V
主页
张量网络PyThon编程:3.8(b) ADQC编程实现量子动力学最优调控
发布人
本节主要内容:针对量子态制备问题,适用ADQC模块化编程实现量子多体动力学的最优调控 该系列视频尝试在无需量子物理基础的情况下介绍张量网络与相关方法的python编程,预计内容包括: 1.张量基础;2.量子态与操作;3.变分量子线路;4.矩阵乘积态;5.张量网络机器学习;6.张量重整化群方法
打开封面
下载高清视频
观看高清视频
视频下载器
[已完结] 张量网络基础课程
张量网络PyThon编程:2.7 量子线路
张量网络PyThon编程:3.5(b) 量子线路分类鸢尾花数据集
张量网络PyThon编程:3.6(a)量子递归神经网络QRNN
张量网络PyThon编程:3.2(a) 隐门自动微分量子线路(ADQC)原理与优势
张量网络PyThon编程:3.1(a) 变分量子门与线路
张量网络PyThon编程:4.8b 基于量子核的降维可视化
张量网络PyThon编程:1.8 张量分解 & 第一章总结
张量网络PyThon编程:3.4 量子线路模块化编程(a) ADGate类
张量网络PyThon编程:4.9b 基于量子纠缠的特征选择
张量网络PyThon编程:2.5(a) 受控量子门与TensorPureState类
张量网络与量子机器学习
张量网络PyThon编程:3.8(a) 量子多体动力学演化及其调控
张量网络PyThon编程:4.9a 二分量子纠缠熵
张量网络PyThon编程:5.2b 简并与收敛性、纠缠与编号
张量网络PyThon编程:1.7 奇异值分解
张量网络PyThon编程:1.6 a 本征值分解与本征方程
张量网络PyThon编程:1.4 张量网络图形表示
张量网络PyThon编程:5.1 虚时间演化基态算法
张量网络PyThon编程:3.5(a) 量子线路实现监督性机器学习
张量网络PyThon编程:第三章“变分量子线路”总结
张量网络PyThon编程:3.7 神经网络-量子线路混合模型
张量网络PyThon编程:1.3 张量收缩运算
《张量网络》出版啦:书籍简介
张量网络PyThon编程:4.10(a) 量子测量与动态特征选择
张量网络PyThon编程:2.6 约化密度算符与量子纠缠
张量网络PyThon编程:3.2(b) ADQC程序实现示例
张量网络PyThon编程:1.1 PyTorch张量基本属性
张量网络PyThon编程:4.8c 量子核分类方法与GTNC
张量网络PyThon编程:4.10(b) 动态特征选择程序实现
张量网络PyThon编程:2.1 单比特量子态
张量网络PyThon编程:2.3 单比特量子态的期望与测量
张量网络PyThon编程:第二章总结
张量网络PyThon编程:4.3(b) TT分解实现虚拟维数裁剪
张量网络PyThon编程:3.3 神经网络模块化编程(b)
张量网络PyThon编程:4.11(b) 张量网络压缩采样程序实现
张量网络PyThon编程:3.3 神经网络模块化编程(a)
张量网络PyThon编程:5.2a 时间演化块消减(TEBD)算法
张量网络PyThon编程:4.2(a) 矩阵乘积态中心正交形式与中心正交化
2020量子物理与智能计算交叉研讨会(QCAI2020,天大-首师大)