Wprowadzamy nowatorskie podejście do symulowania dynamicznych (liniowych) systemów (kwantowych lub innych) równolegle w czasie za pomocą wyżarzaczy kwantowych. W szczególności opisujemy, w jaki sposób można znaleźć wektor stanu rozwiązania, rozwiązując specjalnie spreparowany system równań liniowych. Ponadto wykazujemy, że takie systemy mogą w rzeczywistości być skutecznie rozwiązane (do określonej precyzji) dzięki Quadratic Unconstrained Binary Optimization.

W czasie seminarium przedstawioną zostaną modele, proponowane algorytmy oraz wyniki badań dla problemu jednoczesnego wyznaczania przepustowości kanałów oraz przepływów typu unicast i anycast w wielowarstwowej sieci komputerowej opartej o technologię MPLS over DWDM.

Zaprezentowane zostaną eksperymentalne symulacje układów kwantowych wielu ciał przy użyciu hybrydowego algorytmu kwantowo-klasycznego. W naszym układzie funkcja falowa modelu kwantowego Isinga pola poprzecznego jest reprezentowana przez ograniczoną maszynę Boltzmanna. Ta sieć neuronowa jest następnie uczona przy użyciu wariacyjnego Monte Carlo wspomaganego przez próbnik kwantowy z falą D w celu znalezienia energii stanu podstawowego.

Chociaż techniki uczenia maszynowego są bardzo potężne, mają pewne słabości, takie jak iteracyjna optymalizacja z wieloma lokalnymi minimami, duża swoboda parametrów, brak ich interpretowalności i kontrola dokładności. Z drugiej strony mamy klasyczne statystyki oparte na momentach, które nie mają tych problemów, ale dostarczają tylko przybliżonego opisu. W trakcie seminarium zostanie przedstawione podejście, które łączy ich zalety: z optymalnymi współczynnikami momentu MSE, ale zaprojektowanymi w taki sposób, że możemy je bezpośrednio przekształcić w gęstość prawdopodobieństwa.