Ana Sayfa Kuantum Makine Öğrenimi Kuantum makine öğrenimi için yeni bir yöntem

Kuantum makine öğrenimi için yeni bir yöntem

531
253

The Korea Advanced Institute of Science and Technology‘de kuantum bilgi bilimi alanında çalışan bir araştırma ekibi, kuantum bilgisayımda makine öğrenimi sınıflandırmaları için Nature npj | Quantum Information‘da yeni bir yöntem tanıttı.

Kuantum bilgisayım için en parlak uygulamalardan olan kuantum makine öğreniminde ve klasik makine öğreniminde, bir problem olarak karşımıza sınıflandırma faktörü çıkmaktadır. Sınıflandırma işlemi, daha önce tanımlanmamış yeni verilere bir etiket atamak için etiketlenmiş verilerdeki kalıpları tanımak için gerekli bir görevdir; ve sınıflandırma işlemleri için çekirdek yöntemleri (kernel methods) her zaman karmaşık verilerdeki doğrusal olmayan (non-linear) ilişkileri tanımlamak için paha biçilemez bir sınıflandırma aracı olmuştur.

Yeni çalışmada sunulan çekirdek yönteminde kuantum makine öğrenimi için School of Electrical Engineering’den Profesör June-Koo Kevin Rhee liderliğindeki araştırma ekibi, farklı bir başlangıç durumları kullanarak ve Hadamard matrislerinin sınıflandırmasını bir takas testiyle değiştirerek kuantum hal uygunluğuna dayanan bir kuantum sınıflandırıcı önerdi.

Bu öneride, doğrusal olmayan bir çekirdeğe sahip sınıflandırma algoritması fikri, bir kuantum test durumu verildiğinde, protokolün, kuantum verilerinin uygunluklarının ağırlıklı toplamını, bir takas-test (swap test) devresi ve ardından iki tek-kübit ölçümü ile hesaplamasıdır. Bu yaklaşımın yeniliği, etiketlenmiş eğitim verilerinin bir kuantum duruma yoğun bir şekilde paketlenebilmesi ve daha sonra test verileriyle karşılaştırılabilmesidir. Diğer yandan, bu algoritmada, giriş verileri ya bir kuantum özellik haritası ya da gerçek kuantum verileri yoluyla klasik verilerle temsil edilir ve sınıflandırma, test verilerinin eğitim verilerine yakınlığını ölçen çekirdek işlevine dayanır. Sonuç olarak, doğrusal olmayan çekirdek tabanlı ikili sınıflandırmaya sahip kuantum sınıflandırıcıları ortaya çıkmaktadır. Hızla gelişen kuantum makine öğrenimi alanını daha da geliştirmeye katkı sunan bu yöntem, kuantum bilgisayarların verilere verimli bir şekilde erişme ve bunları işleme yeteneği açısından ve mevcut çeşitli makine öğrenme yöntemlerini geliştirmek için iyi bir gelecek vaat etmektedir.

Doğrusal olmayan çekirdek tabanlı ikili sınıflandırmayı uygulamak için devre.

Sınıflandırma protokolünün kullanışlılığını göstermek için Data Cybernetics’ten Carsten Blank, bulut hizmeti aracılığıyla halka açık şekilde ücretsiz olarak sunulan beş kübitlik IBM kuantum bilgisayarını kullanarak sınıflandırıcıyı uyguladı ve elde ettiği sonuçlara dayanarak Blank, “Bu alanın ilerlediğine dair umut verici bir işaret” yorumunu getirdi.

Kaynakça

  1. KAIST tarafından Materyal
  2. Carsten Blank, Daniel K. Park, June-Koo Kevin Rhee, Francesco Petruccione. Quantum classifier with tailored quantum kernelnpj Quantum Information, 2020; 6 (1) DOI: 10.1038/s41534-020-0272-6
Bu içeriği paylaş
Önceki İçerikKuantum Teknolojileri Sohbetleri #16 – 06.07.2020 – Dr. Hasan Yılmaz
Sonraki İçerikYeni nesil kuantum bilgisayarlar için QCCD tuzaklı iyon mimarisi
Avatar
QTurkey, Türkiye’deki kuantum teknolojileriyle ilgili faaliyetler için bir iletişim ve işbirliği ağıdır. “Kuantum Programlamaya Giriş” çalıştayları düzenliyor, ilgili konulardaki ilgili öğrenciler için çalışma grupları ve toplantılar organize ediyoruz ve ülke düzeyinde kuantum meraklıları için bir buluşma alanı oluşturabilme amacıyla hareket ediyoruz.

Yoruma kapalı.