Каковы преимущества использования квантового машинного обучения?

Aug 18 2020

Я исследовал применение квантового машинного обучения и сделал несколько рабочих примеров (вариации вариационных квантовых классификаторов с использованием PennyLane). Однако сейчас моя проблема заключается в его связи с классическим машинным обучением. На данный момент (по крайней мере, в моих тестах) QML, похоже, не обеспечивает какого-либо значительного улучшения производительности (по сравнению с классической сетью) и значительно медленнее при работе на реальном оборудовании.

Я понимаю, что это молодая область, которую люди все еще изучают, но мне любопытно, почему вы не всегда просто используете классический алгоритм машинного обучения для решения проблем. Поэтому мои вопросы:

  • Какие преимущества (или прогнозируемые преимущества) дает квантовое машинное обучение?
  • Сейчас мало пользы, но потенциал производительности увеличивается с улучшением оборудования?
  • Я не удивлюсь, если узнаю, что есть примеры, в которых QML превосходит классический ML. Здесь мой вопрос: почему это так? Как переход на квантовый режим улучшит производительность?

Ответы

WingCode Aug 18 2020 at 00:48

Ознакомьтесь с этими ресурсами. Он показывает, каким QML может стать в будущем, см. IBM Q for AI .

В случае квантовых алгоритмов, когда набор данных соответствует определенным условиям, это может быть лучше, чем классические подходы, см. Квантовые алгоритмы на практике