Quais são os benefícios de usar o aprendizado de máquina quântico?

Question

Tenho investigado os usos do aprendizado de máquina quântica e fiz alguns exemplos de trabalho (variações de classificadores quânticos variacionais usando PennyLane). No entanto, meu problema agora é sua relação com o aprendizado de máquina clássico. No momento (em meus testes, pelo menos), QML parece não fornecer nenhuma grande melhoria no desempenho (em comparação com uma rede clássica) e é significativamente mais lento quando executado em hardware real.

Eu entendo que este é um campo que as pessoas ainda estão explorando, mas estou curioso para saber por que você não usaria apenas um algoritmo clássico de ML para problemas. Portanto, minhas perguntas são:

• Quais benefícios (ou benefícios previstos) existem com o aprendizado de máquina quântica?
• Há poucos benefícios agora, mas o potencial de desempenho aumenta quando o hardware melhora?
• Não me surpreenderia saber que existem exemplos em que o QML supera o ML clássico. Aqui, minha pergunta é por que isso acontece? Como mudar para um regime quântico melhoraria o desempenho?

Answer 1

Confira esses recursos. Mostra como o QML pode ser no futuro, consulte IBM Q para AI .

No caso de algoritmos inspirados no quantum, quando o conjunto de dados atende a certas condições, pode ser melhor do que as abordagens clássicas, consulte Algoritmos inspirados no quantum na prática