作为一名在量子计算领域找到工作的初级软件工程师,2024 年是非常有趣的一年。我想分享这篇文章作为其他刚刚进入这个行业的人的例子,因为看起来每个人都是专家并且确切地知道他们在做什么。事实并非如此。我的经历并不算特别,但在读完大学后,我想我最终要么会在金融领域担任一名宽客,要么在加州的一些大型软件公司(你知道的),所以从理论理解到实践——关于量子计算这样一个重要的新行业的发展作用令人惊讶。还有很多艰苦的工作。我不会浪费这个机会继续成长和学习,并能够帮助他人这样做。
朱莉娅是一个令人惊喜的惊喜
量子计算社区对 Julia 的拥抱今年年初引起了我的注意。虽然 Python 仍然占据主导地位,但 Julia 的量子软件包(如 Yao.jl 和 QuantumOptics.jl)为量子电路设计提供了令人惊讶的优雅解决方案。事实证明,该语言的多重调度系统对于处理不同的量子门实现特别有用。然而,学习曲线很陡——从 Python 开始,我花了无数个晚上试图更好地理解 Julia 的类型系统。 Julia 自己网站上的学习路径确实很好。
Qiskit 的进化
自从 1.0 更新之前的第一个教程以来,我与 Qiskit 的关系发生了很大变化。由于该更新,我仍然发现很多损坏的资源,但至少现在我不认为它只是一个电路构建的黑匣子。我必须学习如何在工作中使用其脉冲级编程功能(尽管“意识到”可能比成为日常如何做到这一点的专家更准确)。这种更深入的了解帮助我了解我的团队在优化错误缓解策略时所做的事情,特别是在处理 IBM 设备上的串扰时。 Qiskit 中从 Circuit 到基于 Primitive 的工作流程的转变进行了调整,但最终导致了更易于维护的代码。
通过更多硬件访问从模拟走向现实
在日常工作之外,我可以通过 Amazon Braket 和 Microsoft Azure Quantum 访问更多 IonQ 和 Quantinuum 硬件。我的一位导师是一家量子公司的产品经理,他敦促我尝试我能找到的所有各种量子入门指南,这是一个好主意。我担心这可能感觉像是很多抽象的演练,但这迫使我尝试我不会使用的新系统。例如,超导系统和俘获离子系统之间的对比变得有形而不是理论上。我惨痛地了解到,在模拟中表现良好的算法通常需要对真实硬件进行大量修改。跨平台基准测试成为我工作流程的常规部分,教会我更批判性地思考量子位连接和门保真度。
Classiq 和开源社区
导师角度的另一个推动是探索所有不同的开源项目。 Classiq 的算法库以及他们的各种研讨会、黑客马拉松和外展工作给我留下了深刻的印象,让我更容易参与并边做边学。它还让我看到了量子电路综合中的中间表示。他们的自动电路优化方法挑战了我对量子编译的理解。虽然我最初在它们的抽象层上遇到了困难,但事实证明,跨不同后端生成硬件感知电路的能力对于我们的项目来说是无价的。我还加入了一些新的开源社区,比如统一基金,虽然我作为其中的一部分并没有特别吵闹,但我很欣赏它的存在,我可以进出看看每个人都在谈论什么。我希望在 2025 年能够更多地参与其中。
Azure 量子培训
微软的 Azure Quantum 培训被证明具有意想不到的价值。我可以将其归入上述类别,但这对我这个不使用任何 Microsoft 工具的人来说确实是一个惊喜。我知道一些老朋友对此感到惊讶,因为他们都经历过微软占主导地位的上一代。除了特定于平台的知识之外,我还获得了 Q# 和量子中间表示 (QIR) 的实践经验。纠错的结构化方法和对拓扑量子位思想的探索为我在量子纠错原理方面奠定了更坚实的基础。还有一套非常流畅的文档和用户指南。
女性代表性不断增长
今年最令人鼓舞的进展之一是在量子计算领域与更多女性建立了联系。我不是来自科学院,所以我已经习惯了软件工程领域的女性人数要少得多,所以这是一个令人高兴的惊喜。我到处都能看到伟大的灵感,比如 Qubit by Qubit 团队的 Qubit,或者 Anastasia 的所有视频,甚至 Hannah Fry 最近为 Bloomberg 制作的精彩视频纪录片。再加上大量鼓舞人心的同行和同事,我将不提供公共链接!但感谢他们所有人以及所有让参与和开始工作变得容易的人。
展望未来
当我回顾今年的旅程时,我对这个领域的发展之快感到震惊,尽管我们都抱怨它花了这么长时间。尽管仍然存在重大的工程挑战,但理论建议和实际实施之间的差距继续缩小。对于进入该领域的初级工程师,我的建议是保持经典和量子算法的坚实基础,同时保持适应新工具和方法的能力。并准备好长期解决一个大问题。同时获得的奖励是值得的!
以上是我今年在量子计算中学到的东西(作为初级工程师)的详细内容。更多信息请关注PHP中文网其他相关文章!

本教程演示如何使用Python处理Zipf定律这一统计概念,并展示Python在处理该定律时读取和排序大型文本文件的效率。 您可能想知道Zipf分布这个术语是什么意思。要理解这个术语,我们首先需要定义Zipf定律。别担心,我会尽量简化说明。 Zipf定律 Zipf定律简单来说就是:在一个大型自然语言语料库中,最频繁出现的词的出现频率大约是第二频繁词的两倍,是第三频繁词的三倍,是第四频繁词的四倍,以此类推。 让我们来看一个例子。如果您查看美国英语的Brown语料库,您会注意到最频繁出现的词是“th

本文解释了如何使用美丽的汤库来解析html。 它详细介绍了常见方法,例如find(),find_all(),select()和get_text(),以用于数据提取,处理不同的HTML结构和错误以及替代方案(SEL)

本文比较了Tensorflow和Pytorch的深度学习。 它详细介绍了所涉及的步骤:数据准备,模型构建,培训,评估和部署。 框架之间的关键差异,特别是关于计算刻度的

Python 对象的序列化和反序列化是任何非平凡程序的关键方面。如果您将某些内容保存到 Python 文件中,如果您读取配置文件,或者如果您响应 HTTP 请求,您都会进行对象序列化和反序列化。 从某种意义上说,序列化和反序列化是世界上最无聊的事情。谁会在乎所有这些格式和协议?您想持久化或流式传输一些 Python 对象,并在以后完整地取回它们。 这是一种在概念层面上看待世界的好方法。但是,在实际层面上,您选择的序列化方案、格式或协议可能会决定程序运行的速度、安全性、维护状态的自由度以及与其他系

Python的statistics模块提供强大的数据统计分析功能,帮助我们快速理解数据整体特征,例如生物统计学和商业分析等领域。无需逐个查看数据点,只需查看均值或方差等统计量,即可发现原始数据中可能被忽略的趋势和特征,并更轻松、有效地比较大型数据集。 本教程将介绍如何计算平均值和衡量数据集的离散程度。除非另有说明,本模块中的所有函数都支持使用mean()函数计算平均值,而非简单的求和平均。 也可使用浮点数。 import random import statistics from fracti

在本教程中,您将从整个系统的角度学习如何处理Python中的错误条件。错误处理是设计的关键方面,它从最低级别(有时是硬件)一直到最终用户。如果y

本文讨论了诸如Numpy,Pandas,Matplotlib,Scikit-Learn,Tensorflow,Tensorflow,Django,Blask和请求等流行的Python库,并详细介绍了它们在科学计算,数据分析,可视化,机器学习,网络开发和H中的用途

该教程建立在先前对美丽汤的介绍基础上,重点是简单的树导航之外的DOM操纵。 我们将探索有效的搜索方法和技术,以修改HTML结构。 一种常见的DOM搜索方法是EX


热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

SublimeText3 Linux新版
SublimeText3 Linux最新版

MinGW - 适用于 Windows 的极简 GNU
这个项目正在迁移到osdn.net/projects/mingw的过程中,你可以继续在那里关注我们。MinGW:GNU编译器集合(GCC)的本地Windows移植版本,可自由分发的导入库和用于构建本地Windows应用程序的头文件;包括对MSVC运行时的扩展,以支持C99功能。MinGW的所有软件都可以在64位Windows平台上运行。

适用于 Eclipse 的 SAP NetWeaver 服务器适配器
将Eclipse与SAP NetWeaver应用服务器集成。

VSCode Windows 64位 下载
微软推出的免费、功能强大的一款IDE编辑器

记事本++7.3.1
好用且免费的代码编辑器