- 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。
1K10编辑于 2022-05-10 - 来自专栏量子位
谷歌计划今年实现“量子霸权”，使用7×7量子位阵列
陈桦 编译整理 量子位 出品 | 公众号 QbitAI 长期以来，量子计算机被认为可以带来最强大传统计算机所无法提供的计算能力。 现在，来自加州Goleta谷歌实验室的研究人员正准备使用数十个量子位来证明这一点。谷歌想要今年就实现“量子霸权”。 这支团队计划，在今年年底之前，将集成电路中的超导量子位数量提升至7x7阵列。 凭借这种量子集成电路，谷歌研究员希望展示，最强大的超级计算机能带来什么样的性能，从而证明“量子霸权”。 大部分这些量子位将被用于创建特殊量子态，从而完成计算及错误修正，从数千个不稳定的量子位中创造出上千个稳定的“逻辑量子位”。 在49个量子位的系统中，谷歌并没有开发额外的基础设施。 不过他认为，量子霸权的证明将是个重要里程碑，而这是制造大规模通用量子计算机过程中一个自然的衍生物。
82890发布于 2018-03-29 - 来自专栏ReganYue's Blog
【PTA】7-1 矩阵运算
个人认为这段代码还是太过冗长，希望有大佬指出哪里可以改进~ 给定一个n×n的方阵，本题要求计算该矩阵除副对角线、最后一列和最后一行以外的所有元素之和。副对角线为从矩阵的右上角至左下角的连线。 输入格式: 输入第一行给出正整数n（1 输出格式: 在一行中给出该矩阵除副对角线、最后一列和最后一行以外的所有元素之和。 输入样例: 4 2 3 4 1 5 6 1 1 7 1 8 1 1 1 1 1 输出样例: 35 #include int main() { int n; scanf("%d",&n)
82220发布于 2021-09-16 - 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。
1.3K40发布于 2021-05-21 - 来自专栏量子化学
《量子化学软件基础》习题（7）
注意，即使是Pople开发的6-31类型基组，BDF、ORCA等量子化学程序也使用5d基函数。
1.4K20编辑于 2022-12-07 - 来自专栏LET
坐标系与矩阵(7): 相机校正
模型视图矩阵，在视觉中称为extrinsic parameters： ? 后者对应上一篇的 ? ，在视觉中称为intrinsic parameters。 ? ? ，假设存在一个image plane来成像，存在矩阵 ? 满足该投影转换。假设 ? 是图片的中心点，f为焦距，同样基于相似三角形，可得： ? ? 矩阵，也就是相机的intrinsic parameters ? ： ? 我笔记本摄像头对应的参数 这样，在online阶段，我们可以基于原点 ? 至此，完成了坐标系与矩阵系列。 关于坐标系，不妨看看相对论（我也只是科普水平），当我们把时间也作为坐标系中的一个维度，可能会有新的体会；关于矩阵，分享一下黑客帝国1中，Morpheus说的一句话：’unfortunately, no
1.7K40发布于 2021-07-20 - 来自专栏深入理解Android
leetcode刷题（7）——搜索二维矩阵
编写一个高效的算法来判断 m x n 矩阵中，是否存在一个目标值。该矩阵具有如下特性： 每行中的整数从左到右按升序排列。 每行的第一个整数大于前一行的最后一个整数。 示例 1: 输入: matrix = [ [1, 3, 5, 7], [10, 11, 16, 20], [23, 30, 34, 50] ] target = 3 输出: true 示例 2: 输入: matrix = [ [1, 3, 5, 7], [10, 11, 16, 20], [23, 30, 34, 50] ] target = 13 输出: false 思路
38320编辑于 2022-06-22 - 来自专栏新智元
433个量子比特！IBM发布最大超导量子计算机，比特数量超谷歌7倍
周三，IBM召开了2022年IBM量子峰会，宣布在量子硬件和软件方面均取得了新的突破性进展，并概述了其对以量子为中心的超级计算的开创性愿景。 虽然不同的量子计算机公司对其量子比特的功率有不同的说法，但量子比特的数量，或称量子比特，是使用量子力学的量子计算机功率的一个标志，而量子比特可以通过许多不同的方式创建。 随着我们不断提高量子系统的规模，使其使用更简单，我们将看到量子技术的使用和量子计算行业的成长。」 探索量子计算的路上，IBM稳步前行 那么，这款IBM史上最强量子计算机的发布，对我们来说又意味着什么呢？这还要从量子计算机能做的事儿说起。 理论上讲，量子能够以更快的方式进行运算。 2021年，IBM 推出了首款拥有100多个量子比特的量子处理器Eagle。它不仅使原来达到的量子比特数增加了一倍，还成为了IBM第一台超过100比特的量子计算机。
86720编辑于 2023-01-07 - 来自专栏算法channel
机器学习储备（7）：numpy一维数组和矩阵
注意在线代中的矩阵都是二维数组，观察我们开始说的那个A，它本质上并不是矩阵，只是一个一维数组，关于什么是数组的维数测试，请看本文第3节，所以它要提升1个维度。 但是有一种情况，会很特殊，如果数组只有一行，例如： B = array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10])，看一下几行几列： np.shape(B) (10 numpy中的写法如下所示： B2 = array([[ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]]) 此时B2的 shape 结果显示：(1,10) 那么这是如何做到的呢 B = array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]) np.ndim(B) 1 B2 = array([[ 1, 2, 3, 4, 5, 6 , 7, 8, 9, 10]]) np.ndim(B2) 2 再体验一个维数为3的数组： test = [[[1,2,3]],[[4,8,12]]] np.ndim(test) 3 4 总结 总结以上所述
1.5K80发布于 2018-04-02 - 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
2.4K20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 3-7 Numpy 中的矩阵运算
n = 10 L = [i for i in range(n)] print(2 * L) ''' [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 0, 1, 2, 3, 4, 5, 6 , 7, 8, 9] ''' 显然，在 Python 中，列表 * N 中的 * 运算符为重复操作，将列表中的每个元素重复 N 次。 矩阵运算 NumPy 还支持矩阵和矩阵之间的运算。 np.linalg.inv(A) # 计算矩阵A的逆矩阵 在线性代数中，原矩阵和逆矩阵（或逆矩阵和原矩阵）进行矩阵相乘的运算，结果为单位矩阵。 )，它们之间满足矩阵 X 和 X 的伪逆矩阵进行矩阵相乘的运算，结果为单位矩阵。
1.6K20编辑于 2022-05-25 - 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。
66810编辑于 2025-03-07 - 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。
2.2K63编辑于 2023-01-18 - 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。
3.8K83编辑于 2022-12-11 - 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。
2.7K114编辑于 2022-12-31 - 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。
2K72编辑于 2022-12-10 - 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,...
7.6K30发布于 2020-11-24 - 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 , 以及步长 , 自动列举出矩阵 ; % 矩阵构造 , 从 1 到 50 , 间隔步长 7 % 这三个值都不能缺省 B = 1:7:50 执行结果 : 3、矩阵重复设置 设置一个已经给定的矩阵的行列重复次数 , 3, 4; 5, 6, 7, 8] B = [9, 10, 11, 12; 13, 14, 15,16] % 矩阵相加就是对应位置相加 % 只有行列相等的矩阵才能相加 C = A + B 执行结果 矩阵构造 % 矩阵构造 , 列举出完整的矩阵元素 A = [1, 2, 3, 4, 5, 6] % 矩阵构造 , 从 1 到 50 , 间隔步长 7 % 这三个值都不能缺省 B = 1:7:50 矩阵计算 % 定义两个矩阵 A = [1, 2, 3, 4; 5, 6, 7, 8] B = [9, 10, 11, 12; 13, 14, 15,16] % 矩阵相加就是对应位置相加 % 只有行列相等的矩阵才能相加
2.3K10编辑于 2023-03-29 - 来自专栏安富莱嵌入式技术分享
【STM32H7的DSP教程】第21章 DSP矩阵运算-加法，减法和逆矩阵
返回值，ARM_MATH_SUCCESS表示成功，ARM_MATH_SIZE_MISMATCH表示矩阵大小不一致。 注意事项： 使用了饱和运算，输出结果范围[0x8000 0x7FFF]。 返回值，ARM_MATH_SUCCESS表示成功，ARM_MATH_SIZE_MISMATCH表示矩阵大小不一致。 注意事项： 使用了饱和运算，输出结果范围[0x8000 0x7FFF]。 ）： 下面我们通过Matlab来实现求逆矩阵（在命令窗口输入）： 21.7 实验例程说明（MDK） 配套例子： V7-216_DSP矩阵运算（加法，减法和逆矩阵） 实验目的： 学习DSP复数运算（加法， HAL 库初始化，此时系统用的还是H7自带的64MHz，HSI时钟: - 调用函数HAL_InitTick，初始化滴答时钟中断1ms。 HAL 库初始化，此时系统用的还是H7自带的64MHz，HSI时钟: - 调用函数HAL_InitTick，初始化滴答时钟中断1ms。
2.3K20发布于 2020-05-12
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