Navegando por Autor "Bernardes, Nadja Kolb"
Agora exibindo 1 - 2 de 2
- Resultados por página
- Opções de Ordenação
Artigo Efficient and operational quantifier of nondivisibility in terms of channel discrimination(Physical Review A, 2025-02-04) Nery, Ranieri Vieira; Bernardes, Nadja Kolb; Cavalcanti, Daniel; Araújo, Rafael Chaves Souto; Duarte, CristhianoThe understanding of open quantum systems is crucial for the development of quantum technologies. Of particular relevance is the characterization of divisible quantum dynamics, seen as a generalization of Markovian processes to the quantum setting. Here, we propose a way to detect divisibility and quantify how nondivisible a quantum channel is through the concept of channel discrimination. We ask how well we can distinguish generic dynamics from divisible dynamics. We show that this question can be answered efficiently through semidefinite programming, which provides us with an operational and efficient way to quantify nondivisibilityDissertação QAOA applied to the portfolio optimization problem(Universidade Federal do Rio Grande do Norte, 2023-06-12) Palhares Júnior, Alberto Bezerra de; Araújo, Rafael Chaves Souto; Silva, Askery Alexandre Canabarro Barbosa da; http://lattes.cnpq.br/1509277905143351; http://lattes.cnpq.br/2817599222252879; Melnikov, Dmitry; http://lattes.cnpq.br/1078982414439134; Bernardes, Nadja KolbA computação quântica não se encontra mais no seu estágio inicial. Já existem hoje computadores quânticos com mais qubits do que um computador clássico é capaz de simular eficientemente. Esse estágio atual é considerado intermediário e por isso é chamado de era NISQ (quântica ruidosa de escala intermediária). A principal característica desse estágio atual é que ainda não há uma quantidade de qubits suficiente para fazer correção quântica de erros, daí o ruidoso no nome. Nesse contexto de computação quântica sem correção quântica de erros e com uma quantidade intermediária de qubits, os algoritmos variacionais ganharam destaque e, dentre eles, há um que se chama QAOA (algoritmo de otimização quântica aproximada). Como o nome sugere, esse é um algoritmo quântico que aproxima a solução de problemas de otimização. O objetivo do presente trabalho foi aplicar esse algoritmo para resolver um problema de otimização da área de finanças conhecido como otimização de portfólio. Essa aplicação se deu tanto da forma ideal (sem ruído) como da forma condizente com a capacidade atual dos computadores quânticos (com ruído). Ambas foram simuladas usando a ferramenta em Python da IBM para simulação e acesso via nuvem de computadores quânticos chamada de Qiskit. Os resultados sugerem que o desempenho do QAOA com ruído foi como esperado pior que o caso ideal, porém ainda satisfatório dentro das limitações do método.