Порівняння методів
Переглядайте обрані методи поруч; рядки з відмінностями підсвічено.
| Квантовий наближений алгоритм оптимізації× | Квантовий метод Монте-Карло× | |
|---|---|---|
| Галузь | Квантові обчислення | Квантові обчислення |
| Родина | Machine learning | Machine learning |
| Рік появи≠ | 2014 | 1953 |
| Автор методу≠ | Edward Farhi | Nicholas Metropolis and colleagues |
| Тип≠ | Hybrid quantum-classical algorithm | Monte Carlo simulation |
| Основоположне джерело≠ | Farhi, E., Goldstone, J., Gutmann, S. (2014). A quantum approximate optimization algorithm. arXiv preprint arXiv:1411.4028. DOI ↗ | Metropolis, N., Rosenbluth, A. W., et al. (1953). Equation of state calculations by fast computing machines. Journal of Chemical Physics, 21, 1087–1092. DOI ↗ |
| Інші назви≠ | QAOA, quantum alternating operator ansatz | QMC, variational Monte Carlo, diffusion Monte Carlo |
| Пов'язані≠ | 4 | 3 |
| Підсумок≠ | 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. | 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. |
| ScholarGateНабір даних ↗ |
|
|