Video Experimental Relacionado
Updated: Sep 9, 2025

Computation of Atmospheric Concentrations of Molecular Clusters from ab initio Thermochemistry
Published on: April 8, 2020
Evaluación comparativa de un algoritmo heurístico adiabático de Floquet para el problema de Max-Cut
Etienne Granet1, Henrik Dreyer2
1Quantinuum, Leopoldstrasse 180, 80804, Munich, Germany. etienne.granet@quantinuum.com.
La evolución adiabática de Floquet ofrece un enfoque de computación cuántica más eficiente para problemas de optimización. Este método reduce significativamente el recuento de puertas, lo que permite soluciones óptimas para problemas como Max-Cut en computadoras cuánticas.
Área de la Ciencia:
- Mecánica Cuántica
- Ciencias computacionales
- Algoritmos de optimización
Sus antecedentes:
- El teorema adiabático de la mecánica cuántica establece que un sistema en su estado fundamental permanece en el estado fundamental bajo cambios hamiltonianos lentos.
- Los principios de computación cuántica adiabática pueden resolver problemas complejos, pero a menudo requieren grandes conteos de puertas en computadoras cuánticas digitales debido al escalamiento de pasos de Trotter.
Objetivo del estudio:
- Para investigar un nuevo enfoque, la evolución adiabática de Floquet, para implementar de manera eficiente la dinámica adiabática en computadoras cuánticas digitales.
- Demostrar la efectividad de la evolución adiabática de Floquet para resolver problemas de optimización clásicos, específicamente el problema de Max-Cut.
Principales métodos:
- Evolución adiabática de Floquet propuesta, utilizando un paso de Trotter fijo y finito para la dinámica adiabática.
- Se utilizaron simulaciones de estado de la matriz del producto para proporcionar pruebas numéricas de la eficacia del método.
- Probado el enfoque en el problema de Max-Cut para 3 gráficos regulares.
Principales resultados:
- La evolución adiabática de Floquet reduce significativamente el recuento de puertas en varios órdenes de magnitud en comparación con la evolución adiabática en tiempo continuo.
- Las simulaciones numéricas muestran soluciones óptimas para el problema Max-Cut en gráficos 3-regulares con bajos tiempos de ejecución y dimensiones de enlace.
- La estimación de recursos sugiere el potencial de las computadoras cuánticas para superar a los solucionadores clásicos para este problema.
Conclusiones:
- La evolución adiabática de Floquet presenta una alternativa computacionalmente eficiente para la computación cuántica adiabática.
- Este método es prometedor para resolver problemas de optimización difíciles como Max-Cut en dispositivos cuánticos a corto plazo.
Más Videos Relacionados
Videos de Conceptos Relacionados
Mechanistic Models: Compartment Models in Algorithms for Numerical Problem Solving
In individual population analyses, different algorithms are employed, such as Cauchy's method, which uses a...
Turbulent Flow: Problem Solving
Temperature is a key factor in CO2 solubility. In this case, the CO2 gas and the liquid are cooled to 20°C. Lower temperatures...
Heuristics
People often rely on heuristics when faced with an overload of information, limited time, low importance of the decision, limited information, or when a heuristic readily comes to mind. For...
Maxwell-Boltzmann Distribution: Problem Solving
This distribution function f(v) is defined by saying that the expected number N (v1,v2) of particles with speeds between v1 and v2 is given by
Laminar Flow: Problem Solving
Uniform Depth Channel Flow: Problem Solving

