소개

완료됨

양자 컴퓨팅 기초 학습 경로에서 이전 모듈을 공부한 경우 양자 컴퓨팅의 기본 사항과 승무원 팀이 우주선에서 직면한 문제 중 일부를 양자 알고리즘으로 해결할 수 있는 방법을 이미 잘 알고 있습니다.

이 학습 경로에서 우주선 승무원 팀의 한 가지 임무는 소행성 채굴 탐험입니다.

이 모듈에서는 QIO(양자 유도 최적화)라는 ‘고전적’ 컴퓨팅 방법에 관해 알아봅니다. QIO는 기존 하드웨어에서 최적화 문제를 해결하기 위해 적용되는 알고리즘 클래스를 나타냅니다.

QIO 방법을 설명하기 위해 승무원 팀의 물류 부서가 화물선을 효율적으로 적재하는 방법을 살펴보겠습니다.

최대한 균등하게 광물을 적재해야 하는 두 개의 컨테이너와 화물선을 보여 주는 그림.

우주선은 최근에 발견한 소행성에서 채굴한 희귀 광물을 운반하고 있습니다. 그러나 두 개의 경쟁 은하계 연합이 소행성에 대한 소유권을 주장했습니다. 정치적 위기를 방지하기 위해 승무원 팀은 두 연합에 광물 공급량을 거의 동일하게 제공할 업무를 맡았습니다.

문제를 복잡하게 하기 위해 공급되는 광물을 다양한 크기의 거대한 덩어리로 추출했으며 이러한 덩어리를 동일하게 나누기는 쉽지 않습니다.

광물 분배를 최적화하고 은하계 관련 위기를 피하기 위해 어떻게 해야 할까요?

학습 목표

이 모듈에서는 다음을 수행합니다.

  • 양자 유도 최적화의 기본을 알아봅니다.
  • 이 방법이 어떤 종류의 문제에 가장 적합한지 알아봅니다.
  • 실제 프로세스를 기반으로 하는 알고리즘으로 까다로운 문제를 해결하는 방법을 이해합니다.
  • Azure Quantum 최적화 서비스를 사용하여 복합적인 최적화 문제를 해결합니다.

필수 구성 요소

해당 도구가 아직 없는 경우 먼저 Azure Quantum 시작하기 모듈부터 시작하는 것이 좋습니다.