เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| การประมาณค่าเฟสควอนตัม× | Quantum Approximate Optimization Algorithm× | |
|---|---|---|
| สาขาวิชา | การคำนวณเชิงควอนตัม | การคำนวณเชิงควอนตัม |
| ตระกูล | Machine learning | Machine learning |
| ปีกำเนิด≠ | 1995 | 2014 |
| ผู้ริเริ่ม≠ | Alexei Kitaev | Edward Farhi |
| ประเภท≠ | Subroutine algorithm | Hybrid quantum-classical algorithm |
| แหล่งต้นตำรับ≠ | Kitaev, A. Y. (1995). Quantum measurements and the Abelian stabilizer problem. arXiv preprint quant-ph/9511026. link ↗ | Farhi, E., Goldstone, J., Gutmann, S. (2014). A quantum approximate optimization algorithm. arXiv preprint arXiv:1411.4028. DOI ↗ |
| ชื่อเรียกอื่น | QPE, phase kickback | QAOA, quantum alternating operator ansatz |
| ที่เกี่ยวข้อง≠ | 3 | 4 |
| สรุป≠ | 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. | The Quantum Approximate Optimization Algorithm (QAOA) is a hybrid quantum-classical algorithm designed to solve combinatorial optimization problems on near-term quantum devices. Introduced by Farhi, Goldstone, and Gutmann in 2014, QAOA encodes optimization problems into quantum circuits and uses classical optimization to tune circuit parameters, aiming to find approximately optimal solutions for problems like MaxCut, graph coloring, and scheduling. |
| ScholarGateชุดข้อมูล ↗ |
|
|