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。
| 项目四:针对性量子误差缓解算法(30分)
【需求描述】针对100比特重六边形量子芯片,设计专用的误差缓解算法,使得其在运行Max-Cut算法时能够提高解的采样概率。
【验收标准】实现一个能够进行100比特模拟的量子模拟器(张量网络模拟器等),经过误差缓解后,采样得到最优解的概率提升100%。
【任务技术要求】要求使用mindquantum 0.9.0版本。
| 项目五:基于虚拟蒸馏的误差缓解(20分)
【需求描述】基于虚拟蒸馏的误差缓解:虚拟蒸馏是一种旨在减少噪声量子计算机中错误的技术。它的工作原理是准备多个噪声量子态副本,通过电路将它们桥接起来,然后进行测量。随着副本数量的增加,该过程允许估计快速接近理想纯状态的状态的期望值。
【验收标准】请利用mindquantum实现该算法
【任务技术要求】要求使用mindquantum 0.9.0版本。
| 项目六:随机编译在读取误差缓解上的应用(20分)
【需求描述】随机编译是一种针对量子门操作的错误抑制方法,也可以应用在量子读取中。请在mindquantum中实现针对量子门操作和量子读取的随机编译的方法,并使用含噪线路演示随机编译在QAOA算法中的效果。
【验收标准】针对>=8比特的随机MaxCut问题,使用QAOA算法求解。QAOA模拟中需要添加1%的操作误差和5%的读取误差,对比不使用随机编译和使用随机编译方法情况下,求解过程的迭代步数差异。
【任务技术要求】要求使用mindquantum 0.9.0版本。
| 项目七:量子线路结构搜索(20分)
【需求描述】设计一套自适应的程序框架,在给定量子门集合中自动选取最优的组合来实现目标量子算法(例如含噪量子化学计算、手写数字识别等)。
【验收标准】mnist数据集识别准确度比文献“https://doi.org/10.1016/j.neunet.2023.09.040”更高。
【任务技术要求】要求使用mindquantum 0.9.0版本
线上开源实习如何展开?
由社区基于项目实际需求发布实习任务,通过实习申请的学生可在线上自由选择任务,在社区导师的辅导下解决社区实际的问题,并向社区仓库提交成果(即提交Pull Request)。PR被合入社区后将获得实习积分,凭实习积分可获得相应实习工资及证书。
实习申请:https://www.mindspore.cn/internship
任务领取:https://gitee.com/mindspore/community/issues/I55XLC
更多疑问请咨询HiQ量子小助手
HiQ量子小助手