روزهای جمعه که کار و زندگی ندارم، اگر برنامه تفریحی هم نداشته باشم (شخم زدن کوه‌ و جنگل‌های شمال)، مقاله می‌خوانم یا کتابچه ترجمه می‌کنم، فیلم ضبط می‌کنم که البته بعضی از آنها را به اشتراک گذاشتم.

به هر صورت، گاهی اوقات آدم مقالاتی را می‌خواند که واقعا حیرت می‌کند. از این دست مقالات، از این به بعد بخوانم یک چیکیده به شما هم ارائه می‌دهم که البته مطمئن هستم، از هر 100 نفر شما شاید یک نفر وقت بگذارد و این مقالات را بخواند، چون عموماً کسی حوصله ندارد. به قول یکی از دوستان، نه که نخوام‌ها، ولی حوصله و اشتیاق به مطالعه ندارم.

ولی خب همیشه آدم‌های جاه‌طلبی وجود دارند که اهل مطالعه بیش از اندازه هستند که ما این افراد را خیلی دوست داریم. کلا مطالعه مقالات پژوهشی خیلی خوب است. یک شخصی در توییتر هست، با نام دنیل بیلار، این بابا یک یهودی و صهیونیست به شدت مذهبی است، یک حزب‌الهی اما یهودی است (یا حداقل خودش اینطور فکر می‌کند).

همین دنیل بیلار روزی دو یا سه تا مقاله را می‌خواند و چکیده آن را در توییتر به اشتراک می‌گذارد. خلاصه من هم قصد دارم از این بابا تقلید کنم و این کار را انجام بدهم.

دیروز هم یک توییت انتشار داده بود در مورد سنت یهودی‌ها و گفته بود "آیا می‌دانید در باور یهودیان گوش دادن به سخنان بد، گناه بسیار بزرگتری از گفتن آن سخنان بد (Evil Speech) است؟". طرف داخل توییتر علاوه بر اشتراک مبحث علمی، تفکرات و باورهای یهودی را هم به اشتراک می‌گذارد. البته این حرفی که دنیل زده است، کلا در همه مذاهب ابراهیمی آمده است، ولی فقط مسلمان‌ها کلا آن را رعایت نمی‌کنند.

خلاصه در این پست قصد دارم به تقلید از دنیل بیلار من هم مقاله علمی و کاری بخوانم و چکیده‌ای از آن را به شما ارائه بدهم. امروز مقاله "Variationally Learning Grover’s Quantum Search Algorithm" را مطالعه کردم که در مورد الگوریتم گِرُوِر برای جستجوی کوانتومی است.

این الگوریتم، یعنی الگوریتم گِرُوِر (Grover) یک الگوریتم کوانتومی برای جستجو در یک پایگاه داده نامرتب دارای N عضو، در فضای ذخیره‌سازی O(log N) است.

همانطور که در جریان هستید، بر روی یک رایانه کلاسیک، جستجو در یک پایگاه داده نامرتب نمی‌تواند در زمان کمتر از زمان خطی یا (O(n، یعنی با بررسی تک تک ورودی‌ها انجام گیرد.

الگوریتم آقای گرُوِر که در سال 1996 ارائه شد، بیان می‌کند که روی یک رایانه کونتومی این عمل با پیچیدگی زمانی (O(N۱/۲ قابل انجام است و به طور حدی، سریع‌ترین الگوریتم قابل پیاده‌سازی برای جستجوی پایگاه داده نامرتب روی یک رایانه کوانتومی است.

با وجود اینکه که الگوریتم‌های کوانتومی معمولاً افرایش سرعتی نمایی نسبت به الگوریتم‌های کلاسیک دارند، این الگوریتم افزایش سرعتی از توان ۰٫۵ در پی دارد که البته برای Nهای بزرگ بسیار قابل توجه است.

در این مقاله که پژوهشی در زمینه بهینه‌سازی این الگوریتم است، پژوهشگران تلاش کرده‌اند بر روی یک مدار کوانتومی پارامتریک که مجموعه‌ای خاص از این پارامترها با الگوریتم گرور مطابقت دارد، با استفاده از مبحث یادگیری این تنظیمات را ریکاور کند.

در این مقاله تلاش شده است که به محدودیت‌های این الگوریتم پاسخ بهینه داده شود. رویکرد یادگیری اختیاری که در این مقاله استفاده شده است، 6 درصد موجب بهبود سرعت و نتیجه این الگوریتم جستجوی کوانتومی شده است.

دانلود مقاله: دریافت