qq_33943772的博客

监督学习是一种学习函数的机器学习方式，学习得到的函数会基于样例中的输入-输出配对方式，将输入数据映射到输出数据。它从由一组训练样例组成的标记训练数据中推断出一个函数，并使用一组测试样例计算其性能。我们可以把监督学习任务分为两种类型：分类(classification)和回归(regression)。量子监督学习领域近期大多数研究的焦点都在分类上，尤其是以下介绍的两种方法。

预备工作：安装与简单测试运行环境：Win10(64bits) + Anaconda3+ Visual Studio Code（以下简称vscode）用pip安装qiskit库（建议顺便安装 pylatexenc ,否则后期会出现某些错误）：命令行下输入pip install qiskit，如果条件允许可以考虑科学上网，否则会白浪费很多时间（前:4KB/s，后:700KB/s） 在vscode的插件市场里搜索qiskit（建议官方的相关插件都安装上）Qiskit官方网站：https://qis..

进阶电路

Qiskit Terra中的一个核心组件就是出于模块化以及可扩展化的目的而设计的转译器（Transpiler）。其目标是使我们能够得到新的变形电路（亦即转译器通道）并将各种变形电路和其他既已存在的通道结合起来。所连接的通道种类以及连接顺序对最终结果有很大影响。连接所用的管道（pipeline）亦即通道管理器，它为通道的执行安排顺序，同时也允许通道之间借助某块共享空间进行通信。如此这般，众多转译器的存在为量子电路的进一步优化相关研究打开了大门。......

在这部分教程中，我们会介绍量子傅里叶变换(QFT)，相关电路的推导以及电路的Qiskit实现。我们会展示如何在模拟器和五量子比特设备上运行QFT。傅里叶变换在经典计算中有很多版本，应用领域遍及从信号处理到数据压缩再到复杂度理论。量子傅里叶变换则是离散傅里叶变换的量子实现，它基于对波函数振幅的变换。它参与构成了很多量子算法，其中最著名的有Shor分解因子算法...

第2章本章介绍了经典比特的量子概括，即量子比特(qubit)。. 我们解释了为什么量子比特是量子计算的基石。本章提供了在Python中模拟量子比特的代码，然后讨论了叠加和使用Python代码探索单个量子比特的3种不同表示形式(本书称为零/一、正/负和顺时针/逆时针)。此外，本章还介绍了布洛赫球面(Bloch Sphere)，这是一种在球面上可视化单个量子比特的方法，并提供了Python 代码来探索这种可视化。最后，本章还详细介绍了单个量子比特的叠加和测量知识。

第3章我们已经了解了经典比特的量子版本:量子比特。本章将学习经典寄存器的量子版本，即容纳量子状态的最子寄存器(Quantum Register)。本章将提供代码来在Python中模拟量子态(Quantum States)和量子寄存器。我们讨论了可分离状态和量子纠缠，并且使用Python实现了对多个可能纠缠的量子比特的量子测量。本章最后还介绍了量子退相干(Quantum Decoherence)和量化退相干的参数，它们是决定量子计算品质的关键因数。

第4章本章将介绍量子门(Quantum Gate) ，并提供对经典门的模拟。我们简要阐释了量子计算中最常用的门，即工、X、Y、Z、H和CNOT等,它们形成通用门集，可以进行组合以执行任何量子计算。本章描述了门如何作用于状态以改变状态，以及该过程为什么对经典计算和量子计算都很重要。本章还提供了这些常用量子门的Python实现，并练习了在Python中将这些门应用于到目前为止已经讨论过的状态的许多示例。

第5章 量子电路本章扩展了量子门的概念，介绍了量子电路(Quantum Circuit)，它是经典电路的量子模拟。我们讨论了如何通过量子电路复制经典门，并继续介绍了量子电路的可视表示形式，该可视表示形式可用于轻松定义量子电路，而无须引用数学或使用编程语言。本章还讨论了可逆计算(Reversible Computation)的概念，并学习了如何组合门以撤销任何量子计算。我们还继续定义了若千个简单的电路，这些电路以后在构建更复杂的量子算法(Quantum Algorithm)时可用作非常实用的构建块。

原书中第七章和第八章的内容，主要讲解了OpenQASM的使用以及与量子电路的相互转换

本文简单探讨了量子逻辑门以及Grover算法

本文简要讲述了量子傅里叶变换。