量子计算学习资源与常见误区揭秘
一、量子计算学习资源
（一）博客资源
- The Quantum Weekly 博客：能提供量子相关内容的可靠总结，涵盖计算、密码学、纠缠等多方面。
- Shtetl Optimized：由 Scott Aaronson 撰写的个人博客，他是得克萨斯大学奥斯汀分校计算机科学的 Schlumberger 百年主席以及量子信息中心主任。博客定期更新，内容聚焦量子计算、人工智能以及二者交叉的话题。
（二）论文资源
由于量子计算领域发展迅速，科学论文是紧跟前沿的好资源。现在不同版本的科学论文比过去更容易获取，很多还免费，但知名期刊的最终版本通常需付费。若对论文内容不理解，可在科技媒体上搜索作者相关的更易懂的文章。以下是几篇值得关注的论文：
|论文名称|链接|简介|
| ---- | ---- | ---- |
|Opportunities and Challenges for Quantum Machine Learning|https://arxiv.org/abs/1708.09757|探讨若有 1000 个“完美”量子比特的量子计算机可开展的工作，给出量子计算机在机器学习领域的优势示例，还引入了量子辅助亥姆霍兹机（QAHM）概念，该技术结合传统和量子计算提升学习能力，对理解量子计算在机器学习领域的潜力至关重要。|
|Quantum Machine Learning … and More|https://books.google.com/books/about/Q
