mindquantum.algorithm.qaia.CFC

class mindquantum.algorithm.qaia.CFC(J, h=None, x=None, n_iter=1000, batch_size=1, dt=0.1)

混沌振幅反馈算法。

参考文献：Coherent Ising machines with optical error correction circuits。

说明

为了内存效率，输入数组 'x' 不会被复制，并且会在优化过程中被原地修改。 如果需要保留原始数据，请使用 x.copy() 传入副本。

参数：

• J (Union[numpy.array, scipy.sparse.spmatrix]) - 耦合矩阵，维度为 \((N \times N)\)。

• h (numpy.array) - 外场强度，维度为 \((N, )\)。

• x (numpy.array) - 自旋初始化配置，维度为 \((N \times batch\_size)\)。会在优化过程中被修改。如果不提供（None），将被初始化为服从正态分布 N(0, 0.1) 的随机值。默认值： None。

• n_iter (int) - 迭代步数。默认值： 1000。

• batch_size (int) - 样本个数。默认值为： 1。

• dt (float) - 迭代步长。默认值： 0.1。

样例：

>>> import numpy as np
>>> from mindquantum.algorithm.qaia import CFC
>>> J = np.array([[0, -1], [-1, 0]])
>>> solver = CFC(J, batch_size=5)
>>> solver.update()
>>> print(solver.calc_cut())
[1. 1. 1. 1. 1.]
>>> print(solver.calc_energy())
[-1. -1. -1. -1. -1.]

initialize()

初始化自旋和错误变量。

update()

动力学演化。