Introduzione all'apprendimento automatico quantistico per ingegneri

Titolo originale:

An Introduction to Quantum Machine Learning for Engineers

Contenuto del libro:

Questa monografia è motivata da una serie di recenti sviluppi che sembrano definire un possibile nuovo ruolo per i ricercatori con un profilo ingegneristico. In primo luogo, esistono oggi diverse librerie software - come Qiskit di IBM, Cirq di Google e PennyLane di Xanadu - che rendono più accessibile la programmazione di algoritmi quantistici, fornendo al contempo un accesso basato su cloud ai computer quantistici reali. In secondo luogo, sta emergendo una nuova struttura per la programmazione di algoritmi quantistici da eseguire sull'attuale hardware quantistico: l'apprendimento automatico quantistico.

Nell'attuale era del noisy intermediate-scale quantum (NISQ), l'apprendimento automatico quantistico sta emergendo come paradigma dominante per programmare computer quantistici basati su gate. Nell'apprendimento automatico quantistico, le porte di un circuito quantistico sono parametrizzate e i parametri sono regolati tramite ottimizzazione classica basata sui dati e sulle misurazioni delle uscite del circuito. I circuiti quantistici parametrizzati (PQC) possono affrontare in modo efficiente problemi di ottimizzazione combinatoria, implementare modelli generativi probabilistici ed eseguire inferenze (classificazione e regressione).

Questa monografia fornisce un'introduzione autonoma all'apprendimento automatico quantistico per un pubblico di ingegneri con un background di probabilità e algebra lineare. Descrive innanzitutto il background, i concetti e gli strumenti necessari per descrivere le operazioni e le misure quantistiche. Poi tratta dei circuiti quantistici parametrizzati, del risolutore variazionale quantistico e delle formulazioni di apprendimento automatico quantistico non supervisionato e supervisionato.