作為一名在量子計算領域找到工作的初級軟體工程師,2024 年是非常有趣的一年。我想分享這篇文章作為其他剛進入這個行業的人的例子,因為看起來每個人都是專家並且確切地知道他們在做什麼。事實並非如此。我的經驗並不算特別,但在讀完大學後,我想我最終要么會在金融領域擔任一名寬客,要么在加州的一些大型軟體公司(你知道的),所以從理論理解到實踐— —關於量子計算這樣一個重要的新行業的發展作用令人驚訝。還有很多艱苦的工作。我不會浪費這個機會繼續成長和學習,並且能夠幫助他人這樣做。
茱莉亞是一個令人驚喜的驚喜
量子運算社群對 Julia 的擁抱今年年初引起了我的注意。雖然 Python 仍然佔據主導地位,但 Julia 的量子軟體套件(如 Yao.jl 和 QuantumOptics.jl)為量子電路設計提供了令人驚訝的優雅解決方案。事實證明,該語言的多重調度系統對於處理不同的量子閘實現特別有用。然而,學習曲線很陡峭——從 Python 開始,我花了無數個晚上試圖更好地理解 Julia 的類型系統。 Julia 自己網站上的學習路徑確實很好。
Qiskit 的演化
自從 1.0 更新之前的第一個教學以來,我與 Qiskit 的關係發生了很大變化。由於該更新,我仍然發現很多損壞的資源,但至少現在我不認為它只是一個電路構建的黑盒子。我必須學習如何在工作中使用其脈衝級程式功能(儘管「意識到」可能比成為日常如何做到這一點的專家更準確)。這種更深入的了解幫助我了解我的團隊在優化錯誤緩解策略時所做的事情,特別是在處理 IBM 設備上的串擾時。 Qiskit 中從 Circuit 到基於 Primitive 的工作流程的轉變進行了調整,但最終導致了更易於維護的程式碼。
透過更多硬體存取從模擬走向現實
在日常工作之外,我可以透過 Amazon Braket 和 Microsoft Azure Quantum 存取更多 IonQ 和 Quantinuum 硬體。我的一位導師是一家量子公司的產品經理,他敦促我嘗試我能找到的所有各種量子入門指南,這是一個好主意。我擔心這可能感覺像是很多抽象的演練,但這迫使我嘗試我不會使用的新系統。例如,超導系統和俘獲離子系統之間的對比變得有形而不是理論上。我慘痛地了解到,在模擬中表現良好的演算法通常需要對真實硬體進行大量修改。跨平台基準測試成為我工作流程的常規部分,教我更批判性地思考量子位元連結和閘保真度。
Classiq 和開源社群
導師角度的另一個推動是探索所有不同的開源專案。 Classiq 的演算法庫以及他們的各種研討會、黑客馬拉松和外展工作給我留下了深刻的印象,讓我更容易參與並邊做邊學。它也讓我看到了量子電路綜合中的中間表示。他們的自動電路最佳化方法挑戰了我對量子編譯的理解。雖然我最初在它們的抽象層上遇到了困難,但事實證明,跨不同後端產生硬體感知電路的能力對於我們的專案來說是無價的。我還加入了一些新的開源社區,例如統一基金,雖然我作為其中的一部分並沒有特別吵鬧,但我很欣賞它的存在,我可以進出看看每個人都在談論什麼。我希望在 2025 年能夠更多地參與其中。
Azure 量子培訓
微軟的 Azure Quantum 培訓被證明具有意想不到的價值。我可以將其歸類為上述類別,但這對我這個不使用任何 Microsoft 工具的人來說確實是一個驚喜。我知道一些老朋友對此感到驚訝,因為他們都經歷過微軟主導的上一代。除了特定於平台的知識之外,我還獲得了 Q# 和量子中間表示 (QIR) 的實務經驗。糾錯的結構化方法和對拓樸量子位元思想的探索為我在量子糾錯原理方面奠定了更堅實的基礎。還有一套非常流暢的文件和使用者指南。
女性代表性不斷成長
今年最令人鼓舞的進展之一是在量子運算領域與更多女性建立了聯繫。我不是來自科學院,所以我已經習慣了軟體工程領域的女性人數要少得多,所以這是一個令人高興的驚喜。我到處都能看到偉大的靈感,例如 Qubit by Qubit 團隊的 Qubit,或者 Anastasia 的所有視頻,甚至 Hannah Fry 最近為 Bloomberg 製作的精彩視頻紀錄片。再加上大量鼓舞人心的同行和同事,我將不提供公共連結!但感謝他們所有人以及所有讓參與和開始工作變得容易的人。
展望未來
當我回顧今年的旅程時,我對這個領域的發展之快感到震驚,儘管我們都抱怨它花了這麼長時間。儘管仍有重大的工程挑戰,但理論建議和實際實施之間的差距仍持續縮小。對於進入該領域的初級工程師,我的建議是保持經典和量子演算法的堅實基礎,同時保持適應新工具和方法的能力。並準備好長期解決一個大問題。同時獲得的獎勵是值得的!
以上是我今年在量子計算中學到的東西(作為初級工程師)的詳細內容。更多資訊請關注PHP中文網其他相關文章!

本文解釋瞭如何使用美麗的湯庫來解析html。 它詳細介紹了常見方法,例如find(),find_all(),select()和get_text(),以用於數據提取,處理不同的HTML結構和錯誤以及替代方案(SEL)

Python的statistics模塊提供強大的數據統計分析功能,幫助我們快速理解數據整體特徵,例如生物統計學和商業分析等領域。無需逐個查看數據點,只需查看均值或方差等統計量,即可發現原始數據中可能被忽略的趨勢和特徵,並更輕鬆、有效地比較大型數據集。 本教程將介紹如何計算平均值和衡量數據集的離散程度。除非另有說明,本模塊中的所有函數都支持使用mean()函數計算平均值,而非簡單的求和平均。 也可使用浮點數。 import random import statistics from fracti

Python 對象的序列化和反序列化是任何非平凡程序的關鍵方面。如果您將某些內容保存到 Python 文件中,如果您讀取配置文件,或者如果您響應 HTTP 請求,您都會進行對象序列化和反序列化。 從某種意義上說,序列化和反序列化是世界上最無聊的事情。誰會在乎所有這些格式和協議?您想持久化或流式傳輸一些 Python 對象,並在以後完整地取回它們。 這是一種在概念層面上看待世界的好方法。但是,在實際層面上,您選擇的序列化方案、格式或協議可能會決定程序運行的速度、安全性、維護狀態的自由度以及與其他系

本文比較了Tensorflow和Pytorch的深度學習。 它詳細介紹了所涉及的步驟:數據準備,模型構建,培訓,評估和部署。 框架之間的關鍵差異,特別是關於計算刻度的

Linux終端中查看Python版本時遇到權限問題的解決方法當你在Linux終端中嘗試查看Python的版本時,輸入python...

本文討論了諸如Numpy,Pandas,Matplotlib,Scikit-Learn,Tensorflow,Tensorflow,Django,Blask和請求等流行的Python庫,並詳細介紹了它們在科學計算,數據分析,可視化,機器學習,網絡開發和H中的用途

該教程建立在先前對美麗湯的介紹基礎上,重點是簡單的樹導航之外的DOM操縱。 我們將探索有效的搜索方法和技術,以修改HTML結構。 一種常見的DOM搜索方法是EX

本文指導Python開發人員構建命令行界面(CLIS)。 它使用Typer,Click和ArgParse等庫詳細介紹,強調輸入/輸出處理,並促進用戶友好的設計模式,以提高CLI可用性。


熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

Dreamweaver Mac版
視覺化網頁開發工具

mPDF
mPDF是一個PHP庫,可以從UTF-8編碼的HTML產生PDF檔案。原作者Ian Back編寫mPDF以從他的網站上「即時」輸出PDF文件,並處理不同的語言。與原始腳本如HTML2FPDF相比,它的速度較慢,並且在使用Unicode字體時產生的檔案較大,但支援CSS樣式等,並進行了大量增強。支援幾乎所有語言,包括RTL(阿拉伯語和希伯來語)和CJK(中日韓)。支援嵌套的區塊級元素(如P、DIV),

PhpStorm Mac 版本
最新(2018.2.1 )專業的PHP整合開發工具

SublimeText3漢化版
中文版,非常好用

MinGW - Minimalist GNU for Windows
這個專案正在遷移到osdn.net/projects/mingw的過程中,你可以繼續在那裡關注我們。 MinGW:GNU編譯器集合(GCC)的本機Windows移植版本,可自由分發的導入函式庫和用於建置本機Windows應用程式的頭檔;包括對MSVC執行時間的擴展,以支援C99功能。 MinGW的所有軟體都可以在64位元Windows平台上運作。