https://www.youtube.com/watch?v=U15Jri9fVjQ
요약) 직접 영상 보는 것을 추천. 직관성을 위해 그림이 많이 들어가서 어떻게 요약하기 힘드네. 하지만 만드는데 정말 애쓴만큼 기초 쌓는데 나쁠건 없을거임.
양자 컴퓨터는 양자역학을 기반으로 한 기술로, 직관적으로 이해할 수 있으며 다양한 응용이 가능합니다. 기본적인 큐비트 회로를 통해 양자 컴퓨터의 동작을 설명하고, 몬테칼로 결과와 히스토그램을 통해 양자 상태의 확률적인 특성을 확인할 수 있습니다. 로테이션 게이트를 적용하여 큐비트의 상태를 변화시키고, 다양한 회로 구성에서 결과값의 변동을 살펴봅니다. 특히, 앞선 게이트의 순서와 양자 중첩의 영향을 분석하여, 회로 구성에 따라 결과값의 확률적인 변동이 나타남을 알 수 있습니다. 마지막으로, 그로버 알고리즘을 예시로 양자 검색 알고리즘의 기본 아이디어를 설명하였습니다.
양자 비트는 0과 1의 중첩 상태로 존재할 수 있습니다. 이 중첩 상태는 고전 컴퓨터에서는 불가능한 특정 유형의 계산을 할 수 있게 합니다. 예를 들어, 양자 컴퓨터는 대규모 암호화 키를 생성하고, 화학 시뮬레이션을 수행하고, 최적의 경로를 찾을 수 있습니다. 양자 컴퓨터는 여전히 개발 초기 단계에 있지만, 잠재적으로 다양한 산업에 혁명을 일으킬 수 있습니다. 예를 들어, 양자 컴퓨터는 금융, 의료, 재료 과학 분야에서 혁신을 가져올 수 있습니다.
구글 바드가 내용 추가 조언한 것)
양자 컴퓨터의 가장 큰 도전 중 하나는 양자 붕괴입니다. 양자 붕괴는 양자 시스템이 시간이 지남에 따라 양자 특성을 잃는 경향입니다. 연구원들은 양자 붕괴를 줄이고 더 강력한 양자 컴퓨터를 개발하기 위해 노력하고 있습니다. 양자 컴퓨팅은 매우 유망한 기술이지만, 아직 해결해야 할 많은 과제가 있습니다. 그럼에도 불구하고 양자 컴퓨팅은 미래의 컴퓨팅 기술을 형성할 가능성이 매우 높습니다.
코딩하는남자
지금은 의미없다고 생각되는게
기존 알고리즘보다 양자 알고리즘이 더 낫다는 보장이 없고
더 좋다고 알려진 소인수분해나 그로버 알고리즘은 일반적인 문제를 풀지 못하거나 오히려 더 느림
(소인수분해는 답을 알고잇어야 양자회로 설계가능하고 그로버 알고리즘은 저장된 큐비트 접근방식이 고전 비트 접근보다 훨씬 느리고 비효율적이라 오히려 느림)
또한 중첩을 이용한 가속연산도 말이 중첩이지 실제로 모든 경우에 대해 연산한다는 개념과 좀 다름
흔히 생각하는 가속연산은 병렬연산이지 양자 컴퓨터의 중첩 가속 연산이랑은 그냥 아예 다름
확실하게 더 나은 알고리즘이 개발되거나 노이즈가 확실히 줄지 않는 이상 현 시점에선 쓸곳없는 분야임
분자 시뮬레이션정도는 가망잇음
행복은일상에
좋은 의견 감사. 그래도 미국 저쨔그에선 밀더라.
시간은구미야
18분 후딱 가네ㄷㄷ
보안의 이점은 기존과 다른 사고방식을 요하는 데에서 기인한다고 했으니, 양자컴퓨팅 이론이 훨씬 보편화되고 사용자들의 평균적인 이해 수준이 높아지면 퇴색될 수 있는 부분인가?
행복은일상에
그 부분에 대해서도 좀 설명해보려고. 사고하는 방향성의 문제이기도 함.
uFC
양자컴 설명영상 답답한 점: Superposition과 entanglement가 있어서 막연하게 빠른 연산이 가능하다고만 함.
실제로 어떻게 일반 컴퓨터보다 연산속도가 빠른지 설명하려면 quantum algorithm 설명이 필연적인데 그건 또 너무 복잡해져서 그런지 아무도 설명안해주고 중첩이~ 얽힘이~ 무새임.
근데 드디어 퀀텀알고리즘을 설명해주는 영상들이 나오네
행복은일상에
그렇게 평가해주니 고맙네. 나도 이거 답답한거 풀어내야지 하는 생각으로 만든 영상임.
나도몰라용
개추
우트레드
넘 어렵다;;
결국엔 유효한 회로를 얻는게 목적임?
알려진 인풋과 아웃풋으로 회로를 만들어서 검증한 다음 미지의 인풋을 넣어서 그에 대응하는 아웃풋을 얻기 위한??
행복은일상에
이거에 대해선 나중에 더 다뤄보도록 하겠음.
코딩하는남자
좀 늦긴했지만 엄청 큰 해 공간에서 해가 되는 x를 하나하나 찾지 않고 중첩된 상태에서 해가 될 확률이 높은 x를 선택한다는 뜻
중첩된 상태에서 해가 되는 x의 확률을 높이는 작업을 양자회로가 하는건데 이걸 설계하는게 양자 알고리즘임
님이 설명한 건 기계학습에 가까움