Комментарии 12
НЛО прилетело и опубликовало эту надпись здесь
Медикаментозно трудно чему-то научиться. Если, конечно, Meklon не скажет обратного.
НЛО прилетело и опубликовало эту надпись здесь
У КВ в общем есть тонны потенциала. Для безопасников, нейронетчиков, спецов по базам данных. Плюс, где-то рядом тусются квантовые сетевики.
Конкретно же эта статья — просто набор примеров. Примеры кода (уже местами устарели), примеры схем, пример того, что классические игры реально «решать» с КВ (с оговорками). Личное развитие, плюс подготовка курса по КВ.
Конкретно же эта статья — просто набор примеров. Примеры кода (уже местами устарели), примеры схем, пример того, что классические игры реально «решать» с КВ (с оговорками). Личное развитие, плюс подготовка курса по КВ.
НЛО прилетело и опубликовало эту надпись здесь
Курс — КВ для начинающих. Неспешно разрабатываю сам, для местного университета, с оглядкой вот на этот шедевр.
Это не шедевр, а какое-то краткое введение. Например CS191x — нормальное введение в математику, в приближении идеальных кубитов (без физических реализаций)
Berkeley edX course CS191x "Quantum Mechanics and Quantum Computation" video lecture series by Professor Umesh Vazirani. — https://www.youtube.com/playlist?list=PLDAjb_zu5aoFazE31_8yT0OfzsTcmvAVg
почему нельзя просто использовать один из вариантов распределения random для выбора норы лисы? Или это теперь называется «квантовый»
>Но вообще, эмулятор Q# под капотом использует тот самый «классический» рандом.
Не совсем понятно о чем речь? Стохастический подход должен учитывать «не какой-то «классический» рандом», а вероятностный закон распределения, наиболее адекватным образом описывающий ситуацию.(Его еще надо обосновать или найти для оригинальной ситуации).
Там где ситуация подчинена закону распределения, например, Максвелла-Больцмана, законы Бозе-Эйнштейна, Ферми-Дирака или другие не используют. Иначе с результатами возникают проблемы, они описывают совсем не то, что ожидалось и планировалось. Исчезает адекватность.
Не совсем понятно о чем речь? Стохастический подход должен учитывать «не какой-то «классический» рандом», а вероятностный закон распределения, наиболее адекватным образом описывающий ситуацию.(Его еще надо обосновать или найти для оригинальной ситуации).
Там где ситуация подчинена закону распределения, например, Максвелла-Больцмана, законы Бозе-Эйнштейна, Ферми-Дирака или другие не используют. Иначе с результатами возникают проблемы, они описывают совсем не то, что ожидалось и планировалось. Исчезает адекватность.
У вас есть задача: сэмулировать «равновесный» кубит (заадамаренный ноль). У вас есть варианты:
1. Изучать законы распределения
2. Вызвать «new Random.Next(2)».
По ощущениям, создатели Q Sharp использовали класс Random. Откуда у меня
такие ощущения — не помню. В принципе, код компилятора и SDK для Q# открыт, так что источник случайности можно отследить. Если интересна эта тема, можно заодно проверить Qiskit (это КВ-пакет для Питона).
1. Изучать законы распределения
2. Вызвать «new Random.Next(2)».
По ощущениям, создатели Q Sharp использовали класс Random. Откуда у меня
такие ощущения — не помню. В принципе, код компилятора и SDK для Q# открыт, так что источник случайности можно отследить. Если интересна эта тема, можно заодно проверить Qiskit (это КВ-пакет для Питона).
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Квантовые вычисления в играх, или сходим с ума по-серьезному