Apa manfaat menggunakan pembelajaran mesin kuantum?

Aug 18 2020

Saya telah menyelidiki penggunaan untuk pembelajaran mesin kuantum, dan telah membuat beberapa contoh yang berfungsi (variasi pengklasifikasi kuantum variasional menggunakan PennyLane). Namun, masalah saya sekarang adalah hubungannya dengan pembelajaran mesin klasik. Saat ini (setidaknya dalam pengujian saya), QML tampaknya tidak memberikan peningkatan besar dalam performa (dibandingkan dengan jaringan klasik) dan secara signifikan lebih lambat saat dijalankan pada perangkat keras sebenarnya.

Saya memahami bahwa ini adalah bidang muda yang masih dieksplorasi orang, tetapi saya ingin tahu mengapa Anda tidak selalu menggunakan algoritme ML klasik untuk masalah. Oleh karena itu, pertanyaan saya adalah:

  • Manfaat apa (atau manfaat yang diprediksi) yang ada menggunakan pembelajaran mesin kuantum?
  • Apakah ada sedikit manfaat sekarang, tetapi potensi kinerja meningkat ketika perangkat keras meningkat?
  • Tidak heran jika saya mengetahui ada contoh di mana QML mengungguli ML klasik. Di sini, pertanyaan saya adalah mengapa demikian? Bagaimana pindah ke rezim kuantum meningkatkan kinerja?

Jawaban

WingCode Aug 18 2020 at 00:48

Lihat sumber daya ini. Ini menunjukkan bagaimana QML mungkin berubah di masa depan, lihat IBM Q untuk AI .

Dalam kasus algoritme yang diilhami kuantum, saat kumpulan data memenuhi kondisi tertentu, mungkin lebih baik daripada pendekatan klasik, lihat algoritme yang diilhami kuantum dalam praktiknya