Francamente, duvido que isso funcione - na OMI, toda estrutura mais complexa derreterá com a decoerência.
No entanto, provavelmente o uso mais óbvio é fazer varreduras combinatórias completas para um número maior de variáveis ou enormes simulações de Monte Carlo.
No entanto, essas são coisas realizáveis por computadores moleculares - imagine1023combinações avaliadas de uma só vez (-; E essas coisas são mais realistas, configurações semelhantes já foram usadas para os vendedores ambulantes . É claro que existem problemas, como a etapa de montagem ainda mais do que a etapa de resolução e esses são dispositivos únicos, mas estamos no começo desse caminho.
obrigado pela sua resposta! Já existem algoritmos projetados para rodar em computadores quânticos (hipotéticos) para varreduras combinatórias completas ou simulações de Monte Carlo?
Andrew
@ Andrew Nope, e há poucas chances de tê-los em breve. A maior parte do trabalho no campo é em criptografia, portanto esses problemas praticamente insolúveis da teoria dos números. E esses são, bem, aceleradores (ou seja, caixas mágicas de hardware que fazem certas coisas) mais do que CPUs - mesmo as máquinas Turing estão fora de alcance.
@ Andrew BTW, você pode aprender mais fazendo perguntas semelhantes no Physics.SE .
Se eu postar isso lá, cairei em desgraça com as pessoas que estão chateadas com a postagem cruzada?
Andrew
@ Andrew Eu não estava pensando em postar o Q exato, e sim algo como "Um computador quântico pode fazer uma varredura combinatória completa? Vale a pena?" e uma rápida menção de como esse algoritmo poderia parecer classicamente (para evitar "Sim, ele pode resolver o problema quântico X diretamente!" - como respostas).
2
Se realmente funcionou, e você implementou o código estatístico de uma maneira ou de outra? Absolutamente. Sem dúvida, existem novas técnicas que poderiam surgir ao se lançar ainda mais poder de fogo computacional em alguma coisa. Ou, o que é mais importante, tornando acessíveis as técnicas de ponta atualmente em computação intensiva. Basta pensar nos computadores atuais - a estimativa bayesiana não é exatamente nova. Mas ser capaz de executar análises baseadas no MCMC em conjuntos de dados extremamente complexos, onde esse não é o foco do artigo, mas apenas algo que aconteceu ao longo do caminho, é algo profundamente poderoso.
Portanto, mesmo que eles não desenvolvam novas técnicas (o que serão), será capaz de "sim, com certeza podemos fazê-lo" a técnicas intensivamente computacionais em grandes conjuntos de dados é um grande problema.
Obrigado! Você é capaz de pensar sobre que tipo de problemas estatísticos computacionais podem ser abordados?
Andrew
2
Eu não diria que estou na vanguarda da teoria estatística ou algo parecido, mas um que é bastante fácil de visualizar é o uso de imputação múltipla para problemas de informações ausentes / incompletas ou modelos bayesianos baseados em MCMC para muitas variáveis em variáveis muito grandes. conjuntos de dados. Em Epidemiologia, dados como todo o banco de dados do Medicare / Medicade ou outros bancos de dados nacionais de reclamações em países com sistemas nacionais de saúde. Tudo isso pode ser feito agora, mas é lento e requer coisas como grupos, que não são acessíveis a alguns e ... intimidam a outros.
Se realmente funcionou, e você implementou o código estatístico de uma maneira ou de outra? Absolutamente. Sem dúvida, existem novas técnicas que poderiam surgir ao se lançar ainda mais poder de fogo computacional em alguma coisa. Ou, o que é mais importante, tornando acessíveis as técnicas de ponta atualmente em computação intensiva. Basta pensar nos computadores atuais - a estimativa bayesiana não é exatamente nova. Mas ser capaz de executar análises baseadas no MCMC em conjuntos de dados extremamente complexos, onde esse não é o foco do artigo, mas apenas algo que aconteceu ao longo do caminho, é algo profundamente poderoso.
Portanto, mesmo que eles não desenvolvam novas técnicas (o que serão), será capaz de "sim, com certeza podemos fazê-lo" a técnicas intensivamente computacionais em grandes conjuntos de dados é um grande problema.
fonte