Computación cuántica y aprendizaje automático
Identificadores
URI: http://hdl.handle.net/10481/76782Metadatos
Mostrar el registro completo del ítemAutor
Calzada Chávez, AlbertoDirector
García Recio, CarmenMateria
Quantum computation Circuit model Universal quantum computation Adiabatic computation Quantum annealing Machine learning Boltzmann machine Quantum Boltzmann machine Computación cuántica Modelo circuito Computación cuántica universal Computación adiabática Aprendizaje automático Máquina de Boltzmann Máquina de Boltzmann cuántica
Fecha
2022Fecha lectura
2021Resumen
In this work we address the relationship between quantum computing
and machine learning. We focus on a specific model of quantum computing
known as the adiabatic model. Through a series of considerations
on this model, we come to the concept of quantum annealing. In the
second half of the study, we proceed to develop a machine learning model
called the Boltzmann Machine and study how the quantum version
of this algorithm takes advantage of quantum annealing, resulting in a
more efficient operation than its classical analog. En el presente trabajo estudiamos la relación que existe entre computación
cuántica y aprendizaje automático. Nos centramos en un modelo
concreto de computación cuántica conocido como modelo adiabático.
Realizando una serie de consideraciones, llegamos al concepto de temple
cuántico. En la segunda parte del trabajo construimos el algoritmo de
aprendizaje automático conocido como Máquina de Boltzmann, y estudiamos
cómo se beneficia su análogo cuántico del temple cuántico para
dar lugar a un algoritmo más eficiente que su versión clásica.