SaashaJoshi/piQture

Expand two-qubit unitary class to contain more structures.

Open

#77 aperta il 26 mar 2024

Vedi su GitHub
 (0 commenti) (0 reazioni) (0 assegnatari)Python (25 fork)auto 404
enhancementgood first issue

Metriche repository

Star
 (60 star)
Metriche merge PR
 (Metriche PR in attesa)

Descrizione

Refer to the following papers:

T. Hur, L. Kim, and D. K. Park, “Quantum convolutional neural network for classical data classification,” Quantum Machine Intelligence, vol. 4, no. 1, Feb. 2022, doi: https://doi.org/10.1007/s42484-021-00061-x.

S. Sim, P. D. Johnson, and A. Aspuru‐Guzik, “Expressibility and Entangling Capability of Parameterized Quantum Circuits for Hybrid Quantum‐Classical Algorithms,” Advanced Quantum Technologies, p. 1900070, Oct. 2019, doi: https://doi.org/10.1002/qute.201900070.

Ian MacCormack, Conor Delaney, Alexey Galda, Nidhi Aggarwal, and Prineha Narang. Branching Quantum Convolutional Neural Networks. arXiv:2012.14439 [physics, physics:quant-ph], December 2020. arXiv: 2012.14439

Guida contributor

Direzione di ricerca
Esamina i documenti citati per identificare nuove strutture unitarie a due qubit, quindi esamina il codebase esistente per determinare dove e come implementarle.
Tech stack
python
Dominio
machine learningbackend
Tipo issue
Funzionalità
DifficoltàQuanto dovrebbe essere impegnativa per un nuovo contributor.
3
Tempo stimatoTempo stimato per completare e verificare uno scope piccolo.
1-2 giorni
Stato attivitàQuanto è probabile che la issue sia ancora attiva e reviewable.
Nuova
ChiarezzaQuanto chiaramente la issue descrive problema, scope e risultato atteso.
Poco chiara
Prerequisiti
PythonGit
Adatta ai principiantiQuanto la issue è adatta a contributor alla prima esperienza.
45