Altre informazioni: Risorse di apprendimento del calcolo quantistico

Questo articolo compila alcune delle risorse più diffuse che possono risultare utili durante l'apprendimento del calcolo quantistico.

Risorse di calcolo quantistico Microsoft

Informazioni su come sviluppare e applicare soluzioni di calcolo quantistico con i servizi Quantum Development Kit (QDK) e Azure Quantum.

• Percorso di training di Azure Quantum: percorso di apprendimento interattivo, gratuito e pratico. In questi moduli vengono fornite informazioni sul calcolo quantistico e su come sviluppare soluzioni quantistiche usando Q# e Azure Quantum Development Kit.
• Quantum Katas: una raccolta di esercitazioni di programmazione quantistica a ritmo libero Q#.
• Video di Azure Quantum: una playlist con video di annunci, demo e discussioni di Azure Quantum Innovator Series.
• Q# esempi di codice: iniziare a creare la prima soluzione quantistica con questa raccolta di esempi di codice pronti per l'uso.
• Q# blog: blog scritto dagli sviluppatori per sviluppatori. È possibile leggere le informazioni più recenti su QDK e Q# e scoprire le sfide quantistiche e gli annunci di hackathon.
• Pubblicazioni di ricerca: informazioni sull'avanzamento più recente nell'hardware quantistico e negli algoritmi sviluppati dai ricercatori Microsoft.

Queste e più risorse di calcolo quantistico sono disponibili nella pagina di apprendimento quantistico di Microsoft.

Q# contenuti creati dalla comunità

Le risorse seguenti vengono create e sviluppate dalla community quantistica che è entusiasta della programmazione quantistica.

Libri creati dalla community

• Introduzione al quantum computing con Q# e QDK, Filippin Wojcieszyn, Springer, 2022.
• Q# Pocket Guide, Mariia Mykhailova, O'Reilly, 2021. Q# gli esempi aggiornati sono qui.
• Introduzione a Microsoft Quantum Computing for Developers, Johnny Hooyberghs, Springer, 2021.
• Impara il calcolo quantistico con Python e Q# - un approccio pratico, S. Kaiser e C. Granade. Pubblicazioni Manning, 2021.

Blog creati dalla community

• Awesome qsharp: un elenco open source di Q# codice e risorse.
• Q# Community: uno spazio GitHub per progetti basati sulla community.

Forum e community per sviluppatori quantistici

Quantum computing StackExchange: una community online che consente agli sviluppatori quantistici di apprendere e condividere le proprie conoscenze.

Corsi di calcolo quantistico

Vedere i corsi di apprendimento quantistico seguenti.

• Quantum Computing con Microsoft QDK: una serie di progetti live che consentono di apprendere lo sviluppo di software quantistico creando progetti end-to-end. Si esplora il potenziale completo del quantum per la crittografia, la trasmissione dei dati, la ricostruzione dei dati e altro ancora.

• Quantum Computing - Corso brillante: imparare a creare algoritmi quantistici da zero con un computer quantistico simulato nel browser in questo corso, creato in collaborazione con ricercatori quantistici e professionisti di Microsoft, X e Caltech's Institute for Quantum Information and Matter (IQIM).
• Calcolo Quantistico attraverso i Fumetti - Corsi HackadayU: impara i concetti del calcolo quantistico e la programmazione degli algoritmi attraverso discussioni in classe e fumetti intuitivi.

Bibliografia

La bibliografia seguente è una raccolta di pubblicazioni che coprono un'ampia gamma di argomenti di calcolo quantistico.

Calcolo quantistico per principianti

Se si è appassionati di quantum e si vuole iniziare a imparare la teoria dietro il calcolo quantistico, le risorse seguenti offrono argomenti come la fisica quantistica, l'informatica e l'algebra lineare.

• Nielsen, M. A. & Chuang, I. L. Calcolo quantistico e informazioni quantistiche. Calcolo quantistico e informazioni quantistiche. Regno Unito: Cambridge University Press, 2010.
• Kaye, P., Laflamme, R., & Mosca, M. Introduzione al calcolo quantistico. Oxford University Press, 2007.
• Rieffel, E. G., & Polak, W. H. Calcolo quantistico: introduzione gentile. MIT Press, 2011.

Tipi diversi di qubit

• Sergey Bravyi, Oliver Dial, Jay M. Gambetta, Dario Gil e Zaira Nazario. Il futuro del calcolo quantistico con qubit superconduttori, 2022.
• Microsoft Quantum. Dispositivi ibridi InAs-Al che seguono il protocollo del varco topologico, arXiv:2207.02472 [cond-mat.mes-hall], (2022).
• M Saffman. calcolo quantistico con qubit atomici e interazioni con Rydberg: progressi e sfide, Journal of Physics B: Atomic, Molecolare e Fisica Ottica, 49(20):202001, (2016).
• J. I. Cirac e P. Zoller. Calcoli quantistici con ioni intrappolati a freddo, Phys. Rev. Lett., 74:4091-4094 (1995).

Correzione degli errori quantistici

• Michael Beverland, Vadym Kliuchnikov e Eddie Schoute. Compilazione del codice surface tramite percorsi perimetrali non contigui, PRX Quantum, 3:020342, (2022).
• Adam Paetznick, Christina Knapp, Nicolas Delfosse, Bela Bauer, Jeongwan Haah, Matthew B. Hastings e Marcus P. da Silva. Prestazioni dei codici Floquet planari con qubit basati su Majorana, 2022.
• Austin G. Fowler, Matteo Mariantoni, John M. Martinis e Andrew N. Cleland. Codici di superficie: verso un calcolo quantistico pratico su larga scala, Phys. Rev. A, 86:032324, (2012).
• Daniel Gottesman. Introduzione alla correzione degli errori quantistici e al calcolo quantistico a tolleranza di errore. Quantum information science e i suoi contributi alla matematica, Simposi di Matematica Applicata, volume 68, pagine 13-58, (2010).

Stima delle risorse

• M. E. Beverland, P. Murali,1 M. Troyer, K. M. Svore, T. Hoefler, V. Kliuchnikov, G. H. Low, M. Soeken, A. Sundaram e A. Vaschillo. Valutazione dei requisiti per la scalabilità a vantaggi quantistici pratici, arXiv:2211.07629v1, 2022.
• Isaac H. Kim, Ye-Hua Liu, Sam Pallister, William Pol, Sam Roberts e Eunseok Lee. Stima delle risorse a tolleranza di errore per simulazioni chimiche quantistiche: case study sulle molecole di elettrolitico a batteria li-ion. Phys. Rev. Research, 4:023019, Apr 2022.
• Giulia Meuli, Mathias Soeken, Martin Roetteler e Thomas H ̈aner. Abilitazione di compilatori quantistici consapevoli dell'accuratezza usando la stima simbolica delle risorse, Proc. Programma ACM. Lang., 4(OOPSLA), 2020.

Calcolo quantistico a tolleranza di errore

• Hector Bombin, Chris Dawson, Ryan V. Mishmash, Naomi Nickerson, Fernando Pastawski e Sam Roberts. Blocchi logici per il calcolo quantistico topologico a tolleranza di errore, 2021.
• Antonio D. C'orcoles, Abhinav Kandala, Ali Javadi-Abhari, Douglas T. McClure, Andrew W. Cross, Kristan Temme, Paul D. Nation, Matthias Steffen e Jay M. Gambetta. Sfide e opportunità dei sistemi di calcolo quantistico a breve termine, Proceedings of the IEEE, 108(8):1338-1352 (2020).
• Michael Edward Beverland. Per realizzare computer quantistici, tesi di dottorato, California Institute of Technology, 2016.
• Peter W Shor. Calcolo quantistico a tolleranza di errore. Nel corso della 37a conferenza sulle basi dell'informatica, pagine 56-65. IEEE (1996).

Chimica quantistica

• J. Tilly, Hongxiang Chen, Shuxiang Cao, D. Picozzi, K. Setia, Ying Li, E. Grant, L. Wossnig, I. Rungger, G. Booth, J. Tennyson. Il Variational Quantum Eigensolver: una rassegna dei metodi e delle migliori pratiche, arXiv:2111.05176v3 [quant-ph], 2022.
• V. von Burg, Guang Hao Low, T. Häner, D.S. Steiger, M. Reiher, M. Roetteler e M. Troyer. Computazione quantistica per la catalisi computazionale potenziata. Phys. Rev. Research 3, 033055 (2021).
• Bela Bauer, Sergey Bravyi, Mario Motta e Garnet Kin-Lic Chan. Algoritmi quantistici per la chimica quantistica e la scienza dei materiali quantistici, Recensioni chimiche, 120(22):12685-12717 (2020).