คำถามที่ถามคือ "มีวิธีการกู้คืนจากข้อผิดพลาดที่เกิดจากเสียงรบกวน [ควอนตัม] อย่างมีประสิทธิภาพหรือไม่" และคำตอบของ Peter Shorครอบคลุมวิธีที่มีประสิทธิภาพวิธีหนึ่งในการตอบคำถามนี้คือการออกแบบคอมพิวเตอร์ควอนตัมที่ทนทานต่อความผิดพลาด
ทางเลือกที่มีประสิทธิภาพมักพบได้ทั่วไปในการปฏิบัติทางวิศวกรรม เราให้เหตุผลว่า "ถ้าเสียงมีขนาดใหญ่พอที่ไม่มีการคำนวณควอนตัมเป็นไปได้ดังนั้นบางทีระบบพลวัตสามารถจำลองด้วยทรัพยากรแบบคลาสสิกใน P"
กล่าวอีกนัยหนึ่งบ่อยครั้งที่เราสามารถ "กู้คืนในวิธีที่มีประสิทธิภาพ" จากเสียงโดยตระหนักว่าเสียงนั้นให้บริการที่สำคัญแก่เรา
วรรณกรรมเกี่ยวกับวิธีการที่เป็นศูนย์กลางในการจำลองพลวัตนั้นมีขนาดใหญ่และกำลังเติบโต การอ้างอิงที่ผ่านมาซึ่งเป็นทฤษฎีแรงจูงใจทั้งทางร่างกายและเข้มงวดอย่างสนุกสนานและที่มีการอ้างอิงจำนวนมากเพื่อวรรณกรรมที่กว้างขึ้นเป็น Plenio และ Virmani ของขอบเขตตอนบนเกณฑ์การยอมรับความผิดของ Clifford คอมพิวเตอร์ที่ใช้ควอนตัมที่มีเสียงดัง (arXiv: 0810.4340v1)
dynamicists คลาสสิกใช้ภาษาที่แตกต่างกันมากในการที่กลไกเสียงไปโดยใช้ชื่อทางเทคนิคของอุณหภูมิ ; Frenkel และการจำลองโมเลกุลความเข้าใจของสมิท: จากอัลกอริทึมไปจนถึงแอปพลิเคชัน (1996) ให้การแนะนำทางคณิตศาสตร์ขั้นพื้นฐาน
เมื่อเราคัดลอกเทอร์โมสแตทแบบดั้งเดิมและแบบควอนตัมเป็นภาษาของการเปลี่ยนแปลงทางเรขาคณิตเราพบว่าวิธีการแบบคลาสสิกและแบบควอนตัมสำหรับการใช้ประโยชน์จากเสียงรบกวนเพื่อเพิ่มประสิทธิภาพการจำลองนั้นเหมือนกัน การอ้างอิงวรรณกรรมของพวกเขาไม่บ่อยนักอ้างอิงกันเป็นอุบัติเหตุส่วนใหญ่ในประวัติศาสตร์ซึ่งได้รับการสนับสนุนจากสิ่งกีดขวางที่น่าสังเกต
อย่างเคร่งครัด แต่โดยทั่วไปน้อยกว่าผลลัพธ์ข้างต้นส่องสว่างต้นกำเนิดในทฤษฎีข้อมูลควอนตัมของกฎฮิวริสติกที่ครอบคลุมอย่างกว้างขวางโดยนักเคมีนักฟิสิกส์และนักชีววิทยาว่าระบบคลาสสิกหรือควอนตัมใด ๆ พิสูจน์ได้จากการจำลองด้วยทรัพยากรการคำนวณใน P สำหรับจุดประสงค์เชิงปฏิบัติทั้งหมด (FAPP)
ข้อยกเว้นสำหรับการเรียนรู้แบบฮิวริสติกทั้งแบบคลาสสิกและแบบควอนตัมเป็นตัวแทนปัญหาเปิดที่สำคัญ จำนวนของพวกเขาลดลงอย่างเด่นชัดทุกปี การประเมินวิกฤตโครงสร้างการคาดการณ์สองปี(CASP)ให้การวัดวัตถุประสงค์อย่างหนึ่งของการปรับปรุงนี้
ข้อ จำกัด พื้นฐานสำหรับความคืบหน้าในการจำลองความสามารถในการจำลองเสียง "มากกว่ามากกว่ามัวร์" ในทศวรรษนี้เป็นที่รู้จักกันอย่างไม่สมบูรณ์ ในระยะยาวการปรับปรุงความเข้าใจอย่างต่อเนื่องของข้อ จำกัด เหล่านี้จะนำเราเข้ามาใกล้กับการสร้างคอมพิวเตอร์ควอนตัมในขณะที่ในระยะสั้นความรู้นี้ช่วยเราในการจำลองระบบที่ไม่ใช่คอมพิวเตอร์ควอนตัมอย่างมีประสิทธิภาพ ไม่ว่าจะด้วยวิธีใดมันเป็นข่าวดี