3 数学运算 矩阵操作
既然是做科学计算，那肯定是少不了矩阵,先从简单的向量说起 首先定义一个简单的矩阵，在REPL中看返回的类型 a = [1,2,3,4] >>4-element Array{Int64,1}: 1 }: 1 2 3 4 c = [1 2 3 4] >>1×4 Array{Int64,2}: 1 2 3 4 再来看矩阵拼接中的空格 , ;的区别 x = ones(2,3) y = #表示把矩阵内部的Array作拼接 # 矩阵索引，从1开始 x[1] >>1 x[6] >>1 size(x) >>(2,3) length(x) >>6 sum(x) >>6 矩阵运算 a = collect (reshape(1:6,2,3)) b = ones(2,3) a .+ b a .- b a * b # error a .* b a * b' a / b a ./ b 函数对矩阵操作时，也要加 (a, [10,11,12]) arr = reshape(1:6, 2, 3) circshift(arr, (0,1)) circshift(arr, (1,-2)) 对于矩阵的基本操作中，很多
1.1K20发布于 2020-06-30 - 来自专栏Hank’s Blog
3-2 矩阵的子集
> x <- matrix(1:6,nrow=2,ncol=3) > x [,1] [,2] [,3] [1,] 1 3 5 [2,] 2 4 6 > x [1,2] [1] 3 > x[2,3] [1] 6 > x[1,] #第一行的内容 [1] 1 3 5 > x[,1] #第一列的内容 [1] 1 2 > x[2,c(2,3)] #第二行的第 2和第3个元素 [1] 4 6 > class(x[1,2]) [1] "integer" > x[1,2,drop=FALSE] [,1] [1,] 3 > x[1,2,drop 6 > class(x[1,2]) [1] "integer" > x[1,2,drop=FALSE] [,1] [1,] 3 > x[1,2,drop=TRUE] [1] 3
79620发布于 2020-09-16 - 来自专栏量子化学
《量子化学软件基础》习题 （3）
因此，这里的自旋多重度必须是3【小编注：小编在ORCA 4.2.1和5.0.3版本上都试过，BrokenSym 1,1优先级高于*xyz处的自旋多重度，因此这里的自旋多重度写1和3都不影响计算。 FlipSpin关键词后为要翻转自旋的原子序号（注意ORCA是从0 开始），FinalMs为翻转后体系的总磁量子数。使用FlipSpin关键词的输入文件如下： ! moread %moinp “ROHF.gbw” %casscf mult 3 nel 2 norb 2 nroots 1 end *xyzfile 0 3 c7h14.xyz 活性轨道28，29的图像及其自然轨道占据数如下 计算结果见表3： 表3 C7H14双自由基开壳层单重态的能量(in Hartree) 两个SOMO轨道图像和自然轨道占据数见图5， 图5 开壳层单重态下两个SOMO轨道 注意，在判断计算得到的是否为开壳层单重态时 在ORCA中把casscf模块nroots关键词设为3，在BDF中mcscf模块roots关键词设为3 3 1即可。ORCA和BDF的计算结果见表4，结果一致。
2.3K10编辑于 2022-12-07 - 来自专栏量子位
他用GPT-3实现了「量子速读」
Alex 发自 凹非寺 量子位 | 公众号 QbitAI 你是否曾为了查一个问题，翻书翻到头秃？ 要是书里有的内容，一问便知就好了......等等，“一问便知”，这怎么有ChatGPT那味儿了？ 开发者Dan Shippers称，做出这个AI并不难，主要功臣就是语言大模型GPT-3，另外再加几行代码就搞定了。 然后再在谷歌的云端编程平台Colab上，运行下面这段Python代码，既能访问Google Drive，还能轻松实现与GPT-3的互动。 Dan介绍称，GPT-3能以任何文本素材为基础，给你整出一个聊天bot。 不过有个问题：单次能向GPT-3输入的文本字数是有限的。 第三步，当用户提问时，先通过OpenAI的API访问书中包含相关解释的小块内容，再把这些内容传到GPT-3中，整理出语言通顺的回答。
43420编辑于 2023-04-10 - 来自专栏新智元
IonQ公布量子计算机发展蓝图 ：3年实现量子机器学习，5年实现广义量子优势
同时，不同于传统物理量子位，该公司还设计出全新衡量量子计算能力的「算法量子位」。一系列举措，又将会掀起怎样的波澜？ 今天，IonQ公布了捕获离子量子计算机的五年发展蓝图。 量子计算机的计算能力可能受到诸如量子位元寿命、相干时间、门保真度、量子位元数目等因素的限制。 随着量子计算机的改进，量子体积的数量增长过于快速，很快就会变得不可用。比如，其32量子位量子计算机的量子体积就可以达到400万。 IonQ将算法量子位定义为“能为一个典型的量子程序部署的最有效、最完美的量子位”，并表示它是衡量执行给定输入大小的真实量子算法能力的指标。该公司引入了一个算法量子位计算器来帮助使用者比较量子计算系统。 发动机器学习早期量子优势，IonQ五年规划信心满满 IonQ正在使用新的算法量子位来规划它的发展路线。该公司将专注于提高其量子逻辑门操作的质量，以继续增加算法量子位元或可用量子位元。
1.1K30编辑于 2023-05-22 - 来自专栏SpringCloud专栏
3 Spark机器学习 spark MLlib 矩阵向量、矩阵运算Breeze库-1
，其他全为0 val m3 = diag(DenseVector(1, 2, 3)) println(m3) //按照行创建矩阵 val 3 Breeze元素操作 元素的操作有很多种，譬如赋值、矩阵转换、调整形状、连接矩阵等。 操作名称 Breeze函数 调整矩阵形状 a.reshape(3,2) 矩阵转成向量 a.toDenseVector 矩阵复制 a.copy 取对象线元素 diag(a) 给子集赋数值 a(1 to 4 ) := 5.0 给子集赋向量 a(1 to 4) :=DenseVector(1,2,3) 矩阵赋值 a(1 to 3,1 to 3) := 5.0 矩阵列赋值 a(::,2) := 5.0 垂直连接矩阵 println(diagM1) 结果如下图，需要注意的是，diag只支持行列数一样的矩阵，譬如3行3列。
1.6K30发布于 2019-01-17 - 来自专栏LET
坐标系与矩阵(3):平移
这里，我们将一个2*2的矩阵升级为3*3的矩阵，这里要强调的是该矩阵是先旋转再平移，每个点扩增一个 ? 位，竟然将平移从非线性变成线性的关系，将旋转和平移统一在一个矩阵中，如此的神奇，这是为什么呢？ 前者是坐标点的移动，而后者是坐标系的移动，不同的思路，但最终的矩阵都是一致的。 坐标系和矩阵的基本概念介绍完毕，下一篇我们对应具体的应用场景，首先，先从GIS中大地坐标系和NEU这类的平面坐标系的转换开始吧。 p=3 如何通俗地讲解「仿射变换」这个概念： https://www.zhihu.com/question/20666664/answer/157400568 google drive上共享了pdf原版 drive：https://drive.google.com/drive/folders/1Tp_zDNkY4OuhJ3bagE8qD6N0eX6jU8pm?usp=sharing
2.6K20发布于 2021-07-20 - 来自专栏SpringCloud专栏
3 Spark机器学习 spark MLlib 矩阵向量、矩阵运算Breeze库-2
上一篇是矩阵的创建、连接等相关操作。 这一篇主要是矩阵的数值计算。 max} object Math { def main(args: Array[String]): Unit = { val a = DenseMatrix((1, 2, 3) 2 求和函数 主要是对矩阵内行、列等的求和函数。 //对第1行求和 println(sum(a(0, ::))) println("-----------") //对角线求和，必须是正方形矩阵 3 其他 此外还有很多，如布尔函数、线性代数函数、取整、四舍五入等等。就不多介绍，这些不太常用的可以在需要时去查api即可。
1.4K20发布于 2019-01-17 - 来自专栏岳泽以博客
C语言例题：给一个3*3的整型矩阵，将这个矩阵转置后输出。
矩阵转置：把矩阵A的行换成同序数的列得到的新矩阵 如： 解答此题：若给出的矩阵为{1,2,3},{4,5,6},{7,8,9} #include<stdio.h> int main(){ int a[3][3]={{1,2,3},{4,5,6},{7,8,9}}; for(int i=0;i<=2;i++){ for(int j=0;j<+0;j++){
2.3K20编辑于 2022-10-26 - 来自专栏机器人课程与技术
量子编程3个最高赞的案例分享
插件列表 量子编程已经由概念到落地，由落地到普及，各种资料也渐渐丰富： https://github.com/mxgmn/WaveFunctionCollapse 借鉴量子思想，由基本单元生成复杂模型图 引用自上述链接 https://github.com/Qiskit/qiskit-terra 轻松编写量子电路的python库 安装： pip3 install -U qiskit import 了解关键概念并编写你的第一个量子程序。 Microsoft Quantum 入门 概述 关于量子计算的五个问题 开始使用 生成量子随机数生成器 Q# 的量子基础知识 了解如何使用 Q# 编写作用巨大的量子程序 了解如何解决化学领域的最大挑战 所有示例 Q# 语言和开发技术 学习 Q# 语言介绍 操作指南 量子模拟器和主机应用程序 操作指南 Q# 编程概述 运算和函数 局部变量 使用量子位 组合量子：隐形传送 量子计算概念
1.4K42发布于 2019-11-14 - 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 - 来自专栏码农爱学习的专栏
3维旋转矩阵推导与助记
用矩阵形式重新表示为： ? 这就是二维旋转的基本形式，中间的矩阵即二维旋转的旋转矩阵，坐标中的某一向量左乘该矩阵后，即得到这个向量旋转β角后的坐标。 照搬上面的推导公式，并添加Z坐标的变换关系(实际是没有变)，然后改写成矩阵形式，红色方框即为绕Z轴的旋转矩阵。 ? 最终的矩阵形式要进一步改写成XYZ的顺序。红色方框即为绕Y轴的旋转矩阵。 ? ? 2.3 绕X轴 参照绕Y轴的推导，可以得到绕X轴的结果。红色方框即为绕X轴的旋转矩阵。 ? ? 2.4 助记 对于单位矩阵，绕哪个轴旋转，哪一列不用变，然后将二维旋转矩阵替换对应的4个位置，注意，绕Y的旋转矩阵看起来与另外两个不同，它的-sinβ是在左下！ ? 3 注意事项 3.1 反向旋转 如果是反向旋转一个角度，推导过程类似： ? 最终得到的旋转矩阵其实是正向旋转矩阵的逆矩阵，由于这个矩阵是正交阵，所以逆矩阵就是转置矩阵。 ?
3K50发布于 2020-08-11
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