线上实习offer，2024昇思MindSpore Quantum开源实习任务已发布，欢迎报名！

最新推荐文章于 2024-05-15 14:43:09 发布

量子小Q

最新推荐文章于 2024-05-15 14:43:09 发布

阅读量699

点赞数 24

文章标签：量子计算算法

本文链接：https://blog.csdn.net/2401_83053014/article/details/138585021

版权

自昇思MindSpore开源社区上线开源实习以来，获得了众多高校开发者的积极反馈，过去两年间，不少小伙伴与我们一起见证了开源实习顺利启动，我们有幸陪伴和见证各位实习同学的飞速成长，学习没有终点，开源之路征程如海，步履不停，推动浪潮前行；点亮星火，等待理想发光！

实习申请：https://www.mindspore.cn/internship

任务领取：https://gitee.com/mindspore/community/issues/I55XLC

昇思MindSpore线上实习offer

昇思MindSpore社区联合多个开源社区为高校学生推出线上实习的机会——开源实习，让你不用出校门就可以拥有在业界顶尖AI开源项目实践的机会。

你将拥有

实习工资：凭实习积分获得相应的实习工资。

实习证明/证书：在实习有效期6个月内积分满60分即可开具实习证明，满100分有机会获得优秀实习生证书。

亮眼的项目经历：参与开源项目，成为其中的贡献者，你的成果将向所有人开放共享，为用户创造价值。

技术大咖1对1指导：活动中每个项目任务都配备了资深导师，带领你打开开源大门，深度参与社区贡献。

社区荣誉：实习期突出的实习生，将成为社区明星开发者代表昇思进行布道，并有机会参与昇思社区2024年度优秀开发者评选！

面向对象

年满18周岁在校大学生，无专业年级限制
平均每周能投入10小时以上的时间

实习名额有限，满额即止。如果你对开源感兴趣，那么期待你的加入！请按实习官网上相关要求提交报名材料。

MindSpore Quantum 开源实习任务简介

本次MindSpore Quantum开源实习总共发布7个任务，聚焦传统与创新领域的优秀算法，进行持续创新优化。

| 项目一：QAOA量子优势的衡量（20分）

【需求描述】QAOA是常用的量子近似优化算法，它可以看作是在经典平均场算法上添加量子涨落。而为了衡量QAOA在哪些问题上能展现量子优势，可以使用《Mean-Field Approximate Optimization Algorithm》文中提出的Lyapunov指数（文中式70）进行衡量。对于随机SK model，请完成计算该指数的代码并复现图中的Figure. 7.

【验收标准】对于随机SK model，请完成计算该指数的代码复现，计算结果与原文的Figure.7一致。

【任务技术要求】要求使用mindquantum 0.9.0版本构造SK模型的哈密顿量。

| 项目二：经典求解加速量子优化（20分）

【需求描述】在传统的QAOA中，线路从所有比特串的等权叠加态开始演化。但如果提前使用经典算法求解近似解，然后使用量子线路检索其邻域可以获得更优质的解。CBQOA（Classically-Boosted Quantum Optimization Algorithm）提出了这样一种高效实现连续时间量子行走的优化算法，请利用mindquantum实现该算法并在max 3sat问题上复现文中Figure 4的结果。

【验收标准】请利用mindquantum实现该算法在max 3sat问题上的复现，计算结果与原文的Figure 4一致。

【任务技术要求】要求使用mindquantum 0.9.0版本。

| 项目三：量子生成模型的组合优化求解（30分）

【需求描述】利用生成模型求解组合优化问题的思路是：首先产生一部分次优解的数据（可随机筛选或传统求解）称为种子数据，然后通过调整该数据分布使得更趋近于最优解，最后使用生成模型学习该调整过的分布然后输出新的样本，以期望从中得到更好的解，这种方案也被称作加速器（booster）。GEO文章使用张量网络生成模型实现了这一booster，请将该生成模型替换为量子线路波恩机，基于mindquantum实现量子生成模型的组合优化booster代码，对于给定的伊辛模型和初始次优样本，学习并输出新的样本。

【验收标准】代码输入为伊辛模型和次优样本，输出为量子线路波恩机学习产生的新样本，并画出前后分布的比较图。

【任务技术要求】要求使用mindquantum 0.9.0版本。