tensorflow/quantum

Remove use of finite different in Adjoint gradient

Open

#620 建立於 2021年8月19日

在 GitHub 查看
 (0 留言) (0 反應) (0 負責人)Python (653 fork)github user discovery
area/corehelp wantedkind/feature-requestskill-level/intermediate

倉庫指標

Star
 (2,145 star)
PR 合併指標
 (PR 指標待抓取)

描述

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

貢獻者指南

研究方向
找到 Adjoint 梯度 C++ 程式碼中當前的有限差分實作，並推導閘的解析梯度公式。然後用解析表達式替換有限差分。
技術棧
pythoncpp
領域
machine learning
議題類型
重構
難度面向新貢獻者的預計實作難度，1 表示很小改動，5 表示專家級工作。
3
預計時間有經驗貢獻者完成調查、實作、測試並準備 pull request 的粗略時間範圍。
1-2 天
活動狀態議題目前的可參與程度：新鮮、活躍、陳舊、阻塞或等待維護者輸入。
活躍
清晰度議題是否清楚說明預期改動、驗收標準和下一步。
大致清晰
前置要求
C++Pythonquantum computing basics
新手友善度1-100 的估計分數，表示該議題對首次貢獻者的友善程度。
35