مقالات حوزه شبیه سازی
یادگیری ماشینی کوانتومی

یادگیری ماشینی کوانتومی

با گسترش الگوریتم ها و افزایش توان کامپیوترها، تکنیک های یادگیری ماشین نیز به ابزار قدرتمندی برای یافتن الگوهای داده ای تبدیل شده اند. به نظر می رسد سیستم های کوانتومی با الگوهای غیرمعمول خود که در هیچ سیستم کلاسیکی قابل تولید نیست و کامپیوترهای کوانتومی مفروض در موضوعات یادگیری ماشین بهتر از کامپیوترهای کلاسیک باشند. این حوزه به دنبال کشف چگونگی اجرای نرم افزارهای کوانتومی است که بتواند یادگیری ماشینی را با سرعتی بیش از کامپیوترهای کلاسیک انجام دهد. در این مقاله محققان الگوریتم های کوانتومی ایجاد می¬کنند که می توانند به عنوان بلاک های ساختاری برنامه یادگیری ماشین عمل کنند، با این وجود چالش های سخت افزاری و نرم افزاری همچنان به قوت خود باقی هستند.

Jacob Biamonte, Peter Wittek, Nicola Pancotti, Patrick Rebentrost, Nathan Wiebe,  and Seth Lloyd

1-    Quantum Complexity Science Initiative, Skolkovo Institute of Science and Technology, Skoltech Building 3, Moscow, Russia.
2-    Institute for Quantum Computing, University of Waterloo, Waterloo, Ontario, Canada.
3-    ICFO-The Institute of Photonic Sciences, Castelldefels, Barcelona, Spain.
4-    Max Planck Institute of Quantum Optics, 1 Hans-Kopfermannstrasse, Garching, Germany.
5-    Massachusetts Institute of Technology, Research Laboratory of Electronics, Cambridge, Massachusetts, USA.
6-    Station Q Quantum Architectures and Computation Group, Microsoft Research, Redmond, Washington, USA.
7-    Massachusetts Institute of Technology, Department of Mechanical Engineering, Cambridge, Massachusetts, USA.

https://doi.org/10.1038/nature23474


 
بيشتر