- 博客(20)
- 收藏
- 关注
RSS订阅
原创 量子退火实用案例（1）：量子退火求解化学中的分子吸附问题，10小时缩短为15分
QUBO是一种组合优化问题的数学形式，目标是找到一组二元变量（0或1），使得某个二次函数的值最小化。H∑ij1NWijσiσjcHij1∑NWijσiσjcσi\sigma_iσi是二元变量，取值为0或1；WijW_{ij}Wij是QUBO矩阵的元素，表示变量之间的相互作用；ccc是一个常数。σi1σi1表示第iii个吸附位点被CO分子占据；σi0σi0表示该位点未被占据；
2025-03-31 18:11:30
606
原创 量子退火与机器学习（2）：少量实验即可找到新材料，黑盒优化➕量子退火
黑盒优化是一种迭代过程，适用于输入（材料结构）与输出（期望性能）之间的关系复杂或未知，且输出评估计算成本高昂的场景。在本文中，目标是设计具有高性能指标（FOM）的元材料，专门针对大气透明窗口（8-13 μm）的热辐射冷却。设计空间包含众多可能的材料配置，使得穷举评估变得不切实际。论文采用机器学习和量子退火来解决这一挑战，其中QUBO矩阵在量子退火优化中扮演核心角色。回归：因子分解机（FM）根据材料结构预测FOM值。选择：量子退火器求解QUBO问题以选择下一个候选结构。模拟。
2025-03-31 15:26:55
583
原创 量子退火与机器学习（1）：少量数据求解未知QUBO矩阵，以少见多
主要是来自大関真之教授的直播课程: 【実践的量子ソリューション創出論・量子力学B・合同補講】第4回: 量子アニーリングによるブラックボックス最適化を実装する【東北大学全学教育・東北大学工学部】这篇主要讲，怎么用少量数据去推定QUBO矩阵，然后迭代求解未知函数的方法。QUBO建模压缩感知算法(Compressed Sensing)稀疏建模(Sparse Modeling)ISTA算法(iterative shrinkage thresholding algorithm:软阈值迭代算法)
2024-12-23 20:31:42
1419
原创 最前沿・量子退火建模方法(2) : Domain wall encoding讲解和python实现
one hot编码的约束项，等价于下面的Domain wall encoding的约束项。spin串里，从-1变为+1的位置下标数值i，就是该编码的代表的数值。（＊满足该条件的位置仅存在一个）下面的Domain wall value就是，上面👆约束项的最小值。可以代入验算一下。Domain wall encoding的概念并不难理解，但是网上资料太少了，搞懂也花了点时间，不过终于搞懂了，希望能帮到大家。
2024-04-15 23:54:42
970
2
原创 量子近似优化算法(QAOA)入门（1）：从量子绝热算法(QAA)角度的直观理解
开始大家要有这样一个认识，才不会在学习过程中困惑。提示：以下是本篇文章正文内容，下面案例可供参考这篇文章，理清了QAOA的发明过程，以及直观理解，没有使用公式，之后慢慢代入公式进行讲解。
2023-07-07 15:38:17
6510
2
原创 量子退火Python实战（5）：PyQUBO高级攻略 MathorCup2023最后助攻
今天发布有点晚了，希望能给大家最后一点帮助。希望大家比赛结束有兴趣的也能接着研究，提出问题。两个例子可以具体展开讲，今天想发布实用简略版。大家有问题接着留言。
2023-04-16 16:41:52
2580
26
原创 量子退火Python实战（4）：PyQUBO使用攻略 MathorCup2023加油！
PyQUBO的代码比较少，散落在我的很多文章里，这次专门写一篇，就不讲具体案例了，专门讲讲常见的约束用python怎么写。有什么想问的，评论里留言，我会及时更新文章。那些库装不上的，直接发代码让我debug的，还是自己解决吧。
2023-04-15 16:14:48
5891
54
原创 量子退火Python实战（3）：投资组合优化（Portfolio） MathorCup2023特供PyQUBO教程
最近MathorCup2023的A题刚好是投资组合的QUBO建模，刚好有篇日文文章是讲这个的，直接翻译过来。供大家参考。《量子アニーリングを用いたポートフォリオ最適化 – 量子アニーリングソリューションコンテスト》p = 1987什么是投资组合优化？投资组合优化是在考虑风险和收益的情况下寻找资产（投资组合）的最佳组合。投资组合优化有多种理论，但这次我们基于现代投资组合理论进行投资组合优化。什么是现代投资组合理论？这是对现代投资组合理论（又名现代投资理论）的描述。
2023-04-14 09:57:55
9004
49
原创 量子退火算法入门（7）：如何QUBO中的三次多项式怎么转换？
怎么将QUBO中的三次多项式转换为二次多项式了。直接以一个例题开始讲解。中间会用到之前文章里的知识，大家最好读了该系列前两篇之后，再阅读此文。还是挺麻烦的，不过不难理解，是可以写程序自动化的，这也是为什么我们需要pyqubo这中自动化转换QUBO的程序。
2023-04-13 20:16:51
8086
41
原创 量子退火Python实战（2）：护士调度问题（NSP : Nurse Scheduling Problem）
护士排班问题的QUBO建模和Python实现，证明了，现状下的量子退火机对大规模时间调度问题存在局限性。
2022-12-08 09:42:22
4957
5
原创 量子退火Python实战（1）：车辆路径问题（VRP : Vehicle Routing Problem）
建模车辆路径问题（VRP：Vehicle Routing Problem）的QUBO矩阵，并提供Python实现代码。
2022-12-04 00:06:39
12351
28
原创 量子退火算法入门（4）：旅行商问题的QUBO建模「上篇」
解释了建模旅行商问题TSP的QUBO表达式，读者可以理解如何设计目标函数和约束条件。
2022-10-31 11:32:07
13657
4
原创 量子退火算法入门（2）：有约束优化问题的QUBO怎么求？
有约束优化问题第一篇文章讲述了，怎么从二次多项式获得QUBO，获得QUBO后，量子退火法就可以直接给你最优解（没有特殊说明的话，所有的变量都是0或1）。其实，实际问题一般都是有约束的，比如上篇的例题加上约束条件后。这种带约束的优化问题，我们要求出满足约束条件下的令H值最小的，（x1,x2）的组合。没有约束的情况，（x1,x2）的组合和H的取值如下表，最优解为（x1,x2）=（0,1）：从上面的表中可以看到，因为需要满足约束条件，最优解变为（x1,x2）=（1,1）。这道例题变量比较少，可以很快找到
2022-04-20 21:05:20
24729
34
翻译 使用Pytorch和Pyro实现贝叶斯神经网络(Bayesian Neural Network)
本文翻译自：https://www.noconote.work/entry/2019/01/01/160100最近概率模型和神经网络相结合的研究变得多了起来，这次使用Uber开源的Pyro来实现一个贝叶斯神经网络。概率编程框架最近出了不少，Uber的Pyro基于Pytorch，Google的Edward基于TensorFlow，还有一些独立的像PyMC3,Stan,Pomegranate等等。...
2019-07-18 20:59:17
17895
44
原创 使用tar压缩包在Ubuntu或者macos安装neo4j
使用tar压缩包在Ubuntu或者macos安装neo4j下载tar压缩包解压缩后安装下载tar压缩包安装之前请先完成java环境设定。然后通过下面链接下载。wget http://dist.neo4j.org/neo4j-community-3.2.2-unix.tar.gz这里可以把3.2.2替换成自己需要的版本。解压缩后安装解压缩后进入文件夹进入bin文件夹，这里需要把neo...
2019-01-26 12:23:23
397
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人