专栏首页arxiv.org翻译专栏使用量子计算的程序生成(CS ET)
原创

使用量子计算的程序生成(CS ET)

量子计算是一项新兴技术,有望在许多领域成为强有力的工具。虽然距离量子计算的显著优势被证明可能还有几年的时间,但是该技术的发展已经带来了一系列宝贵的资源。这些资源包括公开的量子硬件原型、用于小型量子程序的先进模拟器以及用于测试和开发量子软件的编程框架。在这篇挑战性论文中,我们试图证明这些资源足以在程序生成领域提供一个有用的结果。这是通过引入一种原理证明方法来实现的:模糊过程的量子泛化,其中量子干扰被用来提供一种独特的效果。我们希望由此证明,在技术变得对程序生成有用之前,并不需要进一步发展该技术。相反,现在就可以开始对这种新技术进行富有成效的试验。

原文题目:Procedural generation using quantum computation

原文:Quantum computation is an emerging technology that promises to be a powerful tool in many areas. Though some years likely still remain until significant quantum advantage is demonstrated, the development of the technology has led to a range of valuable resources. These include publicly available prototype quantum hardware, advanced simulators for small quantum programs and programming frameworks to test and develop quantum software. In this provocation paper we seek to demonstrate that these resources are sufficient to provide the first useful results in the field of procedural generation. This is done by introducing a proof-of-principle method: a quantum generalization of a blurring process, in which quantum interference is used to provide a unique effect. Through this we hope to show that further developments in the technology are not required before it becomes useful for procedural generation. Rather, fruitful experimentation with this new technology can begin now.

原文作者:James R. Wootton

原文地址:https://arxiv.org/abs/2007.11510

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 随机供应和灵活消费者的最优动态机制设计(CS GT)

    我们考虑的问题是设计一个预期收益最大化机制,在T个时间步长内将k个品种的多个非易腐商品分配给灵活的消费者。在我们的模型中,每个品种的随机数量的商品在每个时间都可...

    Rosalie
  • 危机响应软件开发中的人为因素调查(CS SE)

    尽管软件开发为社会做出了巨大贡献,但它却是一项非常昂贵的高风险投资。每一个软件项目开始时都希望能在预算范围内按时交付软件产品,但这些软件项目中,有很大比例的项目...

    Rosalie
  • 乐器分类的端对端对抗性白盒攻击行为(CS SD)

    对输入数据的小规模对抗性扰动会在很大程度上改变机器学习系统的性能,从而对这种系统的有效性提出挑战。我们提出了第一个针对乐器分类系统的端到端对抗性攻击,允许直接在...

    Rosalie
  • 人机交互的社会适应框架(CS RO)

    在我们的日常生活中,我们习惯于与同龄人进行复杂的、个性化的、适应性的互动。 对于一个社交机器人来说,能够再现这种丰富的,类似人类的互动,它应该意识到我们的需求和...

    用户7095611
  • 【论文推荐】最新6篇主题模型相关论文—正则化变分推断主题模型、非参数先验、在线聊天、词义消歧、神经语言模型

    【导读】专知内容组整理了最近六篇主题模型(Topic Modeling)相关文章,为大家进行介绍,欢迎查看! 1. Topic Modeling on Heal...

    WZEARW
  • 【论文推荐】最新六篇深度强化学习( DRL)相关论文—VR眼镜、参数噪声、恶意软件、合成复杂程序、深度继承表示、自适应

    【导读】专知内容组整理了最近六篇深度强化学习( Deep Reinforcement Learning)相关文章,为大家进行介绍,欢迎查看! 1. VR Gog...

    WZEARW
  • 从A到Z,26个实用Python模块/函数速览

    花下猫说:今天听了左耳朵耗子的《左耳听风》专栏,我受到启发,所以尝试转载一篇英文技术文章和大家分享。获取第一手的信息源,锻炼英文阅读能力,以期长足的技术进步。文...

    Python猫
  • Graph application with Python, Neo4j, Gephi & Linkurious.js

    I love Python, and to celebrate Packt Python week, I’ve spent some time developi...

    fishexpert
  • GCN 论文英语表达总结

    -------------------------------------------------------一条开始认真脸的分界线--------------...

    张凝可
  • 神经网络零空间分析的异常值检测 (CS)

    许多机器学习分类系统缺乏能力意识。具体而言,许多系统缺乏识别何时将异常值(例如,不同于训练数据分布且未在训练数据分布中表示的样本)呈现给系统的能力。检测异常值的...

    DDDDDaemon

扫码关注云+社区

领取腾讯云代金券