Apa perbedaan antara model komputasi kuantum anil dan adiabatik?

Dari apa yang saya pahami, tampaknya ada perbedaan antara model perhitungan kuantum anil dan adiabatik kuantum tetapi satu-satunya hal yang saya temukan pada subjek ini menyiratkan beberapa hasil aneh (lihat di bawah).

Pertanyaan saya adalah sebagai berikut: apa sebenarnya perbedaan / hubungan antara anil kuantum dan komputasi kuantum adiabatik?

Pengamatan yang mengarah ke hasil "aneh":

• Di Wikipedia , perhitungan kuantum adiabatik digambarkan sebagai "subkelas kuantil anil".
• Di sisi lain kita tahu bahwa:
  1. Komputasi kuantum adiabatik setara dengan model rangkaian kuantum ( arXiv: quant-ph / 0405098v2 )
  2. Komputer DWave menggunakan anil kuantum.

Jadi dengan menggunakan 3 fakta di atas, komputer kuantum DWave harus menjadi komputer kuantum universal. Tapi dari yang saya tahu, komputer DWave terbatas pada jenis masalah yang sangat spesifik sehingga mereka tidak bisa universal (insinyur DWave mengkonfirmasi ini dalam video ini ).

Sebagai pertanyaan sampingan, apa masalah dengan alasan di atas?

Vinci dan Lidar memiliki penjelasan yang bagus dalam pengenalan Hamiltonian non-stoquastik dalam kuantum anil (yang diperlukan untuk perangkat anil kuantum untuk mensimulasikan perhitungan model gerbang).

https://arxiv.org/abs/1701.07494

Telah diketahui bahwa solusi dari masalah komputasi dapat dikodekan ke dalam keadaan dasar dari Hamiltonian kuantum yang tergantung waktu. Pendekatan ini dikenal sebagai komputasi kuantum adiabatik (AQC), dan bersifat universal untuk komputasi kuantum (untuk tinjauan AQC lihat arXiv: 1611.04471). Quantum annealing (QA) adalah kerangka kerja yang menggabungkan algoritma dan perangkat keras yang dirancang untuk memecahkan masalah komputasi melalui evolusi kuantum menuju keadaan dasar Hamiltonians akhir yang menyandikan masalah optimisasi klasik, tanpa harus menekankan universalitas atau adiabaticity.

$H$$H$hanya memiliki elemen matriks offdiagonal nonpositif nyata dalam basis itu, yang berarti bahwa keadaan dasarnya dapat dinyatakan sebagai distribusi probabilitas klasik. Biasanya, seseorang memilih dasar komputasi, yaitu, dasar di mana Hamiltonian akhir adalah diagonal. Kekuatan komputasi Hamiltonians stoastik telah diteliti dengan cermat, dan diduga terbatas dalam pengaturan AQC keadaan dasar. Misalnya, kecil kemungkinannya bahwa AQC stoquastic ground-state bersifat universal. Selain itu, di bawah berbagai asumsi, AQC stoquastic ground-state dapat disimulasikan secara efisien oleh algoritma klasik seperti kuantum Monte Carlo, meskipun beberapa pengecualian diketahui.