پیاده سازی الگوریتم یافتن دوره تناوب با استفاده از شبیه سازی تبدیل فوریه کوانتومی

نویسندگان

زهره مقاره عابد

محسن عشوریان

کیومرث غوثی

چکیده

در این مقاله، به معرفی تبدیل فوریه کوانتومی به عنوان جزء کلیدی بسیاری از الگوریتمهای پرکاربرد می پردازیم. الگوریتمهایی که به حل مسائلی منتهی می شوند که حل آنها روی یک کامپیوتر کلاسیک، سخت و گاهی غیرعملی است. تبدیل فوریه کوانتومی به عنوان کلیدی برای تخمین فاز کوانتومی مطرح می گردد. هدف ما در این مقاله پیاده سازی الگوریتم یافتن دوره تناوب است. یافتن دوره تناوب از جمله مسائلی است که حل آن روی یک کامپیوتر کوانتومی، به طور نمایی، سریع تر از حل آن روی یک کامپیوتر کلاسیک است. حال آنکه اساس الگوریتم یافتن دوره تناوب، تخمین فاز کوانتومی است. پس با شبیه سازی تبدیل فوریه کوانتومی، قادر به پیاده سازی الگوریتم یافتن دوره تناوب خواهیم بود. در این مقاله، شبیه سازی تبدیل فوریه کوانتومی با استفاده از نرم افزار  matlabانجام می شود.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

پیاده سازی و استمرار ساخت ناب با استفاده از شبیه سازی پیشامد گسسته

صنعت ساخت از لحاظ حجم سرمایه و تعداد نیروی انسانی درگیر،از جمله مهم ترین صنایع هر کشور محسوب می گردد . با توجه به اهمیت صنعت ساخت در توسعه زیر ساخت های یک کشور، رشد سریع جمعیت، افزایش تقاضا در جامعه و نیاز به کاهش زمان تحویل پروژه ها، ضرورت ایجاد تحول در شیوه های مدیریتی موجود بیشتر احساس می شود. محققین صنعت ساخت روش های بسیاری را برای مدیریت پروژه های عمرانی معرفی نموده اند. یکی از این روش ها ...

متن کامل

تعیین ثوابت معادله جانسون کوک جهت شبیه سازی فرآیند ماشینکاری با استفاده از الگوریتم بهینه سازی

مدل ماده جانسون-کوک با در نظر گرفتن اثر سخت شدگی کرنشی و نرخ کرنشی ماده و اثر نرم شدگی ماده، به عنوان پرکاربردترین مدل ماده جهت تعیین رفتار پلاستیک ماده حین شبیه سازی فرآیند ماشینکاری مورد استفاده محقیقن قرار می گیرد. تعیین تجربی ثوابت این معادله امری هزینه بر و زمان بر می باشد. در این راستا در تحقیق حاضر روش جدیدی ارائه شد که بدون نیاز به صرف زمان و استفاده از تجهیزات گران قیمت مورد استفاده قر...

متن کامل

شبیه سازی و پیش‌بینی جریان رودخانه‌ها با استفاده از شبکه عصبی و مدل فوریه

  مقاله حاضر به بررسی نحوه عملکرد شبکه‌های عصبی MLP در ارتباط با خروجی مدل فوریه، FSAM، می‌پردازد. مدل FSAM که مدل شبیه ساز بارش است، تحلیل مدل‌های کلاسیک را در قلمرو فرکانس، که توسعه نظریه طیفی فرآیندهای متداول نظیر طیف الگوهای ARIMA را در درون خود دارد، ارائه می‌دهد. کاربرد همزمان شبکه‌های عصبی MLP و مدلFSAM، امکان پیش بینی جریان ماه (i) ام را در ارتباط با پیش بینی بارش همان ماه، میسر می‌سازد...

متن کامل

یافتن کوتاهترین مسیر شبکه با استفاده از الگوریتم بهینه سازی فاخته در سیستم اطلاعات مکانی

امروزه مسیریابی در شبکه­های شهری با افزایش حجم اتومبیل­ها و نیز محدودیت­های ترافیکی گوناگون امری ضروری محسوب می­شود. روشی که در این پژوهش به منظور حل مسأله کوتاهترین مسیر برای نخستین بار پیشنهاد شده است، استفاده از الگوریتم بهینه­سازی فاخته می­باشد. علت انتخاب این الگوریتم، جدید بودن و نیز پاسخ مناسبی است که این الگوریتم برای حل مسأله مسیریابی، نسبت به سایر الگوریتم‍های فراابتکاری داده است. در ...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید


عنوان ژورنال:
روش های هوشمند در صنعت برق

ناشر: دانشگاه آزاد اسلامی واحد نجف آباد

ISSN 2322-3871

دوره 1

شماره 1 2010

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023