محاسبات کوانتومی بی‌دررو

محاسبات کوانتومی بی‌دررو یا آدیاباتیک الگو:به انگلیسی (به اختصار AQC) برای حل مسائل بهینه‌سازی به این شکل تعریف شدند: تابع هدف $f$ را در نظر بگیرید که برای $n$ متغیر از یک دامنه گسسته $D$ تعریف شده. هدف پیدا کردن مقادیری از $x$ است که مقدار تابع $f$ را کمینه کند. مسئله می‌تواند محدودیت‌هایی هم داشته باشد که باعث ناموجه شدن بعضی جواب‌ها شود.

الگوریتم با یک هامیلتونین که در طول زمان تغییر می‌کند $H(t)$ توصیف می‌شود که از سه جزء تشکیل شده‌است:

1. یک هامیلتونین اولیه $H(I)$ که طوری انتخاب می‌شود که حالت پایه سیستم به راحتی پیدا شود.
2. یک هامیلتونین نهایی $H(F)$ که تابع هدف را در خود کد می‌کند به طوری که حالت پایه $Q$ حالت ویژه $H(F)$ با کمترین مقدار ویژه است؛ یعنی حالت پایه $Q$ متناظر با جواب بهینه مسئله است.
3. یک مسیر تکامل آدیاباتیک به شکل تابع $s(t)$ که هرچه زمان جلوتر می‌رود از مقدار یک به مقدار صفر کاهش می‌یابد. برای نمونه از یک مسیر خطی ساده استفاده می‌کنیم:

الگو:چپ‌چین $s(t)=1-t/tf$ الگو:پایان چپ‌چین

هامیلتونین $H(t)$ طبق فرمول زیر گذاری تدریجی از $H(I)$ به $H(F)$ ایجاد می‌کند:

الگو:چپ‌چین $H(t)=s(t)H_I+(1-s(t))H_F$ الگو:پایان چپ‌چین این هامیلتونین یک الگوریتم AQC برای حل مسئله است.

جستارهای وابسته

• بهینه‌سازی
• فرایند بی‌دررو
• تبرید کوانتومی