Modelo híbrido de método kernel para computadores quânticos
| Autor: | Jhordan Silveira de Borba, Jonas Maziero |
|---|---|
| Přispěvatelé: | Conselho Nacional de Desenvolvimento Científico e Tecnológico |
| Jazyk: | portugalština |
| Rok vydání: | 2022 |
| Předmět: | |
| Zdroj: | Revista Brasileira de Física Tecnológica Aplicada; v. 9, n. 1 (2022) Revista Brasileira de Física Tecnológica Aplicada Universidade Tecnológica Federal do Paraná (UTFPR) instacron:UTFPR |
| ISSN: | 2358-0089 |
| DOI: | 10.3895/rbfta.v9n1 |
| Popis: | Reconhecendo que a área de aprendizado de máquina quântica é um caminho promissor para oferecer uma revolução nos métodos inteligentes de processamento de dados, propõe-se um método de aprendizado híbrido baseado nos métodos de kernel clássicos. Esta proposta também exige que um algoritmo quântico seja desenvolvido para o cálculo de produto interno entre vetores sobre valores contínuos. Para isso ser possível, foi preciso realizar adaptações no método kernel clássico, visto que é necessário considerar as limitações impostas pelo espaço de Hilbert do processador quântico. Como um caso de teste, foi verificada a capacidade do algoritmo de aprender a classificar se novos pontos gerados aleatoriamente, em um quadrado finito localizado sob um plano, se encontravam dentro ou fora de um círculo localizado no interior deste quadrado. Verificou-se que o algoritmo foi capaz de detectar corretamente novos pontos em 99% dos casos testados, com uma pequena diferença devido a considerar o raio levemente maior do que o idealizado. O método kernel se mostrou capaz de realizar classificações corretamente, assim como o algoritmo do produto interno efetuou satisfatoriamente os cálculos de produto interno utilizando recursos quânticos. Assim, o presente trabalho representa uma contribuição para a área propondo um novo modelo de aprendizado de máquina acessível tanto a físicos quanto a cientistas da computação. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|