¿Cuáles son los beneficios de utilizar el aprendizaje automático cuántico?

Aug 18 2020

He estado investigando usos para el aprendizaje automático cuántico y he hecho algunos ejemplos prácticos (variaciones de clasificadores cuánticos variacionales que utilizan PennyLane). Sin embargo, mi problema ahora es su relación con el aprendizaje automático clásico. Por el momento (en mis pruebas, al menos), QML parece no proporcionar ninguna mejora importante en el rendimiento (en comparación con una red clásica) y es significativamente más lento cuando se ejecuta en hardware real.

Entiendo que este es un campo joven que la gente todavía está explorando, pero tengo curiosidad por saber por qué no siempre usarías un algoritmo ML clásico para los problemas. Por tanto, mis preguntas son:

  • ¿Qué beneficios (o beneficios previstos) existen al utilizar el aprendizaje automático cuántico?
  • ¿Hay pocos beneficios ahora, pero el potencial de rendimiento aumenta cuando mejora el hardware?
  • No me sorprendería saber que hay ejemplos en los que QML supera al ML clásico. Aquí, mi pregunta es ¿por qué es así? ¿Cómo mejoraría el rendimiento el cambio a un régimen cuántico?

Respuestas

WingCode Aug 18 2020 at 00:48

Consulte estos recursos. Muestra cómo QML podría resultar en el futuro, consulte IBM Q para IA .

En el caso de los algoritmos inspirados en los cuánticos, cuando el conjunto de datos cumple ciertas condiciones, podría ser mejor que los enfoques clásicos, consulte los algoritmos inspirados en los cuánticos en la práctica