tensorflow/quantum

Remove use of finite different in Adjoint gradient

Open

#620 geöffnet am 19. Aug. 2021

Auf GitHub ansehen
 (0 Kommentare) (0 Reaktionen) (0 zugewiesene Personen)Python (653 Forks)github user discovery
area/corehelp wantedkind/feature-requestskill-level/intermediate

Repository-Metriken

Stars
 (2.145 Stars)
PR-Merge-Metriken
 (PR-Metriken ausstehend)

Beschreibung

Currently the Adjoint gradient method in C++ uses finite difference of gates to calculate the "gradient gate" to apply to the state. In terms of numerical precision this isn't ideal. What would be better is to slowly swap out the "gradient gate" calculation using finite difference to instead use analytic/closed forms. @zaqqwerty

Contributor Guide

Research-Richtung
Finden Sie die aktuelle Finite Differenzen Implementierung im C++ Code des Adjoint Gradienten und leiten Sie analytische Gradientenformeln für Tore ab. Ersetzen Sie dann die finiten Differenzen durch analytische Ausdrücke.
Tech Stack
pythoncpp
Domain
machine learning
Issue Type
Refactoring
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
3
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
1-2 Tage
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Aktiv
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Meist klar
Voraussetzungen
C++Pythonquantum computing basics
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
35