On quantum bayesian networks

Detalhes bibliográficos
Autor(a) principal: Oliveira, Michael de
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: https://hdl.handle.net/1822/80747
Resumo: Dissertação de mestrado em Computer Science
id RCAP_a4358f05310d5c0b718ef8f7e59f5abd
oai_identifier_str oai:repositorium.sdum.uminho.pt:1822/80747
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling On quantum bayesian networksEngenharia e Tecnologia::Outras Engenharias e TecnologiasDissertação de mestrado em Computer ScienceAs a compact representation of joint probability distributions over a dependence graph of random variables, and a tool for modeling and reasoning in the presence of uncertainty, Bayesian networks are becoming increasingly relevant both for natural and social sciences, for example, to combine domain knowledge, capture causal relationships, or learn from in complete datasets. Known as an NP- hard problem in a classical setting, Bayesian inference pops up as a class of algorithms worth to explore in a quantum framework. The present dissertation explores this research field and extends the previous algorithm by embedding them in decision-making processes. In this regard, several attempts were made in order to find new and enhanced ways to deal with these processes. In a first at tempt, the quantum device was considered to run a subprocess of the decision-making pro cess, resulting in a quadratic speed-up for that subprocess. Afterward, “decision-networks” were taken into account and allowed a fully quantum implementation of a decision-making process, benefiting from a quadratic speed-up during the whole process. Lastly, a solution was found. It differs from the existing ones by the judicious use of the utility function in an entangled configuration. This algorithm explores the structure of input data to efficiently compute a solution. In addition, for each one of the algorithms developed, their computa tional complexity was determined in order to provide the information necessary to choose the most efficient one for a concrete decision problem. A prototype implementation in Qiskit (a Python-based program development language for the IBM Q machines) was developed as a proof-of-concept. If Qiskit offered a simulation platform for the algorithm considered in this dissertation, string diagrams provided the verification framework for algorithmic proprieties. Further, string diagrams were studied with the intention to obtain formal proofs about the algorithms developed. This framework provided relevant examples and the proof that two different implementations for the same algorithm are equivalent.As redes Bayesianas tem-se tornado cada vez mais importantes no domínio das ciências naturais e sociais, na medida em que permitem inferir relações de causalidade entre variáveis e aprender através de conjuntos incompletos de dados. Trata-se de uma representação compacta de distribuição de probabilidade conjunta feita sobre um grafo que representa dependências entre variáveis. Num contexto clássico, inferência sobre estas estruturas é visto como um problema de complexidade NP destacando-se como uma das classes de algoritmos a explorar num enquadramento quântico. Esta dissertação explora este domínio de investigação e insere as redes Bayesianas num processo de tomada de decisão. Neste sentido, foram feitas várias tentativas para se encontrarem novas e melhores formas de lidar com estes processos. Numa primeira tentativa, considerou-se que o dispositivo quântico executava um subprocesso do processo de tomada de decisão, resultando numa aceleração quadrática do mesmo. Posteriormente, foram consideradas decision networks que permitiram uma implementação totalmente quântica de um processo de tomada de decisão. Através desta implementação foi possível obter uma aceleração quadrática durante todo o processo. Por fim, foi encontrada uma solução viável. Difere das já existentes pelo uso criterioso da função de utilidade num estado emaranhado. Este algoritmo explora a estrutura dos dados de entrada para calcular de forma eficaz uma solução. Além disso, para cada um dos algoritmos desenvolvidos, foi determinada a respetiva complexidade computacional de modo a que fossem conhecidas todas as informações necessárias para escolher o algoritmo mais eficiente para um determinado problema de decisão. Foi desenvolvida uma implementação inicial no Qiskit (um software que permite o desenvolvimento de programas baseados em Python para as máquinas IBM Q) como prova de conceito. Se o Qiskit ofereceu uma plataforma de simulação para o algoritmo considerado nesta dissertação, os string diagrams forneceram a estrutura de verificação para propriedades algorítmicas. Além disso, estes diagramas foram estudados com a intenção de se obter provas formais sobre os algoritmos desenvolvidos. Esta estrutura forneceu exemplos relevantes e a prova de que duas implementações diferentes para o mesmo algoritmo são equivalentes.Barbosa, L. S.Universidade do MinhoOliveira, Michael de2019-12-032019-12-03T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://hdl.handle.net/1822/80747eng203025008info:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-07-21T12:25:23Zoai:repositorium.sdum.uminho.pt:1822/80747Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T19:19:36.704859Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv On quantum bayesian networks
title On quantum bayesian networks
spellingShingle On quantum bayesian networks
Oliveira, Michael de
Engenharia e Tecnologia::Outras Engenharias e Tecnologias
title_short On quantum bayesian networks
title_full On quantum bayesian networks
title_fullStr On quantum bayesian networks
title_full_unstemmed On quantum bayesian networks
title_sort On quantum bayesian networks
author Oliveira, Michael de
author_facet Oliveira, Michael de
author_role author
dc.contributor.none.fl_str_mv Barbosa, L. S.
Universidade do Minho
dc.contributor.author.fl_str_mv Oliveira, Michael de
dc.subject.por.fl_str_mv Engenharia e Tecnologia::Outras Engenharias e Tecnologias
topic Engenharia e Tecnologia::Outras Engenharias e Tecnologias
description Dissertação de mestrado em Computer Science
publishDate 2019
dc.date.none.fl_str_mv 2019-12-03
2019-12-03T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1822/80747
url https://hdl.handle.net/1822/80747
dc.language.iso.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv 203025008
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799132656047226880

Registros relacionados