ScholarGate
Pembantu
Machine learningVariational Algorithm

Algoritma Pengoptimuman Anggaran Kuantum

Algoritma Pengoptimuman Anggaran Kuantum (QAOA) ialah algoritma hibrid kuantum-klasik yang direka untuk menyelesaikan masalah pengoptimuman kombinatorial pada peranti kuantum jangka pendek. Diperkenalkan oleh Farhi, Goldstone, dan Gutmann pada tahun 2014, QAOA menyandikan masalah pengoptimuman ke dalam litar kuantum dan menggunakan pengoptimuman klasik untuk melaraskan parameter litar, bertujuan untuk mencari penyelesaian yang hampir optimum bagi masalah seperti MaxCut, pewarnaan graf, dan penjadualan.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

The neighbourhood of related methods — select a node to explore.

Sumber

  1. Farhi, E., Goldstone, J., Gutmann, S. (2014). A quantum approximate optimization algorithm. arXiv preprint arXiv:1411.4028. DOI: 10.48550/arXiv.1411.4028
  2. Zhou, L., Wang, S. T., Choi, S., et al. (2020). Quantum approximate optimization algorithm: Performance, mechanism, and implementation on near-term devices. Physical Review X, 10, 021067. DOI: 10.1103/PhysRevX.10.021067
  3. Hadfield, S., Wang, Z., O'Gorman, B., et al. (2019). From the Ising model to QAOA: A quantum optimization algorithm from the physicist's perspective. Algorithms, 12, 34. link

Cara memetik halaman ini

ScholarGate. (2026, June 3). Quantum Approximate Optimization Algorithm (QAOA). ScholarGate. https://scholargate.app/ms/quantum-computing/quantum-approximate-optimization-algorithm

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Dirujuk oleh

ScholarGateQuantum Approximate Optimization Algorithm (Quantum Approximate Optimization Algorithm (QAOA)). Dicapai 2026-06-15 daripada https://scholargate.app/ms/quantum-computing/quantum-approximate-optimization-algorithm · Set data: https://doi.org/10.5281/zenodo.20539026