昇思25天学习打卡营第6天|HHL算法

分数限制下，选好专业还是选好学校？

24年高考帷幕落下，一场新的思考与选择悄然来临。对于每一位高考考生，学校和专业都是开启大学新生活的两个前置必选项。但有时候“鱼与熊掌不可兼得”，在分数受限的条件下，是选择一个心仪的专业还是选择一个知名度更高的学校？这是一个困扰了众多考生和家长的长期难题。假如是你，你会怎么选？选择专业，意味着你将深入这个领域，直接影响未来的职业发展和个人兴趣的培养；而选择学校，则关系到你将置身于怎样的学术氛围和社交环境中，这对自身的综合素质提升和视野拓展同样至关重要。无论你是倾向于专业优先，还是学校优先，或是有其他独到的见解，我们都期待你的分享！欢迎结合自己的经历一起讨论交流，同时也为24年的高考生们及后来者提供宝贵的参考建议。

我认为在选择大学和专业时，考虑毕业后从事的职业是一个非常重要的因素。对于一些职业，如医生、律师、会计等，这些职业对专业知识和技能有着严格的要求，因此选择一个合适的专业比选择学校更为重要。而对于其他一些职业，如数学家、历史学家、管理咨询师等，这些职业对专业背景的要求相对较低，学校的整体声誉和资源反而更为重要。在这种情况下，选择一所综合实力强的学校可以提供更广阔的发展平台。因此，明确职业目标和个人兴趣，以及了解未来职业对专业背景的具体要求，将有助于做出更明智的选择。

        通过详细分析，我们了解到在选择大学和专业时，明确职业目标和个人兴趣是至关重要的。无论是选择专业优先还是学校优先，都需要根据未来职业发展的具体需求进行权衡。

        在当今快速发展的科技时代，量子计算作为一项前沿技术，正在逐步改变我们解决问题的方式。量子计算不仅仅在理论上具有优势，在实际应用中也展现出了巨大的潜力。接下来，我将介绍一种重要的量子算法——HHL算法，并展示如何使用MindQuantum实现这个算法的一个简单例子。

        HHL算法（Harrow, Hassidim, and Lloyd算法）是量子计算中用于解决线性方程组的一种高效算法。与传统的经典算法相比，HHL算法在某些特定情况下可以大幅降低计算复杂度，从而实现更快的求解速度。 MindQuantum是一个开源的量子计算框架，它为用户提供了构建和模拟量子电路的工具。通过MindQuantum，我们可以高效地实现和测试量子算法。下面是一个使用MindQuantum实现HHL算法的简单示例：

from mindquantum.core.gates import H, X, RY, RZ, Measure, Power, BARRIER
from mindquantum.core.circuit import Circuit
from mindquantum.simulator import Simulator
circ = Circuit()
circ += RY(2 * np.arcsin(0.8)).on(0)
circ += Measure().on(0)

sim = Simulator(backend="mqvector", n_qubits=1)
res = sim.sampling(circ, shots=10000)
from mindquantum.algorithm.library import qft

# q1 ~ q4 : for QPE
t = 4
qc = [4, 3, 2, 1]

# store |b> , and store the result |x>
qb = 5

# use for conditional rotation
qs = 0

# choose a time evolution
dt = np.pi / 4

# choose a small C
C = 0.5

circ = Circuit()

# prepare b
circ += RY(2 * np.arcsin(0.8)).on(qb)

# QPE
for i in qc:
    circ += H.on(i)

for (i, q) in enumerate(qc):
    circ += Power(RZ(-2 * dt), 2**i).on(qb, q)

# apply inverse QFT
circ += qft(list(reversed(qc))).hermitian()

# conditional rotate
circ += BARRIER
for k in range(1, 2**t):
    for i in range(t):
        if (k & (1 << i)) == 0:
            circ += X.on(qc[i])
    phi = k / (2**t)
    if k > 2**(t-1):
        phi -= 1.0
    l = 2 * np.pi / dt * phi
    circ += RY(2 * np.arcsin(C / l)).on(qs, qc)

    for i in range(t):
        if (k & (1 << i)) == 0:
            circ += X.on(qc[i])
    circ += BARRIER

# apply inverse QPE
circ += qft(list(reversed(qc)))

for (i, q) in enumerate(qc):
    circ += Power(RZ(2 * dt), 2**i).on(qb, q)

for i in qc:
    circ += H.on(i)
sim = Simulator(backend="mqvector", n_qubits=2 + t)
sim.apply_circuit(circ)

circ_m = Circuit()
circ_m += Measure().on(qs)
circ_m += Measure().on(qb)

res = sim.sampling(circ_m, shots=100000)
res.svg()
res.data.get("01", 0) / (res.data.get("01", 0) + res.data.get("11", 0))

结果

学习心得：

        在选择大学和专业时，根据未来的职业目标和个人兴趣进行权衡非常重要。例如，医生、律师和会计等职业对专业知识要求高，需优先选择合适的专业；而数学家和历史学家等职业，学校的整体声誉和资源更为重要。

        尽管量子力学不是我的专业或兴趣，通过学习HHL算法并使用MindQuantum实践，我对这一前沿技术有了更直观的了解。这丰富了我的知识体系，让我体会到科技发展的无限可能性。

        总之，选择专业和学校时，需要充分考虑职业目标和兴趣，同时保持对新兴技术的好奇心和探索精神。