Weitere nützliche Informationen: Lernressourcen zum Quantencomputing

In diesem Artikel sind einige der beliebtesten Ressourcen aufgeführt, die beim Erlernen des Quantencomputings hilfreich sein können.

Microsoft-Ressourcen zum Quantencomputing

Erfahren Sie, wie Sie Quantencomputing-Lösungen mit den Quantum Development Kit Azure Quantum-Diensten und anwenden.

• Azure Quantum-Trainingspfad: ein interaktiver, kostenloser, praktischer Lernpfad. In diesen Modulen erfahren Sie mehr über Quantencomputing und die Entwicklung von Quantenlösungen mit Q# und azure Quantum Development Kit.
• Quanten-Katas: eine Sammlung eigenverantwortlich zu absolvierender Tutorials zur Quantenprogrammierung mit Q#.
• Azure Quantum-Videos: Eine Wiedergabeliste mit Videos zu Ankündigungen, Demos und Diskussionen von Azure Quantum aus der Quantum Innovator Series.
• Q#-Codebeispiele: eine Sammlung von einsatzbereiten Codebeispielen, die Sie verwenden können, um mit der Erstellung Ihrer ersten Quantenlösung zu beginnen.
• Q#-Blog: ein Blog, der von Entwicklern für Entwickler geschrieben wird. Sie können mehr über die neuesten QDK- und Q# Erkenntnisse lesen und sich über Quantenprobleme und Hackathonankündigungen informieren.
• Forschungspublikationen: Informieren Sie sich über die neuesten Fortschritte bei Quantenhardware und Algorithmen, die von Microsoft-Forschern entwickelt wurden.

Diese und weitere Ressourcen zum Quantencomputing finden Sie auf der Microsoft-Seite für Lernressourcen zum Thema Quantencomputing.

Von der Q#-Community bereitgestellte Inhalte

Die folgenden Ressourcen werden von der Quantencommunity erstellt und entwickelt, die sich für die Quantenprogrammierung begeistert.

Bücher, die von der Community erstellt wurden

• Einführung in Quantum Computing mit Q# und QDK, Filip Wojcieszyn, Springer, 2022.
• Q# Pocket Guide, Mariia Mykhailova, O'Reilly, 2021. Q# Beispiele, die auf modern QDK aktualisiert wurden, sind hier.
• Einführung in Microsoft Quantum Computing für Entwickler, Johnny Hooyberghs, Springer, 2021.
• Lernen Sie Quantencomputing mit Python und Q# - Ein praktischer Ansatz, S. Kaiser und C. Granade. Manning Publications, 2021.

Blogs, die von der Community erstellt wurden

• Awesome qsharp: eine Open Source-Liste mit Q#-Code und -Ressourcen.
• Q# Community: Ein GitHub-Bereich für communitybasierte Projekte.

Foren und Communitys für Quantenentwickler

• Quantencomputing StackExchange: eine Online-Community für Quantenentwickler, um zu lernen und ihr Wissen zu teilen.

• Subreddit für das Quantencomputing:eine Onlinecommunity in Reddit, um die neuesten Nachrichten und Entwicklungen des Quantencomputings zu besprechen.

Quantencomputing-Kurse

Schauen Sie sich die folgenden Kurse zum Quantencomputing an.

• Quantum Computing mit Microsoft QDK: Eine Reihe von liveProjects, die Ihnen helfen, die Entwicklung von Quantensoftware zu erlernen, indem Sie End-to-End-Projekte erstellen. Sie erkunden das volle Potenzial von Quanten für Kryptografie, Datenübertragung, Datenrekonstruktion und vieles mehr.

• Quantum Computing – Brillanter Kurs: Erfahren Sie, wie Sie Quantenalgorithmen von Grund auf erstellen, indem Sie einen im Browser simulierten Quantencomputer verwenden, der in einer Zusammenarbeit von Quantenforschern und Praktikern von Microsoft, X sowie dem Institute for Quantum Information and Matter (IQIM) von Caltech erstellt wurde.
• Quantencomputing durch Comics – HackadayU-Kurse: Machen Sie sich in Unterrichtsdiskussionen und leicht verständlichen Comics mit Quantencomputingkonzepten und der Algorithmusprogrammierung vertraut.

Quellenangaben

Die folgende Bibliographie ist eine Sammlung von Publikationen, die ein breites Spektrum von Quantencomputing-Themen abdecken.

Quantencomputing für Einsteiger

Wenn Sie ein Quanten-Enthusiast sind und sich mit der Theorie hinter dem Quantencomputing befassen möchten, finden Sie in den folgenden Publikationen Informationen zu Themen wie Quantenphysik, Informatik und lineare Algebra.

• Nielsen, M. A. & Chuang, I. L. Quantenberechnung und Quanteninformation. Quantenberechnung und Quanteninformationen. UK: Cambridge University Press, 2010.
• Kaye, P., Laflamme, R., & Mosca, M. Eine Einführung in das Quantencomputing. Oxford University Press, 2007.
• Rieffel, Z. B. & Polak, W. H. Quantum Computing: Eine sanfte Einführung. MIT Press, 2011.

Verschiedene Arten von Qubits

• Sergey Bravyi, Oliver Dial, Jay M. Gambetta, Dario Gil und Zaira Nazario. Die Zukunft des Quantencomputings mit supraleitenden Qubits, 2022.
• Microsoft Quantum. InAs-Al Hybrid Devices Passing the Topological Gap Protocol, arXiv:2207.02472 [cond-mat.mes-hall], (2022).
• M Saffman. Quantencomputing mit atomaren Qubits und Rydberg-Interaktionen: Fortschritt und Herausforderungen, Journal der Physik B: Atom-, Molekular- und Optische Physik, 49(20):202001, (2016).
• J. I. Cirac und P. Zoller. Quantenberechnungen mit kalten eingeschlossenen Ionen, Phys. Rev. Lett., 74:4091–4094 (1995).

Quantenfehlerkorrektur

• Michael Beverland, Vadym Kliuchnikov und Eddie Schoute. Surface-Codekompilierung über edge-disjoint-Pfade, PRX Quantum, 3:020342, (2022) .
• Adam Paetznick, Christina Knapp, Nicolas Delfosse, Bela Bauer, Jeongwan Haah, Matthew B. Hastings und Marcus P. da Silva. Leistung planarer Floquetcodes mit majorana-basierten Qubits, 2022.
• Austin G. Fowler, Matteo Mariantoni, John M. Martinis und Andrew N. Cleland. Oberflächencodes: Auf dem Weg zur praktischen großflächigen Quantenberechnung, Phys. Rev. A, 86:032324, (2012).
• Daniel Gottesman. Eine Einführung in die Quantenfehlerkorrektur und fehlertolerante Quantenberechnung. In Quantum Information Science and its Beiträge to Mathematics, Proceedings of Symposia in Applied Mathematics, Band 68, S. 13–58, (2010).

Ressourcenschätzung

• M. E. Beverland, P. Murali,1 M. Troyer, K. M. Svore, T. Hoefler, V. Kliuchnikov, G. H. Low, M. Soeken, A. Sundaram und A. Vaschillo. Bewertung der Anforderungen für die Skalierung auf praktische Quantenvorteile, arXiv:2211.07629v1, 2022.
• Isaac H. Kim, Ye-Hua Liu, Sam Pallister, William Pol, Sam Roberts und Eunseok Lee. Fehlertolerante Ressourcenschätzung für quantenchemische Simulationen: Fallstudie zu Elektrolytmolekülen der Li-Ionen-Batterie. Phys. Rev. Research, 4:023019, Apr 2022.
• Giulia Meuli, Mathias Soeken, Martin Roetteler und Thomas H ̈aner. Aktivieren von Genauigkeits-fähigen Quantencompilern mithilfe der symbolischen Ressourcenschätzung( Proc). ACM-Programm. Lang., 4(OOPSLA), 2020.

Fehlertolerantes Quantencomputing

• Hector Bombin, Chris Dawson, Ryan V. Mishmash, Naomi Nickerson, Fernando Pastawski und Sam Roberts. Logische Blöcke für fehlertolerante topologische Quantenberechnung, 2021.
• Antonio D. C'orcoles, Abhinav Kandala, Ali Javadi-Abhari, Douglas T. McClure, Andrew W. Cross, Kristan Temme, Paul D. Nation, Matthias Steffen und Jay M. Gambetta. Herausforderungen und Chancen von kurzfristigen Quantencomputingsystemen, Proceedings of the IEEE, 108(8):1338–1352 (2020).
• Michael Edward Beverland. Auf dem Weg zu realisierbaren Quantencomputern, Dissertation, California Institute of Technology, 2016.
• Peter W Shor. Fehlertolerante Quantenberechnung. In Proceedings of 37th conference on foundations of computer science, S. 56–65. IEEE (1996).

Quantenchemie

• J. Tilly, Hongxiang Chen, Shuxiang Cao, D. Picozzi, K. Setia, Ying Li, E. Grant, L. Wossnig, I. Rungger, G. Booth, J. Tennyson. The Variational Quantum Eigensolver: a review of methods and best practices, arXiv:2111.05176v3 [quant-ph], 2022.
• V. von Burg, Guang Hao Low, T. Häner, D.S. Steiger, M. Reiher, M. Roetteler und M. Troyer. Quantencomputing erweiterte berechnungsbasierte Katalyse. Phys. Rev. Research 3, 033055 (2021).
• Bela Bauer, Sergey Bravyi, Mario Motta und Garnet Kin-Lic Chan. Quantenalgorithmen für Quantenchemie und Quantenmaterialwissenschaft, Chemical Reviews, 120(22):12685–12717 (2020).