Remove use of finite different in Adjoint gradient
Los mantenedores suelen responder en 21 días
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 5/5
- Tiempo estimado
- Más de una semana
- Aptitud para principiantes
- 25/100
- Tipo de issue
- Refactorización
- Claridad
- Necesita aclaración
- Estado de actividad
- Estancado
- Stack tecnológico
- cpp
- Área
- machine-learning
Línea de trabajo
Comienza localizando la implementación en C++ del método de gradiente Adjoint y el cálculo por diferencias finitas de la compuerta de gradiente. Revisa qué compuertas están cubiertas y define la finalización como el reemplazo de ese cálculo por formas analíticas o cerradas, comprobando la precisión numérica frente al comportamiento existente.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
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
- Lenguaje dominante
- Python
- Estrellas
- 2.2k
- Forks
- 675
- Merge medio
- 15 d 11 h
- PR fusionados (30 d)
- 3
Preparar el entorno
- Sin Dockerfile ni archivo de Docker Compose
- Sin plantilla de pull request
- Leer la guía de contribución
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de tensorflow/quantum
-
area/c++ area/core kind/bug-report
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
tensorflow/quantum#1140 ·
Los mantenedores suelen responder en 21 días
-
area/c++ area/core kind/bug-report
Dificultad 3/5 1-2 días Aptitud para principiantes 74/100
tensorflow/quantum#1141 ·
Los mantenedores suelen responder en 21 días
-
Support Keras 3Quizá libre de nuevo @rosspeili la tomó hace 127 días y no hay ningún pull request abierto. Abiertoarea/keras help wanted skill-level/intermediate
tensorflow/quantum#1090 · 5 comentarios · 1 asignado ·
Los mantenedores suelen responder en 21 días
-
Support dynamic quantum circuitsAbiertoarea/circuits priority/after-0.7.7 skill-level/expert
Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100
tensorflow/quantum#1087 ·
Los mantenedores suelen responder en 21 días
-
Efficiently handle circuit sizes 10x or more of today's circuitsQuizá libre de nuevo @SripriyaDevarapalli la tomó hace 47 días y no hay ningún pull request abierto. Abiertoarea/circuits area/performance help wanted priority/after-0.7.7 skill-level/expert
Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100
tensorflow/quantum#1086 · 1 comentario ·
Los mantenedores suelen responder en 21 días
Todos los issues de tensorflow/quantum
Issues similares
-
[dbt] exported dataset keys reference physical columnsPosiblemente ocupada @WilliamKelley la tomó hoy. Abiertoneeds-triage
Dificultad 2/5 1-3 horas Aptitud para principiantes 68/100
apache/ossie-converters#251 ·
Los mantenedores suelen responder en 2 días
-
cli difficulty: easy enhancement
Dificultad 2/5 1-3 horas Aptitud para principiantes 82/100
Los mantenedores suelen responder en 2 días
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 62/100
desec-io/desec-stack#1312 ·
Los mantenedores suelen responder en 14 días
-
needs-triage
Dificultad 2/5 1-3 horas Aptitud para principiantes 82/100
aws/aws-durable-execution-sdk-python#977 ·
Los mantenedores suelen responder en 1 día
-
needs-triage
Dificultad 1/5 Menos de una hora Aptitud para principiantes 88/100
flashinfer-ai/flashinfer#9803 ·
Los mantenedores suelen responder en 1 día