D-wave量子退火(quantum annealing)与机器学习

l  简述

Ising model作为一个编程模型,其能量函数为我们熟知的形式

通过量子绝热过程得到问题解决方法

初始Hamiltonian

问题Hamiltonian

D-wave解决一般问题（主要是优化问题【1】）的方案是找到问题与Ising model的映射，由于物理上的制约，D-wave的量子计算机不能连接任意两个qubits，因此就算它物理上能实现量子相干也不算是通用量子计算机。D-wave非常擅长解决二次非约束二进制优化问题(Quadratic Unconstrained Binary Optimization,QUBO)。一旦我们找到这种映射，那么我们就不再需要再关心如何设计方法得到最优解，因为量子绝热过程会自动地到达基态，也就是最优解，理论上可以保证全局最优，因为有量子叠加态的帮助，不过物理上很难实现大规模粒子的相干性和纠缠的保存。D-wave并也并没有很好地实现它。

实际实现所面临的问题

1. 精度限制与控制误差

2. 能量和温度范围限制

3. 稀疏连接限制

4.