量子计算机原理和程序设计电子书

前折页

内容简介

推荐序

前言

第1章 量子计算简介

1.1 从经典计算到量子计算

1.1.1 经典计算与科学研究的融合

1.1.2 经典计算的局限性

1.1.3 量子模拟概念的提出

1.1.4 量子计算概念的酝酿

1.1.5 量子计算的优势

1.2 量子计算发展简史

1.2.1 20世纪80年代——量子计算的起源

1.2.2 20世纪90年代——量子计算的突破与物理实现

1.2.3 21世纪原子型量子计算

1.2.4 21世纪电子型量子计算

1.2.5 21世纪光子型量子计算

1.2.6 21世纪量子算法的进展

1.2.7 量子计算的商业化和产业化

第2章 量子计算的技术路线

2.1 实现量子比特的典型物理体系

2.1.1 离子阱

2.1.2 超导电路

2.1.3 硅半导体

2.1.4 光量子计算

2.1.5 其他体系

2.2 量子计算的硬件技术

2.2.1 机械

2.2.2 光学

2.2.3 电子

2.2.4 原子测控

2.2.5 芯片

第3章 实例：离子阱量子计算机的工程实现

3.1 离子阱量子计算机的主要构成

3.1.1 离子阱系统

3.1.2 工作环境系统

3.1.3 光学系统

3.1.4 测控系统

3.2 离子阱系统

3.2.1 离子阱模块

3.2.2 原子发生模块

3.2.3 谐振器模块

3.3 工作环境系统

3.3.1 整体结构

3.3.2 超高真空模块

3.3.3 低温模块

3.3.4 减振模块

3.3.5 低温真空实现步骤

3.4 光学系统

3.4.1 稳频模块

3.4.2 消融模块

3.4.3 离化模块

3.4.4 冷却模块

3.4.5 回泵模块

3.4.6 操控模块

3.4.7 进阱模块

3.4.8 成像模块

3.5 测控系统

3.5.1 测控板卡模块

3.5.2 阱周电气模块

3.5.3 离子阱工作环境测控模块

3.5.4 一体化测控界面模块

第4章 量子编程与算法

4.1 量子编程基础

4.2 常见量子算法

4.2.1 Deutsch算法

4.2.2 Deutsch-Jozsa算法

4.2.3 Bernstein Vazirani算法

4.2.4 Simon算法

4.2.5 量子傅里叶变换

4.2.6 Grover算法

4.2.7 Shor算法

4.2.8 变分量子特征值求解算法

4.2.9 量子近似优化算法

4.3 量子编程框架

4.3.1 量子编程框架概述

4.3.2 Qiskit

4.3.3 Cirq

4.3.4 QuTrunk

4.3.5 QuSprout

第5章 实例：在QuTrunk上实现量子神经网络

5.1 机器学习

5.1.1 人工智能

5.1.2 机器学习

5.1.3 深度神经网络

5.2 量子机器学习

5.3 QuTrunk+TensorFlow实现量子+机器学习

5.3.1 T ensorFlow简介

5.3.2 应用示例

5.4 QuTrunk+PyTorch实现量子+机器学习

5.4.1 PyT orch简介

5.4.2 应用示例

5.5 QuTrunk+PaddlePaddle实现量子+机器学习

5.5.1 PaddlePaddle简介

5.5.2 应用示例

5.6 QuTrunk+MindSpore实现量子+机器学习

5.6.1 MindS pore简介

5.6.2 应用示例

第6章 量子计算相关应用

6.1 量子模拟

6.1.1 量子模拟简介

6.1.2 量子模拟应用

6.2 量子优化

6.2.1 量子优化简介

6.2.2 量子优化应用

6.3 量子机器学习

6.3.1 量子机器学习简介

6.3.2 量子机器学习应用

6.4 量子密码

6.4.1 量子密码简介

6.4.2 量子密码应用

6.5 实例：量子时序预测

6.5.1 时序预测定义

6.5.2 时序预测模型

6.5.3 量子时序预测应用

6.6 实例：QuTrunk实现量子变分算法

第7章 量子计算产业发展趋势

7.1 量子计算产业现状

7.1.1 国际现状

7.1.2 国内现状

7.1.3 国内和国际的比较

7.2 量子计算产业的技术与应用

7.2.1 硬件

7.2.2 软件与算法

7.2.3 市场应用

7.3 量子计算产业前瞻

7.3.1 量子计算的学术研究方向

7.3.2 量子计算技术的未来发展

7.3.3 量子计算产业的全球与国内政策环境

7.3.4 关键应用领域的挑战与机遇