冯诺依曼体系结构计算机
冯诺依曼体系结构的计算机，包括目前所有主流电脑，执行的算法来解决问题。冯诺依曼体系结构的计算机的性能主要是通过半导体缩放改进一。然而，性能的提高将减速时半导体缩放结束二，和新的计算范式的出现。新的计算范式有两个特点：空间代表性问题和计算机硬件，类似的问题。要解决的问题空间表示如通过神经网络和伊辛模型。神经网络是大脑，可以实现机器学习和识别的模拟三?，四?，五?，六。类似于神经网络的硬件实现已提出主要通过硅集成电路中的神经元数量，实现可扩展性七?，八?，九?，十。Ising模型是一个磁性是由Wilhelm Lenz 1920发明的统计力学模型十一。Ising模型的基态的搜索，这意味着自旋配置，最大限度地减少Ising模型的能量函数的确定，是一种组合优化问题，基本上相当于图论中的加权最大割问题十二。最大割问题是一个原型的非确定性多项式时间的努力(NP)问题十三如是，Ising模型的基态搜索十四。找到NP难问题的全局最优解通常需要指数时间。近似算法，可以找到相对较好的局部最优解，是用来解决实际问题的时间。硬件实现类似于Ising模型已经被提出，并可以实现近似解十五?，十六?，十七?，十八?，十九。我们需要摆脱在学习和优化的局部最优解。模拟退火算法是一种优化算法的启发，退火在冶金过程中，得到了广泛的应用，概率接受状态转变成更糟糕的解决方案根据合格率二十。录取率是由预定的温度和当前的状态和糟糕的状态之间的能量差确定。退火也用于神经网络称为玻尔兹曼机二十一。概率的行为是由一个伪随机数发生器产生的随机数实现的比较二十二?，二十三。这意味着，产生随机数的算法的一部分，它必须准确地执行。然而，电脑设备会表现出不确定的行为由于半导体缩放。成本，在资金和硬件资源，将需要增加在不久的将来行为，保证准确。算法允许不确定性的存在提出了改善未来半导体节能工艺二十四。在这里，我们表明，利用不确定性优化设备解决随机性的来源。更具体地说，我们研究了Ising模型基态搜索一个实验用的不确定性，是作为一个单一的硅集成电路来实现存储单元阵列。我们发现，硬件的不确定行为变得可用作为算法的一部分。量子算法是著名的提供更高效的解决方案为特定计算任务比任何相应的经典算法。在这里，我们表明，一个单一的qudit足以实现基于量子算法的一个预言，它可以比任何经典算法更快的解决黑箱问题。2d在一个确定的置换功能d元素，决定是否一个给定的排列是偶数还是奇数，需要至少两元素的功能评价。我们证明了一个单一的qudit量子电路能够确定的函数只有一个评价置换的奇偶校验。我们的算法提供了量子计算没有纠缠例因为它用一个qudit纯态。我们还提出了量子算法与四极核磁共振使用单个四能级量子系统，即一个实验的实现，一个ququart。说明Deutsch算法不仅是第一量子算法也是一个最简单的一。虽然算法在其原来的形式是概率，它一直没有提高其确定性二，三。Deutsch算法涉及的两量子比特和区分常数函数，将输入的值(0或1)到一个单一的输出值，从平衡功能，输出值是不同的。我们介绍一个简单的算法，只使用一个单一的维确定平价选择2d之子排列序列集d目标在Deutsch算法的情况下，我们得到一个加速相对于相应的经典算法。对于特定的计算任务的考虑，相对加速从三能级量子系统的案例，即一个粒子。是什么让量子算法，有趣的是，他们可以解决一些问题，比传统方法更快。德国创造了“量子力的量子计算机的计算能力同时执行两。多么简单的一个量子电路？或者，可以比任何经典算法更快的解决问题的最小量子处理器是什么？一个密切相关的问题是量子计算的动力来源。叠加、纠缠和不被称为量子计算中发挥重要的作用，但在量子算法的动力来源是不完全清楚四。最近，it has been argued that is a critical资源情境量子的量子speedup of a容错量子计算模型五。我们提出一个例子，一个小但语境系统可比传统方法快解决问题。一个粒子是最小的系统中，量子力学的情境性可以观察到，在这个意义上，一个特定的结果测量不能揭示一些潜在的隐变量存在一定的价值六，七。无论是对并行算法的起源可以解释的语境是一个开放的问题。我们提出了一种基于Oracle建立在一个非常简单的想法量子算法，解决了一个黑盒子的问题没有任何关联的量子和经典性只使用一个单一的维。黑盒图d可能的输入d可能的输出经过置换。2d可能的置换功能d的对象是分为两组根据是否安奇或偶元排列involves the number of交易所运营。the is to the宇称确定计算任务(oddness or of a given元排列evenness)循环。在两个经典算法的查询……to the黑盒。我们的节目，可以解决问题的量子算法与茶单查询。尽管the algorithm is not