Support dynamic quantum circuits
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 5/5
- Tempo stimato
- Più di una settimana
- Idoneità per principianti
- 25/100
- Tipo di issue
- Funzionalità
- Chiarezza
- Da chiarire
- Stato di attività
- Tranquilla
- Stack tecnologico
- python, tensorflow
- Ambito
- quantum-computing
Direzione di ricerca
Non vengono indicati file, test o punti di ingresso. Inizia individuando i percorsi esistenti per l’esecuzione dei circuiti, la misurazione a metà circuito, il calcolo classico e le operazioni condizionali, quindi determina il design necessario affinché i risultati delle misurazioni controllino i gate successivi. Il lavoro è completo quando TensorFlow Quantum supporta il comportamento descritto dei circuiti feedforward.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
“Adaptive quantum circuits” (also known as dynamic circuits or feedforward circuits) is where a sequence of quantum operations is not fixed in advance but is determined by the outcomes of measurements made during execution. It involves a combination of (a) mid-circuit measurements in one part of a circuit, (b) real-time classical computation on the measurement outcomes, and (c) logic to decide on the application of controlled gates elsewhere in the circuit based on the results of the classical computation.
To support research into feedforward circuits, TensorFlow Quantum should support the ability for mid-circuit measurements to control later operations. This violates theoretical assumptions underlying the common approach of preparing a circuit and doing only terminal measurements, and may require significant work to implement
- Lingua principale
- Python
- Stelle
- 2.2k
- Fork
- 665
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Preparare l'ambiente
- Nessun Dockerfile né file Docker Compose
- Nessun modello di pull request
- Leggi la guida per i contributori
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di tensorflow/quantum
-
area/devops help wanted no QC knowledge needed priority/before-0.7.7
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
tensorflow/quantum#1082 · 1 commento · 1 reazione ·
-
Support Keras 3Forse di nuovo libera @rosspeili l’ha presa 74 giorni fa e non c’è nessuna pull request aperta. Apertaarea/keras help wanted skill-level/intermediate
tensorflow/quantum#1090 · 4 commenti · 1 assegnatario ·
-
Investigate support for JAXApertaskill-level/expert
Difficoltà 5/5 Più di una settimana Idoneità per principianti 30/100
tensorflow/quantum#1089 · 2 commenti ·
-
area/core priority/after-0.7.7 skill-level/expert
Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100
tensorflow/quantum#1088 ·
-
area/circuits area/performance help wanted priority/after-0.7.7 skill-level/expert
Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100
tensorflow/quantum#1086 ·
Tutte le issue di tensorflow/quantum
Issue simili
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 88/100
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 84/100
spec-kitty/spec-kitty#5319 ·
I maintainer di solito rispondono entro 1 giorno
-
backend::vllm diffusion multimodal
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 84/100
openai/openai-agents-python#5229 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 84/100
I maintainer di solito rispondono entro 1 giorno