tensorflow/quantum

Remove use of finite different in Adjoint gradient

Open

#620 创建于 2021年8月19日

在 GitHub 查看
 (0 评论) (0 反应) (0 负责人)Python (653 fork)github user discovery
area/corehelp wantedkind/feature-requestskill-level/intermediate

仓库指标

Star
 (2,145 star)
PR 合并指标
 (PR 指标待抓取)

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

贡献者指南

研究方向
找到 Adjoint 梯度 C++ 代码中当前的有限差分实现，并推导门的解析梯度公式。然后用解析表达式替换有限差分。
技术栈
pythoncpp
领域
machine learning
议题类型
重构
难度面向新贡献者的预计实现难度，1 表示很小改动，5 表示专家级工作。
3
预计时间有经验贡献者完成调查、实现、测试并准备 pull request 的粗略时间范围。
1-2 天
活动状态议题当前的可参与程度：新鲜、活跃、陈旧、阻塞或等待维护者输入。
活跃
清晰度议题是否清楚说明期望改动、验收标准和下一步。
基本清晰
前置要求
C++Pythonquantum computing basics
新手友好度1-100 的估计分数，表示该议题对首次贡献者的友好程度。
35