【Scientific Python】 QuTiP　量子物理ライブラリーを覗いていたら。。

Wiredの記事　量子超越性が証明された！？

https://wired.jp/2019/10/03/google-quantum-computers-supremacy/

量子超越性が証明されたとか。。　正直。。　この量子コンピュータって意味がわかってません（笑）

昔から、コンピュータは逐次計算・組み合わせ計算なので、量子の振る舞いを使って逐次計算型のコンピュータだと、計算時間がかかるものを適当に解こうって話だと理解していたんですが。。　なんか違いそう（笑）

シミュレーションできていないところって、まだまだ多くて。。量子アニーリングとかも。。鉄が冷めていく時にキレイに分子が並ぶんだけど、それって計算でやると、実際に冷める時間より膨大な時間がかかる。。って感じですかね？？

NASAが誤って乗っけたレポートが、ことの発端とか。。
https://ntrs.nasa.gov/?N=0&Ntk=All&Ntt=google%20quantum%20computers%20supremacy&Ntx=mode%20matchallpartial&Nm=123|Collection|NASA%20STI||17|Collection|NACA

もう乗ってませんね（笑）

もう４～５年前に始めた話が、そろそろ答えを出したということなんでしょうね。

https://wired.jp/2015/01/03/dwave-vol14/

ということと、全然関係ないんですが。。

物理的な量子現象のシミュレータのPythonライブラリを見ていて。。。

QuTiP　量子システムの物理現象のシミュレータ

こんなライブラリーがあります。今は物理も量子物理の時代ですからねぇ～

QuTiPは、オープン量子システムのダイナミクスをシミュレートするためのオープンソースソフトウェアです。QuTiPライブラリは、優れたNumpy、Scipy、およびCython数値パッケージに依存しています。さらに、グラフィカル出力はMatplotlibによって提供されます。QuTiPは、量子光学、トラップされたイオン、超伝導回路、量子ナノメカニカル共振器などの幅広い物理アプリケーションで一般的に見られる任意の時間依存性を含む、さまざまなハミルトニアンのユーザーフレンドリーで効率的な数値シミュレーションを提供することを目的としています。QuTiPは、Linux、Mac OSX、Windowsなどのすべての主要プラットフォームで使用および/または修正するために自由に利用できます^*。ライセンス料が不要なQuTiPは、教室での量子力学と力学の調査に最適です。

http://qutip.org/

Githubでソースも公開されています。すごい時代だ。。

https://github.com/qutip/qutip

を見てたら。。チュートリアルで。。Jupyter使っていて

https://github.com/qutip/qutip-notebooks/tree/master/examples

と思ってながめていたら。。

Pythonの凄くいい入門編が。。

https://nbviewer.jupyter.org/github/qutip/qutip-notebooks/blob/master/python/Beginning_Python.ipynb

これスゴイ　誰が作ったんだろう？？って。。思って調べると。。

Lectures on scientific computing with Python

こんなのを見つけた。　Pythonの科学計算用の勉強用にとてもいいページっぽい。

http://jrjohansson.github.io/computing.html

QuTipのレクチャーもスゴイのですが。。なんといっても。。

Scientific python lecturesがいい。

https://github.com/jrjohansson/scientific-python-lectures

• Lecture-0 Scientific Computing with Python
• Lecture-1 Introduction to Python Programming
• Lecture-2 Numpy – multidimensional data arrays
• Lecture-3 Scipy – Library of scientific algorithms
• Lecture-4 Matplotlib – 2D and 3D plotting
• Lecture-5 Sympy – Symbolic algebra
• Lecture-6A Fortran and C integration
• Lecture-6B HPC
• Lecture-7 Revision Control Software

今だと、これ全部、Google Colabで動きそうですし。。

Lectureの0～4までをやれば、数値計算の一通りのことができます。

Python初心者には、（って僕も初心者ですが）　この　Lecture-1　おすすめです。

簡単な四則演算からはじまって、文字列・配列や、スライス（配列のどこをとってくるか？）Flow（条件分岐）とか　関数の書き方とか。。　本当に一通り、綺麗にそろっています。

Algebra　のチュートリアルもあって。。　えっ？？？　数式での解析もできるの？？知らんかった(笑)

そら。。Python流行るわな～

上記のJupyter notebookを、In　のところをコピペして、Google Colabで動かすという写経をすれば。。たぶん数時間で、Pythonプログラマーになれそうな　そんな感じがしました。

Numerical Python

この本を書いた人ですね。

TOC and source code notebooks

Each chapter is accompanied with a IPython notebook containing the source code listings. The notebooks can be downloaded from the publisher’s web site (here) or viewed online via github or nbviewer:

1. Introduction to computing with Python
2. Vectors, matrices and multidimensional arrays
3. Symbolic computing
4. Plotting and visualization
5. Equation solving
6. Optimization
7. Interpolation
8. Integration
9. Ordinary differential equations
10. Sparse matrices and graphs
11. Partial differential equations
12. Data processing and analysis
13. Statistics
14. Statistical modeling
15. Machine learning
16. Bayesian statistics
17. Signal processing
18. Data input and output
19. Code optimization
20. Appendix: Installation