이 브라우저는 더 이상 지원되지 않습니다.
최신 기능, 보안 업데이트, 기술 지원을 이용하려면 Microsoft Edge로 업그레이드하세요.
각 질문에 가장 적합한 답을 선택하세요. 그런 다음, 정답 확인을 선택하세요.
양자 알고리즘을 실행하는 데 필요한 리소스를 예측하는 것이 중요한 이유는 무엇인가요?
양자 컴퓨터는 한 번에 제한된 수의 알고리즘만 실행할 수 있으므로 많은 리소스가 필요한 알고리즘을 삭제해야 합니다.
양자 컴퓨터는 비용이 많이 드는 기술이므로 최상의 경제적 결정을 내리기 위해 특정 알고리즘의 비용을 예측해야 합니다.
리소스 예측을 통해 아키텍처 디자인 및 QEC 체계를 선택하여 향후 양자 컴퓨터에서 실행할 양자 솔루션을 구체화할 수 있습니다.
Azure Quantum Resource Estimator는 물리적 큐비트 모델("qubitParams")을 대상 매개 변수로 사용합니다. 다음 중 참인 것은 무엇인가요?
"qubitParams"
6개의 사전 정의된 큐비트 모델 중에서 선택할 수 있으며 각 값은 업데이트될 수 있습니다. 기존 모델을 수정하고 새 모델을 만들 수 있습니다.
미리 정의된 두 큐비트 모델, 즉 Surface 코드와 Floquet 코드 중에서 선택할 수 있습니다.
미리 정의된 6개의 큐비트 모델 중에서 선택할 수 있지만 매개 변수를 사용자 지정할 수 없습니다.
리소스 추정기는 양자 알고리즘의 리소스 추정치를 평가합니다. 리소스 예측 작업의 출력은 무엇인가요?
Resource Estimator는 알고리즘을 실행하는 데 드는 예상 경제적 비용과 런타임을 출력합니다.
Resource Estimator는 Azure Quantum에서 사용할 수 있는 각 양자 하드웨어 공급자의 물리적 큐비트 수와 양자 알고리즘의 런타임을 출력합니다.
Resource Estimator는 회전 게이트 수, QEC 예측, T 팩터리 매개 변수, 총 물리적 큐비트, 런타임과 같은 물리적 및 논리적 예측을 출력합니다.
작업을 확인하기 전에 모든 질문에 대답해야 합니다.
계속
이 페이지가 도움이 되었나요?