เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| ควอนตัมมอนติคาร์โล× | การประมาณค่าเฟสควอนตัม× | |
|---|---|---|
| สาขาวิชา | การคำนวณเชิงควอนตัม | การคำนวณเชิงควอนตัม |
| ตระกูล | Machine learning | Machine learning |
| ปีกำเนิด≠ | 1953 | 1995 |
| ผู้ริเริ่ม≠ | Nicholas Metropolis and colleagues | Alexei Kitaev |
| ประเภท≠ | Monte Carlo simulation | Subroutine algorithm |
| แหล่งต้นตำรับ≠ | Metropolis, N., Rosenbluth, A. W., et al. (1953). Equation of state calculations by fast computing machines. Journal of Chemical Physics, 21, 1087–1092. DOI ↗ | Kitaev, A. Y. (1995). Quantum measurements and the Abelian stabilizer problem. arXiv preprint quant-ph/9511026. link ↗ |
| ชื่อเรียกอื่น≠ | QMC, variational Monte Carlo, diffusion Monte Carlo | QPE, phase kickback |
| ที่เกี่ยวข้อง | 3 | 3 |
| สรุป≠ | Quantum Monte Carlo (QMC) is a stochastic computational method for computing ground state properties of quantum many-body systems. Combining classical Monte Carlo sampling with quantum mechanics, QMC approaches are among the most accurate methods available for electronic structure and condensed matter physics, achieving sub-percent accuracy for many systems. | Quantum Phase Estimation (QPE) is a fundamental quantum subroutine that estimates the eigenvalues of a unitary operator. Developed by Alexei Kitaev in 1995, QPE combines controlled unitary evolution with the quantum Fourier transform to extract eigenvalues from quantum states with exponential precision scaling. |
| ScholarGateชุดข้อมูล ↗ |
|
|