Projeto de um compilador quântico baseado em técnicas de aprendizado profundo

Detalhes bibliográficos
Autor(a) principal: Tessaro, Iron Lukas da Paz
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFPR
Texto Completo: https://hdl.handle.net/1884/66150
Resumo: Orientador: Prof. Leandro dos Santos Coelho
id UFPR_e84c6233a1ca3b82e59528ec713f7cd8
oai_identifier_str oai:acervodigital.ufpr.br:1884/66150
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Tessaro, Iron Lukas da PazUniversidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Engenharia ElétricaCoelho, Leandro dos Santos, 1968-2021-05-26T21:07:38Z2021-05-26T21:07:38Z2019https://hdl.handle.net/1884/66150Orientador: Prof. Leandro dos Santos CoelhoDissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Engenharia Elétrica. Defesa : Curitiba, 26/11/2019Inclui referências: p. 118-122Área de concentração: Sistemas EletrônicosResumo: O computador quântico é um dispositivo que realiza cálculos por meio de propriedades da mecânica quântica, tais como a sobreposição e o entrelaçamento quântico, sendo uma tecnologia promissora na solução de problemas que hoje são inviáveis para os computadores clássicos, tais como a simulação dos estados quânticos de moléculas complexas, a criptografia quântica e a otimização por busca exaustiva de sistemas com centenas de variáveis. Entretanto, o modo peculiar com que a informação é processada e armazenada nos computadores quânticos abre um novo campo de estudos sobre como otimizar a implementação de algoritmos nesses dispositivos para explorar todo o potencial que essa tecnologia pode fornecer. Na concepção de computadores quânticos, assim como nos computadores clássicos, encontra-se a compilação de algoritmos. Por não possuir uma forma determinística de se definir o conjunto de instruções mais eficiente possível que representa um algoritmo em um dado computador quântico, a Compilação quântica é um problema que ainda não possui solução definitiva, sendo um dos focos de pesquisas na área de Computação Quântica. Dado que a compilação quântica pode ser modelada como um problema de busca por um conjunto de portas quânticas que minimize o erro entre o resultado desejado e o resultado da busca desse conjunto, o Aprendizado Profundo foi o grupo de técnicas escolhido para abordar esse problema. Neste contexto, o objetivo dessa dissertação é projetar um compilador quântico utilizando três abordagens de Aprendizado Profundo: rede neural perceptron multicamada profunda, rede neural convolucional e rede "Q" profunda, pelos quais o compilador aprenda as regras de como transformar um algoritmo em instruções de um computador quântico específico. Como resultado deste trabalho, obteve-se um modelo de rede "Q" profunda capaz de compilar algoritmos quânticos que podem ser validados no computador quântico IBM-Q 5 Tenerife por meio de algoritmos de teste, utilizando a métrica de comparação da diferença entre o número de operações quânticas utilizadas pelo compilador quântico desenvolvido e os circuitos ideais que representam esses algoritmos. Demonstra-se, ao final, que técnicas de aprendizado profundo podem ser aplicadas para a solução do problema da compilação quântica, por meio de testes de acurácia. Palavras-chave: Compilação quântica; Computador quântico; Aprendizado de Máquina; Aprendizado Profundo.Abstract: The quantum computer is device that performs calculations by using properties of quantum mechanics such as superposition and quantum entanglement and is a promising technology for solving problems that are currently infeasible to be solved by classical computers, such as the simulation of quantum states of complex molecules, quantum cryptography and the brute-force search optimization of system with hundreds of variables. However, the unique way in which information is processed and stored in quantum computers opens up a new field of studies on how to optimize the implementation of algorithm on these devices in order to exploit the full potential that this technology can provide. In the conception of quantum computers, just like in classical computers, lies the compilation of algorithms. Because there is not a deterministic form of defining the most efficient set of instructions that represents an algorithm in a given quantum computer, the Quantum compilation is a problem that does not yet have a definitive solution, being one of the focuses of research in the area of Quantum computing. Since Quantum compilation can be modeled as a problem of searching a set of quantum gates that minimizes the error between a target result and the searching result, Deep learning was the set of techniques chosen to approach this problem. In this context, the goal of this dissertation is to design a quantum compiler by using three deep learning approaches: deep multilayer perceptron neural network, convolutional neural network and deep Q-network, whereby the compiler learns the rules of how to transform an algorithm into instructions for a specific quantum computer. As outcome of this work a trained deep Q-Network model which is able to compile quantum algorithms that can be validated on the IBM-Q 5 Tenerife quantum computer via classic test, by using the metric of comparing the difference between the number of quantum operations used by the developed quantum compiler and the number of quantum operations used in the ideal circuits that represent those algorithms. In the end, it is demonstrated that deep learning techniques can be applied to solve the quantum compilation problem by means of accuracy. Key-words: Quantum compiling; Quantum computing; Machine learning; Deep learning.122 p. : il. (algumas color.).application/pdfComputadores quânticosComputação quânticaAprendizado do computadorRedes neurais (Computação)Engenharia ElétricaProjeto de um compilador quântico baseado em técnicas de aprendizado profundoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D - IRON LUKAS DA PAZ TESSARO.pdfapplication/pdf4541905https://acervodigital.ufpr.br/bitstream/1884/66150/1/R%20-%20D%20-%20IRON%20LUKAS%20DA%20PAZ%20TESSARO.pdf1434dbf623a3b58111233e9432885747MD51open access1884/661502021-05-26 18:07:38.668open accessoai:acervodigital.ufpr.br:1884/66150Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082021-05-26T21:07:38Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Projeto de um compilador quântico baseado em técnicas de aprendizado profundo
title Projeto de um compilador quântico baseado em técnicas de aprendizado profundo
spellingShingle Projeto de um compilador quântico baseado em técnicas de aprendizado profundo
Tessaro, Iron Lukas da Paz
Computadores quânticos
Computação quântica
Aprendizado do computador
Redes neurais (Computação)
Engenharia Elétrica
title_short Projeto de um compilador quântico baseado em técnicas de aprendizado profundo
title_full Projeto de um compilador quântico baseado em técnicas de aprendizado profundo
title_fullStr Projeto de um compilador quântico baseado em técnicas de aprendizado profundo
title_full_unstemmed Projeto de um compilador quântico baseado em técnicas de aprendizado profundo
title_sort Projeto de um compilador quântico baseado em técnicas de aprendizado profundo
author Tessaro, Iron Lukas da Paz
author_facet Tessaro, Iron Lukas da Paz
author_role author
dc.contributor.other.pt_BR.fl_str_mv Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Engenharia Elétrica
dc.contributor.author.fl_str_mv Tessaro, Iron Lukas da Paz
dc.contributor.advisor1.fl_str_mv Coelho, Leandro dos Santos, 1968-
contributor_str_mv Coelho, Leandro dos Santos, 1968-
dc.subject.por.fl_str_mv Computadores quânticos
Computação quântica
Aprendizado do computador
Redes neurais (Computação)
Engenharia Elétrica
topic Computadores quânticos
Computação quântica
Aprendizado do computador
Redes neurais (Computação)
Engenharia Elétrica
description Orientador: Prof. Leandro dos Santos Coelho
publishDate 2019
dc.date.issued.fl_str_mv 2019
dc.date.accessioned.fl_str_mv 2021-05-26T21:07:38Z
dc.date.available.fl_str_mv 2021-05-26T21:07:38Z
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/1884/66150
url https://hdl.handle.net/1884/66150
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 122 p. : il. (algumas color.).
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/66150/1/R%20-%20D%20-%20IRON%20LUKAS%20DA%20PAZ%20TESSARO.pdf
bitstream.checksum.fl_str_mv 1434dbf623a3b58111233e9432885747
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv
_version_ 1813898880811532288

Registros relacionados