[Enciclopedia Online Gratuita] Diccionario de Internet y Tecnologías de la Información y la Comunicación (TIC):
ıllı Aprendizaje automático cuántico wiki: info, historia y vídeos
- Detalles
- Categoría: INTERNET
Aprendizaje automático cuántico
El aprendizaje automático cuántico es una novedosa área de investigación interdisciplinar, ubicada entre la mecánica cuántica y la informática, que suma sacrificios para conjuntar la mecánica cuántica y el aprendizaje automático. Los algoritmos o bien modelos de aprendizaje automático cuántico procuran emplear los beneficios de la información cuántica con el objetivo de progresar el aprendizaje automático tradicional, por servirnos de un ejemplo desarrollando implementaciones eficaces de pesados algoritmos tradicionales a través de computación cuántica. Además de esto, el aprendizaje automático cuántico incluye asimismo la aproximación reciproca, aplicando los métodos de aprendizaje automático tradicional a la teoría de la información cuántica. Ya en su nacimiento, el aprendizaje automático cuántico reunió grandes esperanzas de administrar una solución al análisis de grandes volúmenes de datos usando el poder del "paralelismo" de la computación cuántica. Esta tendencia se ha agudizado merced a las recientes inversiones de empresas como Google y Microsoft en computación cuántica. No obstante el aprendizaje automático cuántico está aún en su etapa inicial y precisa mayores fundamentos teóricos como resultados científicos sólidos para ser una disciplina académica. Son una serie de ideas de como amoldar los métodos tradicionales de aprendizaje automático a los procesos de computación cuántica. Las máquinas de soporte vectorial puede ser incorporadas en un PC cuántico utilizando una combinación de algoritmos cuánticos ya conocidos. Con la intención de edificar el hiperplano que aparta el conjunto de datos para las labores de clasificación, la ecuación lineal para la formulación dual o bien de mínimos cuadrados se soluciona usando un algoritmo cuántico para solucionar ecuaciones lineales. Una labor esencial es edificar una matriz de densidad cuyas entradas se corresponden con las de la matriz del núcleo. La extracción de la información del estado final puede hacerse a través del análisis de componentes primordiales cuántico. La clasificación de una nueva entrada se hace por medio de un ensayo de intercambio. La máquina de soporte vectorial cuántico se ejecuta en tiempo logarítmico con respecto a la dimensión del espacio de peculiaridades y el número de vectores de adiestramiento, al paso que la solución tradicional tiene una dependencia polinómica. Los primeros ensayos en máquinas de soporte vectorial cuánticas ya han sido efectuados. Los algoritmos de aprendizaje cuántico como k-means o bien el procedimiento K-vecinos más próximos están basados en calcular la distancia entre los vectores de peculiaridades y la selección más próxima (así sea para identificar el conjunto centroide más próximo o bien los vecinos más próximos a un determinado vector de peculiaridades. La implementación de estos métodos, basados en la distancia en un computador cuántico significa primeramente localizar una forma de calcular distancias tradicionales con algoritmos cuánticos. Una idea usual es emplear la superposición de 2 funciones de onda??|f?\varphi \rangle cuidadosamente preparadas como media de la distancia entre 2 estados cuánticos. La distancia mínima puede ser encontrada a través de el Algoritmo de Grover. Los algoritmos de aprendizaje automático basados en la distancia, como la agrupación sin supervisión, pueden ser incorporados mediante la computación cuántica adiabática la que mejora a la computación tradicional de O(Mlog(MN)) para el algoritmo de Lloyd a O(klog(MN)) (Donde M es el número de vectores de datos N-dimensional y K es el número de agrupaciones). Las redes neuronales cuánticas fueron en un inicio investigadas desde una perspectiva diferente, el papel de los efectos cuánticos en los circuitos neuronales. No obstante, el discute pasó de forma rápida cara un enfoque puramente computacional en versiones cuánticas de redes neuronales artificiales, las que juegan un papel esencial en el aprendizaje automático. Una serie de ideas sobre modelos de redes neuronales cuánticas se han publicado desde ese momento. Un enfoque interesante para el aprendizaje automático cuántico es el modelo de memoria asociativa cuántica basado en el algoritmo de Grover. No obstante, localizar un procedimiento para adiestrar una red neuronal cuántica es aún una labor abierta. El aprendizaje automático cuántico asimismo puede ser utilizado para los enfoques que aplican métodos tradicionales de aprendizaje automático a los inconvenientes de la teoría de la información cuántica. Por poner un ejemplo, cuando los físicos experimentales deben lidiar con información incompleta de una fuente o bien sistema cuántico, la estadística bayesiana y los conceptos de aprendizaje algorítmico pueden ser frutiferamente aplicados. Esto incluye aproximaciones de aprendizaje automático para la clasificación del estado cuántico el aprendizaje del Hamiltoniano y el aprendizaje de una transformación unitaria. No solo el planeta académico sino más bien asimismo las compañías líderes en las tecnologías de la información muestran interés en el potencial del aprendizaje automático cuántico. Google Investigation lanzó su laboratorio cuántico de inteligencia artificial en dos mil trece, el que es una iniciativa conjunta con la NASA y la asociación de universidades de investigación espacial. Una baza esencial es el discutido discute sobre el computador cuántico D-Wave. Asimismo Microsoft semeja interesado en el tema y Peter Lee anunció que va a acrecentar la actividad de las compañías en la computación cuántica.Métodos cuánticos para el aprendizaje automático
Maquinas de soporte vectorial cuánticas
Algoritmos cuánticos de agrupamiento y métodos K-nn
Redes neuronales cuánticas.
Quantum neural networks Métodos de aprendizaje automático para información cuántica.
Inversiones empresariales en la investigación del aprendizaje automático cuántico.
