tensorflow/quantum

Remove use of finite different in Adjoint gradient

Open

#620 ouverte le 19 août 2021

Voir sur GitHub
 (0 commentaires) (0 réactions) (0 assignés)Python (653 forks)github user discovery
area/corehelp wantedkind/feature-requestskill-level/intermediate

Métriques du dépôt

Stars
 (2 145 stars)
Métriques de merge PR
 (Métriques PR en attente)

Description

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

Guide contributeur

Direction de recherche
Trouvez l'implémentation actuelle des différences finies dans le code C++ du gradient Adjoint et dérivez des formules de gradient analytiques pour les portes. Remplacez ensuite les différences finies par des expressions analytiques.
Stack technique
pythoncpp
Domaine
machine learning
Type d'issue
Refactorisation
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
3
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
1-2 jours
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
Active
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
Plutôt claire
Prérequis
C++Pythonquantum computing basics
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
35