- 综合排序
- 最热优先
- 最新优先
- 来自专栏深入浅出区块链技术
Meter Bridge && Qubit Bridge
Qubit 参考链接：https://twitter.com/peckshield/status/1486841239450255362[5] tx[6] tx2[7] 错误原因： 用户 →Bridge
78510编辑于 2022-04-08 - 来自专栏机器之心
业界 | 谷歌推出72-qubit量子处理器Bristlecone，意图实现「量子霸权」
选自Google Research Blog 作者：Julian Kelly 机器之心编译 参与：黄小天、刘晓坤 今天，谷歌在洛杉矶举办的美国物理学会年度会议上推出了他们的 72-qubit 超导量子处理器
82570发布于 2018-05-09 - 来自专栏智药邦
用量子物理进行分子模拟和建模｜Qubit完成1600万欧元种子轮融资
该轮融资旨在加强Qubit Pharmaceutical专有的Atlas软件平台，Atlas能够利用超级计算机和量子计算机的计算能力来加速开发更有效、更安全的候选药物。 这项颠覆性的技术使Qubit能够解决药物开发中的3个关键问题：预测的质量、结果的可解释性和模拟的速度。Qubit将不断提高其数字孪生的准确性，并将应用范围扩大到日益复杂的靶点。 得益于Atlas，Qubit Pharmaceuticals的团队在不到6个月的时间里为Covid发现了新的候选药物，并在癌症和炎症领域启动了几个研究项目。 Qubit Pharmaceuticals拥有一支20人的团队，专门从事量子化学、计算化学、机器学习和药物化学。 Qubit Pharmaceuticals开发了其Atlas软件平台，逐个原子地设计候选药物，以前所未有的速度优化其效率和特异性，并具有良好的安全性。
32030编辑于 2022-11-16 - 来自专栏新智元
谷歌的百比特诅咒，被这家公司彻底冲破了
可六年过去，Google公开的最新数字也不过105个qubit。 2021年，他们立起1000+qubit的Flag。 强行扩展qubit反而会让整个系统坏掉。 百级qubit不是起点，而是瓶颈。 只要你继续加qubit，噪声和错误就会上升到无法使用的程度。 1万qubit的出现，使量子计算第一次具备了「可放大性」。 这比性能本身，要关键得多。 破开工程瓶颈，死胡同变成高速路 行业的最大问题从来不是「qubit太少」，而是：加qubit会让系统坏掉。 这也是QuantWare CEO说的那句话的核心含义： 100qubit让我们只能讨论未来，1万qubit才让未来真正开始。 所以，QuantWare 的真正突破是：把「扩展qubit必然失败的架构」，变成了「扩展qubit可以继续做下去」的硬件体系。
15510编辑于 2025-12-21 - 来自专栏数据结构和算法
使用Python实现量子算法优化：探索量子计算的无限可能
range(n): qc.h(qubit) for qubit in range(n): qc.x(qubit) qc.h(n-1) qc.mct (list(range(n-1)), n-1) qc.h(n-1) for qubit in range(n): qc.x(qubit) for qubit in range(n): qc.h(qubit) for qubit in range(n): qc.x(qubit) qc.h(n-1) qc.mct (list(range(n-1)), n-1) qc.h(n-1) for qubit in range(n): qc.x(qubit) for qubit in range(n): qc.h(qubit) # 量子纠错 for qubit in range(n): qc.reset(qubit)
58110编辑于 2024-12-28 - 来自专栏机器之心
前沿 | 潘建伟团队用6个光子实现18个量子比特纠缠，再次刷新世界纪录
目前，人们已经实现了 14 个囚禁离子、10 个光子和 10 个超导 qubit 的纠缠。 我们测量到了 0.708±0.016 的量子态保真度，证实了 18 qubit 的真实纠缠。 ? 图 1：构建和验证 18 qubit GHZ 态（由六个光子的三个自由度组成）的实验方案和设置。a. 每个单光子会穿过两块 PBS 和两块螺旋相位板，以制备成单光子 3 qubit 态。c. 对空间 qubit 的闭合（虚线）或开放（无虚线）干涉测量配置。d. 偏振测量。e. 图 2：18 qubit GHZ 纠缠的实验数据。其中 a、b、c、d 分别是 N=1、3、12、18 qubit 的在叠加态基（|0>+e^iθ|1>）/√2 上进行测量的。 误差条表示标准差，由实验检测的 N qubit 事件的泊松传播计数统计得到。在 a-c 中，误差条小于数据点。
62420发布于 2018-07-26 - 来自专栏AI科技大本营的专栏
量子计算+人工智能——这才是未来科技的最大热门！
两个qubit带有四个连接状态：开/开、关/关、开/关、关/开。每个连接状态都分配有一个特定的权重或“幅值”，代表一个神经元。三个qubit可以代表八个神经元。四个qubit可以代表16个神经元。 在某些情况中，你可以将某一层qubit固定在预期的输入值；不过多数情况下，应将输入导入到qubit的相互作用的范围内。然后让qubit相互作用。 某些qubit朝同一方向排列，某些qubit朝相反方向排列，在水平磁场的作用下，它们会翻转到它们选择的方向。通过这样做，这些qubit可以触发其他qubit进行翻转。 这个团队为每个参数都分配了一个qubit。如果qubit的值稳定在1，则将相应的参数标记为有用；如果qubit的值稳定在0，则不用标记。 他们先将qubit预置为所有可能簇分配（cluster assignment）的叠加状态。然后让qubit进行短暂的相互作用，使qubit偏向于假设相同或相反的值。
1.4K70发布于 2018-04-26 - 来自专栏Python项目实战
量子芯片为什么这么难造？从“画电路”到“跑量子态”，中间全是坑
量子比特（Qubit）叠加态相干性量子纠缠一句话总结：“既有、又没有、还不能被打扰。” 展开代码语言：PythonAI代码解释#假设：#单个量子比特制程成功率99%#芯片上有N个量子比特defchip_yield(single_qubit_yield,qubit_count):returnsingle_qubit_yield **qubit_countfornin[10,50,100,500]:print(n,chip_yield(0.99,n))你会得到一个让人沉默的结果：10qubit：≈90%50qubit：≈60%100qubit ：≈36%500qubit：≈0.006%这意味着什么？ 这也是为什么：大规模量子芯片推进极慢每多一个qubit，成本指数上升八、低温制程与封装：真正的终极考验量子芯片不是“造完就能用”。它必须工作在：10–20毫开尔文（接近绝对零度）这意味着什么？
18310编辑于 2026-01-23 - 来自专栏量子发烧友
开放量子汇编语言—OpenQASM
比如，从准备一个Gz状态开始： // ghz.qasm // Prepare a GHZ state OPENQASM 3; qubit[3] q; bit[3] c; h q[0]; cnot q >, <float>) <qubit> #pragma braket noise depolarizing(<float in [0,3/4]>) <qubit> #pragma braket noise two_qubit_depolarizing(<float in [0,15/16]>) <qubit>, <qubit> #pragma braket noise two_qubit_dephasing (<float in [0,3/4]>) <qubit>, <qubit> #pragma braket noise amplitude_damping(<float in [0,1]>) <qubit <qubit>[, <qubit>] // maximum of 2 qubits and maximum of 4 matrices for 1 qubit, 16 for 2 ) <qubit
1.5K60编辑于 2023-02-24 - 来自专栏数据结构和算法
使用Python实现量子电路模拟：走进量子计算的世界
def qft(circuit, n): """n-qubit QFT""" for i in range(n): circuit.h(i) for j in range(n): qc.h(qubit) qc.barrier() for index in marked: qc.x(index) qc.cz(0, n-1) for index in marked: qc.x(index) qc.barrier() for qubit in range(n): qc.h(qubit) for qubit in range(n): qc.x(qubit) qc.h(n-1) qc.mct (list(range(n-1)), n-1) qc.h(n-1) for qubit in range(n): qc.x(qubit) for qubit in
59510编辑于 2024-12-26 - 来自专栏数据结构和算法
使用Python实现量子计算模拟器：探索量子世界的前沿技术
import numpy as np def qft(circuit, n): """n-qubit QFT""" for i in range(n): circuit.h in range(n): qc.h(qubit) qc.barrier() for index in marked: qc.x(index) qc.cz(0, n-1) for index in marked: qc.x(index) qc.barrier() for qubit in range(n): qc.h(qubit) for qubit in range(n): qc.x(qubit) qc.h(n-1) qc.mct (list(range(n-1)), n-1) qc.h(n-1) for qubit in range(n): qc.x(qubit) for qubit in
96510编辑于 2024-12-27 - 来自专栏人称T客
2014年第四季度发展最快的十款A/B测试产品 Optimizely一马当先
第四季度，移动信息化研究中心监测最受热捧的A/B测试软件是Optimizely，随后则是Monetate和Qubit两款产品。 ? 其中，Monetate从第四位攀升到了第二位，而Qubit从第五位上升到了第三位。 ? 最受企业青睐的A/B测试产品 这些产品中有些得到了企业的推动。 员工数超500的企业评价最多的产品是Adobe Target, 其后是Monetate, Qubit和Maxymiser。 ? 从Q3到Q4，按企业排名的评价频率基本平稳，没有显著异常——Qubit从第五名上升到了第三名。 ? 如何选择合适的A/B测试软件呢？
83230发布于 2018-03-20 - 来自专栏人工智能小咖
使用TensorFlow Quantum进行量子机器学习
sympy import tensorflow as tf import tensorflow_quantum as tfq #Quantum Dataset def generate_dataset(qubit , theta_a, theta_b, num_samples): """Generate a dataset of points on `qubit` near the two given angles ), cirq.rx(-spread_x)(qubit))) bloch[source][0].append(np.cos(angle)) bloch[source][1].append (spread_x)) return tfq.convert_to_tensor(q_data), np.array(labels), bloch #Genrate the dataset qubit # Build the quantum model layer theta = sympy.Symbol('theta') q_model = cirq.Circuit(cirq.ry(theta)(qubit
1.6K00发布于 2020-04-15 - 来自专栏硅光技术分享
Intel与IBM宣布实现49/50个量子比特的超导量子计算芯片
Intel宣布实现49个量子比特(qubit)的超导量子测试芯片，而IBM则发布了50个qubit的超导量子计算原型机。两大巨头纷纷亮剑，逐鹿中原。 值得一提的是，Intel在2017年10月份宣布实现17个qubit的超导量子芯片，仅仅过去三个月，他们就将量子比特数提高近三倍，进展之迅速着实令人惊叹与钦佩， 不愧是半导体一哥。 下图是Intel的3个qubit,17个qubit和49个qubit的超导量子芯片外形图， ? IBM在CES大会上展出了超导量子计算机的真机，如下图所示。外观上有点像一个大吊灯 ?。 IBM超导芯片的qubit阵列示意图如下图所示，每个数字对应一个量子比特，采用surface code方式，线段相连的两个qubit间存在相互作用。 ?
93500发布于 2020-08-13 - 来自专栏量子发烧友
中美量子技术产业区别对比（下）
QuantumCircuit.cx(0, 1)：添加一个从 qubit 0 作用到 qubit 1 的 C-NOT 门。 整体表示，对 qubit 0 和 qubit 1 进行测量，将他们的结果分别保存到 bit 0 和 bit 1 中。 4. 例如： QCircuit foo(Qubit* qubit1, Qubit* qubit2) { QCircuit cir; cir << H(qubit2) << CNOT(qubit1, qubit2 ) << H(qubit2); return cir; } 这样的一个函数代表了一个模块（如图），当以不同的qubit1和qubit2作为输入的时候，它相当于把这个模块放置在了量子线路的不同位置。 Qubit分配（qAlloc）与映射 QPanda-2 中量子比特是用一个 Qubit* 的指针对象进行表示的。Qubit 本身不包含任何和量子态相关的数据，它只是一个用于映射物理量子比特的对象。
1.7K20编辑于 2023-02-24 - 来自专栏量子发烧友
量子近似优化算法及其应用
( cirq.H.on( qubit ) ) 定义量子近似优化模块的两个参数a、b和混合哈密顿成本 # define the two parameters for one block of QAOA X ( qubit )) cost_ham = maxcut_graph . number_of_edges () /2 for edge in maxcut_graph . edges () : qubit1 = cirq_qubits [ edge [0]] qubit2 = cirq_qubits [ edge [1]] cost_ham += cirq . Z ( qubit1 ) * cirq . Z ( qubit2 ) ) ) 生成量子近似优化算法的量子线路。 这些API分别由相应的模块实现，比如QCircuit实现量子线路功能，Qubit实现量子比特，Qureg实现量子寄存器，Command对应每个量子门操作的指令， Backend代表运行量子线路的后端模块
2K30编辑于 2023-03-08 IonQ CEO：计划推出10000量子比特芯片，将辗压英伟达Blackwell GPU
9月17日消息，量子计算公司IonQ CEO Niccolòde Masi 近日在接受彭博社采访时表示，该公司计划在2027年推出搭载10,000个qubit（量子比特）的量子计算芯片，届时将彻底“淘汰 Niccolòde Masi 指出，IonQ通过收购英国Oxford Ionics已加速了其技术进程，预计2027年前就能把IonQ的量子处理器扩展到上万qubit等级。 IonQ 的量子芯片采用“离子阱”架构，与IBM、Google 的超导量子计算机不同，无需极低温环境，而是通过电磁场将带电粒子（离子）限制在真空中作为qubit，使它们不与装置表面接触，从而维持其量子态的量子计算机 即便IonQ 的qubit 数目和计算能力可持续提升，但在软件生态与云端整合上，距离英伟达GPU生态还有很大差距。
11210编辑于 2026-03-20- 来自专栏机器之心
清华、中科大实现了量子版本的GAN，平均保真度98.8%
实验中生成的单个 qubit 的平均保真度为 98.8%。 近年来，量子机器学习引起了极大的关注。研究者提出了很多理论上能实现指数级加速的算法，有些已经在原理验证实验中得到了证明。 图 1：QGAN QGAN 的一般过程的可视化如图 1B 所示，其通过展示布洛赫球中 qubit 系统的σ、ρ和 M 来描述。（注意这里使用相同的符号 M 来表示投影测量及其对应的轴）。 在当前实验中使用的相同自适应技术的基础上，可以在 transmon qubit 的帮助下生成并操纵具有 m 能级（相当于 log_2 m- qubit 系统）的光子 qudit 的任意量子态。 例如，数值模拟表明，用于 2 和 3-qubit 系统的 QGAN 算法可以收敛到大于 0.95 的最终状态保真度，平均步数大约为数千步。 在具有大量 qubit 的量子系统的情况下，需要更好和更有效的评估 QGAN 性能的方法。
69320发布于 2019-04-30 - 来自专栏量子发烧友
利用 Cirq 完成 qsim 模拟
cirq.LineQubit.range(2) circuit = cirq.Circuit( cirq.H(q0), cirq.X(q1), cirq.CX(q0, q1), cirq.measure(q0, key='qubit _0'), cirq.measure(q1, key='qubit_1'), ) print("Circuit:") print(circuit) print() # Simulate the qsim_simulator.run(circuit, repetitions=5) print(qsim_results) 最终输入的结果为： Circuit: 0: ───H───@───M('qubit _0')─── │ 1: ───X───X───M('qubit_1')─── Cirq results: qubit_0=01000 qubit_1=10111 qsim results : qubit_0=00001 qubit_1=11110 上面案例中的警告显示出了 simulate 与 run 这两种方法间的重要区别： simulate 只执行一次电路，这种方法如果只是从结果状态中取样速度是非常快的
77020编辑于 2023-02-24 - 来自专栏量子发烧友
利用TFQ纠正量子位校准误差
作为说明，以下代码在刚刚模拟的状态向量上测量 \hat{Z}_0 和 \frac{1}{2}\hat{Z}_0+\hat{X}_1 ： z0 = cirq.Z(q0) qubit_map={q0: z0x1 = 0.5 * z0 + cirq.X(q1) z0x1.expectation_from_state_vector(output_state_vector, qubit_map).real (control_params[1])(qubit), cirq.rx(control_params[2])(qubit)) SVGCircuit(model_circuit) 3.2.2 ), cirq.ry(random_rotations[1])(qubit), cirq.rz(random_rotations[2])(qubit) ) datapoint_circuits ).expectation_from_state_vector(state, {qubit: 0}).real print(f'For a desired output (expectation
1.5K30编辑于 2023-02-24
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