ıllı Internet y Tecnologías de la Información (2018)

internet, Hosting, dominios, seo, antivirus, banco de imágenes, páginas web, tiendas online

[Enciclopedia Online Gratuita] Diccionario de Internet y Tecnologías de la Información y la Comunicación (TIC):

ıllı Aprendizaje automático cuántico wiki: info, historia y vídeos

videos internet

salud  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.



Métodos cuánticos para el aprendizaje automático


Son una serie de ideas de como amoldar los métodos tradicionales de aprendizaje automático a los procesos de computación cuántica.


Maquinas de soporte vectorial cuánticas


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.


Algoritmos cuánticos de agrupamiento y métodos K-nn


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).


Redes neuronales cuánticas.

Quantum neural networks

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.


Métodos de aprendizaje automático para información cuántica.


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.


Inversiones empresariales en la investigación del aprendizaje automático cuántico.


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.



  1. ?Maria Schuld, Ilya Sinayiskiy, and Francesco Petruccione (dos mil catorce) An introduction to quantum machine learning, Contemporary Physics, DOI: diez.1080/00107514.2014.964942 (preprint avaiable at arXiv:1409.3097)
  2. ?Wittek, Peter (dos mil catorce). Quantum Machine Learning: What Quantum Computing Means to Data Mining. Academic Press. ISBN novecientos setenta y ocho-0-doce-ochocientos novecientos cincuenta y tres-seis.
  3. ?see for example, Nathan Wiebe, Ashish Kapoor, and Krysta M. Svorey (dos mil catorce) Quantum Algorithms for Nearest-Neighbor Methods for Supervised and Unsupervised Learning, arXiv:1401.2142v2
  4. ?Seth Lloyd, Masoud Mohseni, and Patrick Rebentrost (dos mil catorce) Quantum algorithms for supervised and unsupervised machine learning, arXiv:1307.0411v2
  5. ?«How Quantum Computers and Machine Learning Will Revolutionize Big Data». WIRED. Consultado el veintiseis de noviembre de dos mil catorce.
  6. ?For a review, see Maria Schuld, Ilya Sinayiskiy, and Francesco Petruccione (dos mil catorce) An introduction to quantum machine learning, Contemporary Physics, DOI: diez.1080/00107514.2014.964942 (upcoming, preprint avaiable at arXiv:1409.3097)
  7. ?Patrick Rebentrost, Masoud Mohseni, and Seth Lloyd (dos mil catorce) Quantum support vector machine for big data classification, Physical Review Letters ciento trece 130501
  8. ?Aram W. Harrow, Avinatan Hassidim and Seth Lloyd (dos mil nueve) Quantum Algorithm for Linear Systems of Equations, Physical Review Letters ciento tres 150502
  9. ? abSeth Lloyd, Masoud Mohseni, and Patrick Rebentrost (dos mil catorce) Quantum primordial component analysis, Nature Physics diez pp. seiscientos treinta y uno-633
  10. ?Zhaokai Li, Xiaomei Liu, Nanyang Xu,1, and Jiangfeng Du (dos mil catorce) Experimental Realization of Quantum Artificial Intelligence, arXiv preprint arXiv:1410.1054v1
  11. ?C. Duerr and P. Hoyer (mil novecientos noventa y seis), A quantum algorithm for finding the minimum, arXiv preprint quantph/ 9607014
  12. ?Esma Aïmeur, Gilles Brassard, Sébastien Gambs (dos mil trece) Quantum speed-up for unsupervised learning, Machine Learning noventa, pp. doscientos sesenta y uno-287
  13. ?Seth Lloyd, Masoud Mohseni, and Patrick Rebentrost Quantum algorithms for supervised and unsupervised machine learning, arXiv preprint arXiv:1307.0411v2
  14. ?Kak (mil novecientos noventa y cinco). «Quantum neural computing, Advances in Imaging and Electron Physics 94». Sciencedirect.com. pp. doscientos cincuenta y nueve-trescientos trece. Consultado el veintiseis de noviembre de dos mil catorce.
  15. ?for example, Menneer, T., Narayanan, A. (mil novecientos noventa y cinco) Quantum-inspired neural networks. Department of Computer Science, University of Exeter, UK, Technical Report 32
  16. ?Altaisky, M.V. (dos mil uno) Quantum neural network. ArXiv quant-ph/0107012
  17. ?Zak, M., Williams, C.P. (mil novecientos noventa y ocho) Quantum neural nets. International Journal of Theoretical Physics 37(dos), pp. 651–684
  18. ?Behrman, Y también.C., Steck, J.E., Skinner, S.R. (mil novecientos noventa y nueve) A spatial quantum neural computer. In: International Joint Conference on Neural Networks, IEEE IJCNN’99, Vol. dos, pp. 874–877
  19. ?Purushothaman, G., Karayiannis, N.B. (mil novecientos noventa y siete) Quantum neural networks (qnns): inherently fuzzy feedforward neural networks. IEEE Trans. Neural Netw. 8(tres), pp. 679–693
  20. ?Dan Ventura, and Tony Martinez (dos mil) Quantum associative memory, Information Sciences ciento veinticuatro pp. doscientos setenta y tres-296
  21. ?Maria Schuld, Ilya Sinayskiy, Francesco Petruccione (dos mil catorce) The quest for a Quantum Neural Network, Quantum Information Processing, DOI diez.1007/s11128-catorce-ochocientos nueve-8
  22. ?G. Sentis, J. Calsamiglia, R. Munoz-Tapia, and Y también. Bagan (dos mil doce) Quantum learning without quantum memory, Scientific Reports dos (setecientos ocho), DOI: diez.1038/srep00708
  23. ?Nathan Wiebe, Christopher Granade, Christopher Ferrie, and David Cory (dos mil catorce) Quantum Hamiltonian learning using imperfect quantum resources, Physical Review A ochenta y nueve, 042314
  24. ?Alessandro Bisio, Giulio Chiribella, Giacomo Mauro D’Ariano, Stefano Facchini, and Paolo Perinott (dos mil diez) Optimal quantum learning of a unitary transformation, Physical Review A ochenta y uno, 032324
  25. ?Jeongho Bang Junghee Ryu, Seokwon Yoo, Marcin Pawlowski, and Jinhyoung Lee, A strategy for quantum algorithm design assisted by machine learning, New Journal of Physics dieciseis (dos mil catorce) 073017
  26. ?«Google Quantum A.I. Lab Team - Google+». Plus.google.com. Consultado el veintiseis de noviembre de dos mil catorce.
  27. ?«NIPS dos mil nueve Demonstration: Binary Classification using Hardware Implementation of Quantum Annealing»(PDF). Static.googleusercontent.com. Consultado el veintiseis de noviembre de dos mil catorce.
  28. ?«Microsoft Leans on Machine Learning and Quantum Computing in New Research Strategy - MIT Technology Review». MIT Technology Review. Consultado el veintiseis de noviembre de dos mil catorce.


  ELIGE TU TEMA DE INTERÉS: 


autoayuda.es   Internet y Tecnologias 

Está aquí: Inicio > [ INTERNET ] > ıllı Aprendizaje automático cuántico wiki: info, historia y vídeos

Las cookies nos permiten ofrecer nuestros servicios. Al utilizar nuestros servicios, aceptas el uso que hacemos de las cookies. Ver políticas