محاسبات کوانتومی بی‌دررو

محاسبات کوانتومی بی‌دررو یا آدیاباتیک (به انگلیسی: Adiabatic quantum computation) (به اختصار AQC) برای حل مسائل بهینه‌سازی به این شکل تعریف شدند: تابع هدف $f$ را در نظر بگیرید که برای $n$ متغیر از یک دامنه گسسته $D$ تعریف شده. هدف پیدا کردن مقادیری از $x$ است که مقدار تابع $f$ را کمینه کند. مسئله می‌تواند محدودیت‌هایی هم داشته باشد که باعث ناموجه شدن بعضی جواب‌ها شود.

الگوریتم با یک هامیلتونین که در طول زمان تغییر می‌کند $H(t)$ توصیف می‌شود که از سه جزء تشکیل شده‌است:

یک هامیلتونین اولیه $H(I)$ که طوری انتخاب می‌شود که حالت پایه سیستم به راحتی پیدا شود.
یک هامیلتونین نهایی $H(F)$ که تابع هدف را در خود کد می‌کند به طوری که حالت پایه $Q$ حالت ویژه $H(F)$ با کمترین مقدار ویژه است؛ یعنی حالت پایه $Q$ متناظر با جواب بهینه مسئله است.
یک مسیر تکامل آدیاباتیک به شکل تابع $s(t)$ که هرچه زمان جلوتر می‌رود از مقدار یک به مقدار صفر کاهش می‌یابد. برای نمونه از یک مسیر خطی ساده استفاده می‌کنیم:

$s(t)=1-t/tf$

هامیلتونین $H(t)$ طبق فرمول زیر گذاری تدریجی از $H(I)$ به $H(F)$ ایجاد می‌کند:

$H(t)=s(t)H_{I}+(1-s(t))H_{F}$

این هامیلتونین یک الگوریتم AQC برای حل مسئله است.^[۱]

جستارهای وابسته

منابع

↑ McGeoch, Catherine C. (2014). "Adiabatic Quantum Computation and Quantum Annealing". Synthesis Lectures on Quantum Computing. Cham: Springer International Publishing. p. 15-16. doi:10.1007/978-3-031-02518-1. ISBN 978-3-031-01390-4. ISSN 1945-9726.

این یک مقالهٔ خرد مکانیک کوانتومی است. می‌توانید با گسترش آن به ویکی‌پدیا کمک کنید.

[McGeoch_2014_p.-1] McGeoch, Catherine C. (2014). "Adiabatic Quantum Computation and Quantum Annealing". Synthesis Lectures on Quantum Computing. Cham: Springer International Publishing. p. 15-16. doi:10.1007/978-3-031-02518-1. ISBN 978-3-031-01390-4. ISSN 1945-9726.

[۱]