对广大的程序员学习量子计算和量子机器学习的很好教材！

曲波-NN 9个问题及其各自的QUBO矩阵。 QUBO矩阵用于将优化问题描述为矩阵，以便量子退火器（例如D-Wave QA）可以解决该问题。 现在，这些矩阵是一个非常有趣的构造。因此，出现了一些问题： 是否可以根据QUBO矩阵对问题类别进行分类？ 自动编码QUBO矩阵时，要权衡些什么呢，也就是说，在解决方案质量显着下降之前，还能走多远？ 让我们找出答案。 项目结构 文件 目的 nn / 包含神经网络模型。 问题/ 包含针对特定问题（例如3SAT或TSP）的生成器和评估器。 曲/ 将包含通用QUBO库。 数据集/ 包含生成的数据集。 楷模/ 包含训练有素的模型。 config.py 配置（json）处理。 main.py 主入口点。 pipe.py 在QUBO矩阵上对NN进行端到端训练和测试。 Simulations.json 所有实验和配置。

量子计算 我将在此存储库中实现各种量子算法。 该存储库使用Cirq和Tensorflow Quantum。 如果有时间，我将在其中的每一个上制作视频，当我这样做时，链接将在此处： 实施算法 TensorFlow-Quantum（TFQ）和Cirq 用于不同TFQ实验的代码。 包括原始代码和教程（以及从pennylane到tfq的翻译教程）。 有关以下内容的视频讨论： : 目前包括： 单Qubit分类器 用QML解决XOR 复制“用量子变分电路进行强化学习” TFQ中的量子近似优化算法（QAOA） TFQ中的变分量子本征求解器（VQE）：包括1个和2个量子位哈密顿量和的复制 用于TFQ中VQE的Rotosolve优化器：来自 VQE用于Cirq中的任意多个量子位 自定义ParameterShift和Adam优化与TFQ的比较 潘妮兰 Pennylane实验的代码（主要来自黑客

Fundamental Concepts Classical Learning Algorithms Quantum Computing and Machine Learning

本科生论文：带有数据重载的量子图像分类器设计量子卷积和数据重载分类器方案 一个用于完成我的大学论文的资料库，该资料库是带有数据重新上传的量子图像分类器设计，量子卷积和数据重新上传分类器方案。 顾问： 和 抽象的 随着工业和学术界的问题越来越难解决，对计算能力的需求不断增长。 诸如分子等大型量子系统的仿真或求解大型线性系统之类的应用程序的计算成本可能非常昂贵。 这已经成为量子计算发展的原因之一，量子计算是一种利用量子系统的特性和理论进行信息处理的计算方法。 量子计算机向我们保证，这类问题将以指数级的速度提高。 尽管近年来量子计算机的发展Swift发展，但是理论和技术挑战仍然是大规模量子计算机的障碍。 当今存在的量子计算机具有严格的限制，例如由于过程中的噪声而导致量子位有限和门操作受限。 变分量子算法（VQA）已经成为解决这些局限性的有前途的策略之一。 已经提出了采用该策略的各个领域的应用