Wprowadzenie do kwantowego uczenia maszynowego dla inżynierów

Oryginalny tytuł:

An Introduction to Quantum Machine Learning for Engineers

Zawartość książki:

Niniejsza monografia jest motywowana szeregiem ostatnich wydarzeń, które wydają się definiować możliwą nową rolę dla naukowców o profilu inżynierskim. Po pierwsze, istnieje obecnie kilka bibliotek oprogramowania - takich jak Qiskit firmy IBM, Cirq firmy Google i PennyLane firmy Xanadu - które sprawiają, że programowanie algorytmów kwantowych jest bardziej dostępne, zapewniając jednocześnie dostęp do rzeczywistych komputerów kwantowych w chmurze. Po drugie, pojawiają się nowe ramy programowania algorytmów kwantowych, które mają być uruchamiane na obecnym sprzęcie kwantowym: kwantowe uczenie maszynowe.

W obecnej hałaśliwej erze kwantowej pośredniej skali (NISQ) kwantowe uczenie maszynowe staje się dominującym paradygmatem programowania komputerów kwantowych opartych na bramkach. W kwantowym uczeniu maszynowym bramki obwodu kwantowego są sparametryzowane, a parametry są dostrajane za pomocą klasycznej optymalizacji w oparciu o dane i pomiary wyjść obwodu. Sparametryzowane obwody kwantowe (PQC) mogą skutecznie rozwiązywać problemy optymalizacji kombinatorycznej, implementować probabilistyczne modele generatywne i przeprowadzać wnioskowanie (klasyfikację i regresję).

Niniejsza monografia stanowi samodzielne wprowadzenie do kwantowego uczenia maszynowego dla inżynierów z doświadczeniem w zakresie prawdopodobieństwa i algebry liniowej. W pierwszej części opisano podstawy, koncepcje i narzędzia niezbędne do opisania operacji i pomiarów kwantowych. Następnie omówiono sparametryzowane obwody kwantowe, wariacyjne rozwiązanie kwantowe, a także nienadzorowane i nadzorowane formuły kwantowego uczenia maszynowego.