การใช้ Quantum Machine Learning มีประโยชน์อย่างไร

Aug 18 2020

ฉันได้ตรวจสอบการใช้งานสำหรับการเรียนรู้ของเครื่องควอนตัมและได้ทำตัวอย่างการใช้งานบางส่วน (รูปแบบของตัวจำแนกควอนตัมแบบผันแปรโดยใช้ PennyLane) อย่างไรก็ตามปัญหาของฉันตอนนี้คือความสัมพันธ์กับแมชชีนเลิร์นนิงแบบเดิม ในขณะนี้ (อย่างน้อยในการทดสอบของฉัน) QML ดูเหมือนจะไม่ได้ให้การปรับปรุงประสิทธิภาพที่สำคัญใด ๆ (เมื่อเทียบกับเครือข่ายแบบคลาสสิก) และช้าลงอย่างมากเมื่อทำงานบนฮาร์ดแวร์จริง

ฉันเข้าใจว่านี่เป็นพื้นที่ที่คนหนุ่มสาวยังคงสำรวจ แต่ฉันอยากรู้ว่าทำไมคุณถึงไม่ใช้อัลกอริทึม ML แบบคลาสสิกเสมอไปในการแก้ปัญหา ดังนั้นคำถามของฉันคือ:

  • มีประโยชน์อะไร (หรือผลประโยชน์ที่คาดการณ์ไว้) โดยใช้การเรียนรู้ของเครื่องควอนตัม
  • ตอนนี้มีประโยชน์เพียงเล็กน้อย แต่ศักยภาพในการทำงานจะเพิ่มขึ้นเมื่อฮาร์ดแวร์ดีขึ้นหรือไม่?
  • ไม่แปลกใจเลยที่ได้เรียนรู้ว่ามีตัวอย่างที่ QML มีประสิทธิภาพดีกว่า ML แบบดั้งเดิม คำถามของฉันคือเหตุใดจึงเป็นเช่นนั้น การย้ายไปสู่ระบอบควอนตัมจะช่วยเพิ่มประสิทธิภาพได้อย่างไร?

คำตอบ

WingCode Aug 18 2020 at 00:48

ตรวจสอบแหล่งข้อมูลเหล่านี้ มันแสดงให้เห็นว่า QML อาจเปิดออกเพื่อจะเป็นในอนาคตดูไอบีเอ็ม Q สำหรับ AI

ในกรณีของอัลกอริทึมที่ได้รับแรงบันดาลใจจากควอนตัมเมื่อชุดข้อมูลตรงตามเงื่อนไขบางประการอาจดีกว่าวิธีการแบบเดิมดูอัลกอริทึมที่ได้รับแรงบันดาลใจจากควอนตัมในทางปฏิบัติ