Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Log inSign up
Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Blog
Job Board
Q3AS

© 2026 Aqora Quantum S.A.S.

TermsPrivacyLegal Notice

Возможные принципы построения вычислительных устройств на основе быстрой одноквантовой логики

S. V. Vyshenskii, О.А. Муханов, С.В. Рылов, В.К. Семенов

Published Jan 1, 1990• 0 citations
OpenAlex

Related papers

О ВОЗМОЖНОСТИ ПОСТРОЕНИЯ РЕЛЯТИВИСТСКОЙ КВАНТОВОЙ МЕХАНИКИ БЕССПИНОВЫХ ЧАСТИЦ НА ОСНОВЕ ФУНКЦИЙ ДИФФЕРЕНЦИАЛЬНЫХ ОПЕРАТОРОВ И РЕЛЯТИВИСТСКОГО УРАВНЕНИЯ ШРЕДИНГЕРА

Александр Викторович Головин, Владимир Меерович Лагодинский

Вестник НИЯУ МИФИ•Jan 1, 2019•0 citations

Квантовый вентиль контролируемого отрицания на основе четырехволнового смешения в резонаторе для фотонных кубитов на состояниях углового момента

С. Н. Андрианов, А. А. Калачев, O. P. Shindyaev +1 more

Известия Российской академии наук Серия физическая•Jan 1, 2020•1 citation

Кубитные модели описания цифровых устройств

Тамер Бани Амер, Ivan Hahanov, Литвинова Евгения Ивановна +1 more

Предлагается облачный сервис QuaSim для моделирования и верификации цифровых систем, основанный на транзакциях между адресуемыми компонентами памяти для реализации любой функциональности. Описывается новый подход к синтезу и анализу цифровых систем, использующий векторную форму (квант) задания комбинационных и последовательностных структур для их имплементации в элементы памяти, что существенно отличается от общепринятой теории проектирования дискретных устройств на основе таблиц истинности компонентов. Используются квантовые или кубитные структуры данных [1-5] для реализации вычислительных процессов в целях повышения быстродействия анализа цифровых систем и уменьшения объемов памяти на основе унарного кодирования состояний входных, внутренних и выходных переменных и имплементации кубитных векторов в элементы памяти FPGA, реализующих комбинационные и последовательностные примитивы.

The Scientific Issues of Ternopil Volodymyr Hnatiuk National Pedagogical University Series pedagogy•Jan 1, 2016•0 citations

О возможности подавления вынужденного комбинационного рассеяния в плазме за счет быстрой частотной модуляции излучения накачки

О.М. Билак, С.Ю. Никитин

Moscow University Physics Bulletin•Jan 1, 1996•0 citations

Квантовая перспектива машинного обучения: обзор

Pavel A. Golovinski

Машинное обучение в сочетании с квантовыми технологиями породило новое научное направление, получившее название «квантовое машинное обучение» (QML). В QML реализуется квантовое превосходство за счет большей емкости представления данных квантовыми состояниями, по сравнению с классическим двоичным кодированием, и использования квантового параллелизма. Важным стимулом к развитию QML является прогресс в квантовых вычислениях и создание нанопроцессоров, в которых квантовые эффекты становятся неотъемлемой частью их функционирования. QML позволяет непосредственно оперировать с квантовыми данными при их измерении и в процессах управления квантовыми системами. В обзоре рассматривается общий статистический метод, на котором базируется традиционное машинное обучение. Для него характерно использование принципа максимального правдоподобия и байесовского подхода к оценке больших данных. Требование увеличения быстродействия и снижения потребления энергии приводит к квантовой постановке задачи машинного обучения на основе статистической теории квантовых измерений, которая является обобщением классического статистического подхода. Особенностью квантовых систем является их описание на основе амплитуд вероятностей, что приводит к явлениям интерференции, отсутствующим в классических вероятностных моделях. Наиболее общий способ представления квантовых состояний дает метод матрицы плотности. Процесс измерения квантового состояния является статистическим, т.е. требует проведения измерения над квантовым ансамблем. В результате отдельного измерения квантовая система случайным образом скачком переходит в новое состояние. Для построения систем машинного обучения вводится понятие расстояния между квантовыми данными для чистых и смешанных состояний и определяется вероятность их различения. Обсуждаются принципы построения линейных и нелинейных моделей QML и их основные разновидности. Показана перспективность резервуарного и экстремального квантового машинного обучения, в котором смешение амплитуд, вводимых в систему, производится за счет использования случайных гамильтонианов. Обсуждаются возможности физической реализации QML. Предложен подход к построению квантовой машины экстремального обучения путем формирования спектрального отклика ансамбля квантовых точек на модулированный по времени входной внешний сигнал. Сформулированные базовые представления и принципы QML, а также способ реализации квантового резервуара с временным кодированием сигнала на основе оптического отклика создают базу для развития новых квантовых моделей и устройств, основанных на современных достижениях квантовых технологий и нанооптики.

Вестник ВГУ Серия Системный анализ и информационные технологии•May 12, 2025•0 citations

ОПРЕДЕЛЕНИЕ ПОРОГА ВЫНУЖДЕННОГО КОМБИНАЦИОННОГО РАССЕЯНИЯ ПРИ ПРОИЗВОЛЬНОЙ ДЛИТЕЛЬНОСТИ ИМПУЛЬСА НАКАЧКИ

С. Н. Сметанин

Оптика и спектроскопия•Jan 1, 2016•0 citations
Предлагается облачный сервис QuaSim для моделирования и верификации цифровых систем, основанный на транзакциях между адресуемыми компонентами памяти для реализации любой функциональности. Описывается новый подход к синтезу и анализу цифровых систем, использующий векторную форму (квант) задания комбинационных и последовательностных структур для их имплементации в элементы памяти, что существенно отличается от общепринятой теории проектирования дискретных устройств на основе таблиц истинности компонентов. Используются квантовые или кубитные структуры данных [1-5] для реализации вычислительных процессов в целях повышения быстродействия анализа цифровых систем и уменьшения объемов памяти на основе унарного кодирования состояний входных, внутренних и выходных переменных и имплементации кубитных векторов в элементы памяти FPGA, реализующих комбинационные и последовательностные примитивы.
Машинное обучение в сочетании с квантовыми технологиями породило новое научное направление, получившее название «квантовое машинное обучение» (QML). В QML реализуется квантовое превосходство за счет большей емкости представления данных квантовыми состояниями, по сравнению с классическим двоичным кодированием, и использования квантового параллелизма. Важным стимулом к развитию QML является прогресс в квантовых вычислениях и создание нанопроцессоров, в которых квантовые эффекты становятся неотъемлемой частью их функционирования. QML позволяет непосредственно оперировать с квантовыми данными при их измерении и в процессах управления квантовыми системами. В обзоре рассматривается общий статистический метод, на котором базируется традиционное машинное обучение. Для него характерно использование принципа максимального правдоподобия и байесовского подхода к оценке больших данных. Требование увеличения быстродействия и снижения потребления энергии приводит к квантовой постановке задачи машинного обучения на основе статистической теории квантовых измерений, которая является обобщением классического статистического подхода. Особенностью квантовых систем является их описание на основе амплитуд вероятностей, что приводит к явлениям интерференции, отсутствующим в классических вероятностных моделях. Наиболее общий способ представления квантовых состояний дает метод матрицы плотности. Процесс измерения квантового состояния является статистическим, т.е. требует проведения измерения над квантовым ансамблем. В результате отдельного измерения квантовая система случайным образом скачком переходит в новое состояние. Для построения систем машинного обучения вводится понятие расстояния между квантовыми данными для чистых и смешанных состояний и определяется вероятность их различения. Обсуждаются принципы построения линейных и нелинейных моделей QML и их основные разновидности. Показана перспективность резервуарного и экстремального квантового машинного обучения, в котором смешение амплитуд, вводимых в систему, производится за счет использования случайных гамильтонианов. Обсуждаются возможности физической реализации QML. Предложен подход к построению квантовой машины экстремального обучения путем формирования спектрального отклика ансамбля квантовых точек на модулированный по времени входной внешний сигнал. Сформулированные базовые представления и принципы QML, а также способ реализации квантового резервуара с временным кодированием сигнала на основе оптического отклика создают базу для развития новых квантовых моделей и устройств, основанных на современных достижениях квантовых технологий и нанооптики.