क्वांटम मशीन सीखने का उपयोग करने के क्या लाभ हैं?
मैं क्वांटम मशीन सीखने के लिए उपयोगों की जांच कर रहा हूं, और कुछ काम करने के उदाहरणों (पेनलीन का उपयोग करके परिवर्तनशील क्वांटम क्लासिफायर के बदलाव) किए हैं। हालांकि, मेरा मुद्दा अब शास्त्रीय मशीन सीखने के साथ इसका संबंध है। फिलहाल (मेरे परीक्षणों में, कम से कम), क्यूएमएल प्रदर्शन में कोई बड़ा सुधार नहीं दे रहा है (एक शास्त्रीय नेटवर्क की तुलना में) और वास्तविक हार्डवेयर पर चलने पर काफी धीमा है।
मैं समझता हूं कि यह एक युवा क्षेत्र है जो लोग अभी भी तलाश रहे हैं, लेकिन मैं इस बात से उत्सुक हूं कि आप हमेशा समस्याओं के लिए एक शास्त्रीय एमएल एल्गोरिदम का उपयोग क्यों नहीं करेंगे। इसलिए, मेरे प्रश्न हैं:
- क्वांटम मशीन सीखने से क्या लाभ (या अनुमानित लाभ) हैं?
- क्या अब थोड़ा लाभ है, लेकिन हार्डवेयर में सुधार होने पर प्रदर्शन की संभावना बढ़ जाती है?
- मुझे यह जानकर आश्चर्य नहीं होगा कि ऐसे उदाहरण हैं जहां QML ने क्लासिकल एमएल को बेहतर बनाया है। यहाँ, मेरा सवाल यह है कि यह मामला क्यों है? एक क्वांटम शासन में कैसे बढ़ेगा प्रदर्शन में सुधार?
जवाब
इन संसाधनों की जाँच करें। यह दर्शाता है कि भविष्य में QML कैसे चालू हो सकता है, AI के लिए IBM Q देखें ।
क्वांटम से प्रेरित एल्गोरिदम के मामले में, जब डेटासेट कुछ शर्तों को पूरा करता है, तो यह शास्त्रीय दृष्टिकोण से बेहतर हो सकता है, व्यवहार में क्वांटम से प्रेरित एल्गोरिदम देखें