Araştırma ve Teknik Notlar
Dış araştırmaları kaynaklarıyla okuyor, N/M tasarım kararlarını açıklıyor ve küçük deneyleri tekrar çalıştırılabilir hâle getiriyoruz. Literatür kayıtları ilgili araştırmacılara aittir.
Nasıl inceliyoruz?
Bilimsel yayın, yazılım tasarım notu ve eğitim deneyi farklı kanıt türleridir. Her birini kendi bağlamıyla sunuyoruz.
Literatür okumaları
Gerçek yayınlara, yazar bilgilerine ve DOI veya arXiv kayıtlarına bağlanır; bulguları kapsam ve sınırlamalarıyla özetleriz.
Teknik notlarımız
N/M sözdizimi, çalışma zamanı ve araç zinciri kararlarını rehberler ve RFC belgeleriyle açıklarız.
Tekrarlanabilir deneyler
Kod, parametre ve model varsayımlarını görünür tutar; küçük örnekleri Playground ve laboratuvarlarda tekrar çalıştırmaya yönlendiririz.
N/M geliştirme
Kendi yazılımımızın teknik notları
Bu kayıtlar dil tasarımı ve ürün dokümantasyonudur; hakemli bilimsel yayın olarak sunulmaz.
Klasik fonksiyonların tasarımı
NM-RFC-0035 ile fonksiyon parametrelerini, dönüş değerlerini ve sınırlandırılmış yürütme kararlarını incele.
Notu açYetenekler ve uygulama sınırları
Kullanılabilir, önizleme ve deneysel özellikleri; hedef ve çalışma zamanı kısıtlarıyla birlikte oku.
Notu açN/M dil rehberi
Sözdizimini ve desteklenen örnekleri ürünün kullanım rehberinden takip et.
Notu açTekrarlanabilir eğitim deneyi
Yüzey kodu kaynak tahmini
Bu panel, Playground ve öğrenme laboratuvarındaki aynı N/M örneğini çalıştırır. Devre kaynaklarını ve seçilen varsayımların tahmine etkisini incelemek için başlangıç noktasıdır.
Sayılar N/M’nin basitleştirilmiş kaynak modelinden gelen yaklaşık tahminlerdir. Fiziksel QPU ölçümü, kalibre edilmiş donanım performansı veya hata düzeltme başarısı değildir.
Çalıştırılabilir kaynak
FTQC kaynak tahmini örneği
Çalışma zamanı çıktısı
FTQC estimate: surface code d=7, logical qubits 3, physical qubits ~294, T-count 16, T-depth 6, magic states 16, runtime ~0.048 ms
Karşılaştırmaya devam et
Kuantum AI alanında küçük hibrit örnekleri ve klasik karşılaştırmaları incele. Sonuçları veri, model ve değerlendirme sınırlarıyla birlikte oku.
03 / Kaynaklar ve deneyler
Literatür kaynakları
Aşağıdaki yayınlar ve standart duyurusu dış kaynaklardır. Yazarları ve sonuçları QuantumSoftware’a ait değildir.
4 kaynak gösteriliyor
Yüzey kodu eşiğinin altında kuantum hata düzeltme
Google Quantum AI and Collaborators — Nature 638 (2025); çevrimiçi yayın 2024
Belirli yüzey kodu deneylerinde kod mesafesiyle mantıksal hata oranının azalmasını inceler. Bu bellek deneyi, tek başına evrensel ve hataya dayanıklı bir kuantum bilgisayarın gösterimi değildir.
İlk yayın: · DOI: 10.1038/s41586-024-08449-y
Özellik Hilbert uzaylarında kuantum makine öğrenimi
Maria Schuld ve Nathan Killoran — Physical Review Letters 122, 040504 (2019)
Kuantum veri kodlamalarını özellik uzayları ve çekirdek yöntemleri açısından ele alır. Bir veri kümesinde elde edilen sonuç, tüm makine öğrenimi görevlerinde hız veya doğruluk üstünlüğü anlamına gelmez.
İlk yayın: · DOI: 10.1103/PhysRevLett.122.040504
OpenQASM 3: daha geniş ve daha kapsamlı bir kuantum assembly dili
Andrew W. Cross ve diğerleri — arXiv:2104.14722 (2021); ACM Transactions on Quantum Computing (2022)
Klasik kontrol, zamanlama ve kuantum program gösterimini genişleten dil tasarımını açıklar. N/M dışa aktarma desteği, OpenQASM standardının tamamının uygulandığı anlamına gelmez.
İlk yayın: · DOI: 10.1145/3505636
NIST’in ilk üç kesinleşmiş kuantum sonrası kriptografi standardı
National Institute of Standards and Technology (NIST) — Standart duyurusu; FIPS 203, 204 ve 205 (2024)
2024 duyurusu ML-KEM, ML-DSA ve SLH-DSA standartlarını tanıtır. Kuantum sonrası kriptografi klasik sistemlerde uygulanır; çalışmak için kuantum bilgisayarı gerektirmez.
İlk yayın: