Weitere nützliche Informationen: Lernressourcen zum Quantencomputing

In diesem Artikel sind einige der beliebtesten Ressourcen aufgeführt, die beim Erlernen des Quantencomputings hilfreich sein können.

Microsoft-Ressourcen zum Quantencomputing

Erfahren Sie, wie Sie Quantencomputing-Lösungen mit den Quantum Development Kit (QDK) und Azure Quantum Services entwickeln und anwenden.

• Azure Quantum-Schulungspfad: ein interaktiver, kostenloser, praktischer Lernpfad. In diesen Modulen lernen Sie über Quantencomputing und wie Sie Quantenlösungen mit Q# und Azure entwickeln.
• Quantenkatas: eine Sammlung Q# von selbstgesteuerten Quantenprogrammier-Tutorials.
• Azure Quantum-Videos: eine Wiedergabeliste mit Videos von Azure Quantum Ankündigungen, Demos und Diskussionen aus der Quantum Innovator Series.
• Q#-Codebeispiele: eine Sammlung von einsatzbereiten Codebeispielen, die Sie verwenden können, um mit der Erstellung Ihrer ersten Quantenlösung zu beginnen.
• Q#-Blog: ein Blog, der von Entwicklern für Entwickler geschrieben wird. Sie können sich über die neuesten QDK und Q# Insights informieren und sich über Quanten-Herausforderungen und Hackathons-Ankündigungen informieren.
• Forschungspublikationen: Informieren Sie sich über die neuesten Fortschritte bei Quantenhardware und Algorithmen, die von Microsoft-Forschern entwickelt wurden.

Diese und weitere Ressourcen zum Quantencomputing finden Sie auf der Microsoft-Seite für Lernressourcen zum Thema Quantencomputing.

Von der Q#-Community bereitgestellte Inhalte

Die folgenden Ressourcen werden von der Quantengemeinschaft erstellt und entwickelt, die sich für die Quantenprogrammierung begeistert.

Bücher, die von der Community erstellt wurden

• Einführung in Quantum Computing mit Q# und QDK, Filip Wojcieszyn, Springer, 2022.
• Q# Pocket Guide, Mariia Mykhailova, O'Reilly, 2021. Q# Beispiele, die aktualisiert wurden, sind hier.
• Einführung in Microsoft Quantum Computing für Entwickler, John Hooyberghs, Springer, 2021.
• Lernen Sie Quantum Computing mit Python und Q# - einem praktischen Ansatz, S. Kaiser und C. Granade. Manning Publications, 2021.

Von der Community erstellte Blogs

• Awesome qsharp: eine Open Source-Liste mit Q#-Code und -Ressourcen.
• Q# Community: ein GitHub-Raum für communitygesteuerte Projekte.

Foren und Communitys für Quantenentwickler

Quantencomputing StackExchange: eine Online-Community für Quantenentwickler, um zu lernen und ihr Wissen zu teilen.

Quantencomputingkurse

Schauen Sie sich die folgenden Kurse zum Quantencomputing an.

• Quantum Computing mit Microsoft QDK: eine Reihe von liveProjects, die Ihnen helfen, die Quantensoftwareentwicklung zu erlernen, indem Sie End-to-End-Projekte erstellen. Sie erkunden das volle Potenzial von Quanten für Kryptografie, Datenübertragung, Datenrekonstruktion und vieles mehr.

• Quantum Computing - Brilliant Course: Lernen Sie in diesem Kurs, von Grund auf Quantenalgorithmen zu entwickeln, mit einem Quantencomputer, der in Ihrem Browser simuliert wird. Der Kurs wurde in Zusammenarbeit mit Quantenforschern und Praktikern von Microsoft, X und dem Caltech-Institut für Quanteninformation und Materie (IQIM) erstellt.
• Quantencomputing durch Comics – HackadayU-Kurse: Machen Sie sich in Unterrichtsdiskussionen und leicht verständlichen Comics mit Quantencomputingkonzepten und der Algorithmusprogrammierung vertraut.

Quellenangaben

Das folgende Literaturverzeichnis ist eine Sammlung von Publikationen, die eine breite Palette von Quantencomputing-Themen abdecken.

Quantencomputing für Anfänger

Wenn Sie ein Quanten-Enthusiast sind und mit dem Erlernen der Theorie hinter Quantencomputing beginnen möchten, bieten die folgenden Ressourcen Themen wie Quantenphysik, Informatik und lineare Algebra.

• Nielsen, M. A. & Chuang, I. L. Quantenberechnung und Quanteninformationen. Quantenberechnung und Quanteninformationen. UK: Cambridge University Press, 2010.
• Kaye, P., Laflamme, R., & Mosca, M. Eine Einführung in Quantencomputing. Oxford University Press, 2007.
• Rieffel, E. G., & Polak, W. H. Quantum Computing: Eine sanfte Einführung. MIT Press, 2011.

Verschiedene Arten von Qubits

• Sergey Bravyi, Oliver Dial, Jay M. Gambetta, Dario Gil und Zaira Nazario. Die Zukunft des Quanten computing mit superkonduktierenden Qubits, 2022.
• Microsoft Quantum. InAs-Al Hybrid Devices Passing the Topological Gap Protocol, arXiv:2207.02472 [cond-mat.mes-hall], (2022).
• M Saffman. Quantencomputing mit atomen Qubits und Rydberg-Interaktionen: Fortschritt und Herausforderungen, Journal of Physics B: Atomic, Molecular, and Optical Physics, 49(20):202001, (2016).
• J. I. Cirac und P. Zoller. Quantenberechnungen mit kalt gefangenen Ionen, Phys. Rev. Lett., 74:4091–4094 (1995).

Quantenfehlerkorrektur

• Michael Beverland, Vadym Kliuchnikov und Eddie Schoute. Surface code compilation via edge-disjoint paths, PRX Quantum, 3:020342, (2022) .
• Adam Paetznick, Christina Knapp, Nicolas Delfosse, Bela Bauer, Jeongwan Haah, Matthew B. Hastings und Marcus P. da Silva. Leistung von planaren Floquet-Codes mit majorana-basierten Qubits, 2022.
• Austin G. Fowler, Matteo Mariantoni, John M. Martinis und Andrew N. Cleland. Oberflächencodes: Hin zur praktischen großflächigen Quantenberechnung, Phys. Rev. A, 86:032324, (2012).
• Daniel Gottesman. Eine Einführung in die Quantenfehlerkorrektur und fehlertolerante Quantenberechnung. In Quantum information science and its contributions to mathematics, Proceedings of Symposia in Applied Mathematics, Band 68, Seiten 13–58, (2010).

Ressourcenschätzung

• M. E. Beverland, P. Murali,1 M. Troyer, K. M. Svore, T. Hoefler, V. Kliuchnikov, G. H. Low, M. Soeken, A. Sundaram und A. Vaschillo. Assessing requirements to scale to practical quantum advantage, arXiv:2211.07629v1, 2022.
• Isaac H. Kim, Ye-Hua Liu, Sam Pallister, William Pol, Sam Roberts und Eunseok Lee. Fehlertolerante Ressourcenschätzung für quantenchemische Simulationen: Fallstudie zu Li-Ionen-Batterie-Elektrolytmolekülen. Phys. Rev. Research, 4:023019, Apr 2022.
• Giulia Meuli, Matthias Soeken, Martin Roetteler und Thomas Häner. Aktivieren von genauigkeitsfähigen Quantencompilern mithilfe der symbolischen Ressourcenschätzung Proc. ACM-Programm. Lang., 4(OOPSLA), 2020.

Fehlertolerante Quantenberechnung

• Hector Bombin, Chris Dawson, Ryan V. Mishmash, Naomi Nickerson, Fernando Pastawski und Sam Roberts. Logische Blöcke für fehlertolerante topologische Quantenberechnung, 2021.
• Antonio D. C'orcoles, Abhinav Kandala, Ali Javadi-Abhari, Douglas T. McClure, Andrew W. Cross, Kristan Temme, Paul D. Nation, Matthias Steffen und Jay M. Gambetta. Herausforderungen und Chancen von kurzfristigen Quantencomputingsystemen, Proceedings of the IEEE, 108(8):1338–1352 (2020).
• Michael Edward Beverland. Hin zu realisierbaren Quantencomputern, Doktorarbeit, California Institute of Technology, 2016.
• Peter W Shor. Fehlertolerante Quantenberechnung. In den Tagungsband der 37. Konferenz über Grundlagen der Informatik, Seiten 56–65. IEEE (1996).

Quantenchemie

• J. Tilly, Hongxiang Chen, Shuxiang Cao, D. Piczzi, K. Setia, Ying Li, E. Grant, L. Wossnig, I. Rungger, G. Booth, J. Tennyson. The Variational Quantum Eigensolver: a review of methods and best practices, arXiv:2111.05176v3 [quant-ph], 2022.
• V. von Burg, Guang Hao Low, T. Häner, D.S. Steiger, M. Reiher, M. Roetteler und M. Troyer. Quantencomputing verbesserte Computerkatalyse. Phys. Rev. Research 3, 033055 (2021).
• Bela Bauer, Sergey Bravyi, Mario Motta und Garnet Kin-Lic Chan. Quantenalgorithmen für Quantenchemie und Quantenmaterialforschung, Chemical Reviews, 120(22):12685–12717 (2020).