Skip to content
New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

您的底层的量子计算如何实现? 量子计算机在那里?多谢 #1

Open
ccerai207 opened this issue May 20, 2020 · 16 comments

Comments

@ccerai207
Copy link

No description provided.

@wildfire810
Copy link

就我理解,这里面的量子计算机是可以通过算法模拟或者真机执行来解决的。
真机执行的话势必要调用远程的api来通讯,因为毕竟不可能你本地有个量子计算机。

@fucker007
Copy link

请问远程的量子计算机来执行的话,这个计算机是哪一款呢?

@charujing
Copy link

普通的计算机可以通过远程通讯来解决吗?

@VoidK2
Copy link

VoidK2 commented May 20, 2020

感觉是本地模拟

@charujing
Copy link

感觉是本地模拟

请问下有量子机器学习的例子吗?我没有找到这个。谢谢。

@coreuml
Copy link

coreuml commented May 21, 2020

IBM好像提供免费的量子计算机的远程访问的服务。

@charujing
Copy link

IBM好像提供免费的量子计算机的远程访问的服务。

意思是本地计算机运行后,可以调用远程的量子计算机来处理?能推荐下相关链接嘛?
谢谢。

@tigerneil
Copy link

示例里面的 VQSD 和 VQE 等都是量子神经网络,通过参数化量子线路实现。目前均在CPU、GPU上模拟。

@charujing
Copy link

这里有人做了一个实测
http://good.dm0mb.com/2020/05/21/%e5%ae%9e%e6%b5%8b%e7%99%be%e5%ba%a6%e9%87%8f%e6%b5%86%e7%a9%b6%e7%ab%9f%e6%98%af%e4%b8%aa%e4%bb%80%e4%b9%88%e4%b8%9c%e4%b8%9c/

这个只是安装成功的测试,不是量子机器学习的。

@charles-zh
Copy link

看代码,底层量子计算是用的Paddle的OP计算能力模拟量子计算来完成的。可以看那些项目里面的 UAnsatz 的构成,每个Op都被表示为了旋转门和CNOT,量子计算机都可以执行所以叫这些算法叫量子机器学习,这个是典型的混合语言描述了。前面有人说模拟或者真机应该是对的,这里只用了很简单的旋转和双比特门,在大多数量子计算机体系结构里面都是有的。接真机的话,有不少量子硬件云能用,用API调用展开里面算子就行了。argue这个只是这些算法里面的一步啊,机器学习的前后还有只能用Paddle来完成的内容。

@Quleaf
Copy link
Collaborator

Quleaf commented May 22, 2020

上面讨论的 @charles-zh 说的挺好的,量桨目前用的是Paddle里面OP模拟,但生成调参过的门序列能方便的应用在量子计算机硬件上。楼主还有没有其他的技术问题?如果没有的话我就close这个issue了。大家如果有进一步量子计算发展的讨论,欢迎加入我们的群或者通过邮箱联系我们。

@charujing
Copy link

@Quleaf 非常感谢贵团队的开发。 后期可以给一个输入数据和标签,然后训练预测的例子/tutorial吗?(目前的tutorial例子,像我这样生物学专业的,确实难以修改为我所用)。
谢谢。

@Quleaf
Copy link
Collaborator

Quleaf commented May 23, 2020

@Quleaf 非常感谢贵团队的开发。 后期可以给一个输入数据和标签,然后训练预测的例子/tutorial吗?(目前的tutorial例子,像我这样生物学专业的,确实难以修改为我所用)。
谢谢。

Hi,感谢您的反馈。一个相邻领域的例子可以看一下VQE的相关项目,VQE例子使用了分子描述文件xyz来完成整个的计算。里面读取了氢分子的结构,然后使用 Paddle Quantum 计算其特征值,并使用numpy来交叉验证正确性。可以理解一下这个例子,或许对您有进一步的帮助。

@charujing
Copy link

@Quleaf 非常感谢您的热心回答。看过这个例子后,我从一开始的数据导入就迷糊了。比如在训练with fluid.dygraph.guard():时,我不清楚如何修改,然后导入我的数据以及标签。

Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment
Labels
None yet
Projects
None yet
Development

No branches or pull requests

9 participants