Modelo híbrido de método kernel para computadores quânticos
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Outros Autores: | |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Revista Brasileira de Física Tecnológica Aplicada |
Texto Completo: | https://periodicos.utfpr.edu.br/rbfta/article/view/14100 |
Resumo: | Reconhecendo que a área de aprendizado de máquina quântica é um caminho promissor para oferecer uma revolução nos métodos inteligentes de processamento de dados, propõe-se um método de aprendizado híbrido baseado nos métodos de kernel clássicos. Esta proposta também exige que um algoritmo quântico seja desenvolvido para o cálculo de produto interno entre vetores sobre valores contínuos. Para isso ser possível, foi preciso realizar adaptações no método kernel clássico, visto que é necessário considerar as limitações impostas pelo espaço de Hilbert do processador quântico. Como um caso de teste, foi verificada a capacidade do algoritmo de aprender a classificar se novos pontos gerados aleatoriamente, em um quadrado finito localizado sob um plano, se encontravam dentro ou fora de um círculo localizado no interior deste quadrado. Verificou-se que o algoritmo foi capaz de detectar corretamente novos pontos em 99% dos casos testados, com uma pequena diferença devido a considerar o raio levemente maior do que o idealizado. O método kernel se mostrou capaz de realizar classificações corretamente, assim como o algoritmo do produto interno efetuou satisfatoriamente os cálculos de produto interno utilizando recursos quânticos. Assim, o presente trabalho representa uma contribuição para a área propondo um novo modelo de aprendizado de máquina acessível tanto a físicos quanto a cientistas da computação. |
id |
UTFPR-2_6e45e2356b1fee7a8a9f26a37b3f419c |
---|---|
oai_identifier_str |
oai:periodicos.utfpr:article/14100 |
network_acronym_str |
UTFPR-2 |
network_name_str |
Revista Brasileira de Física Tecnológica Aplicada |
repository_id_str |
|
spelling |
Modelo híbrido de método kernel para computadores quânticosCiências Exatas e da Terra , Física, Física GeralComputação Quântica; Método Kernel; Mecânica Quântica.Reconhecendo que a área de aprendizado de máquina quântica é um caminho promissor para oferecer uma revolução nos métodos inteligentes de processamento de dados, propõe-se um método de aprendizado híbrido baseado nos métodos de kernel clássicos. Esta proposta também exige que um algoritmo quântico seja desenvolvido para o cálculo de produto interno entre vetores sobre valores contínuos. Para isso ser possível, foi preciso realizar adaptações no método kernel clássico, visto que é necessário considerar as limitações impostas pelo espaço de Hilbert do processador quântico. Como um caso de teste, foi verificada a capacidade do algoritmo de aprender a classificar se novos pontos gerados aleatoriamente, em um quadrado finito localizado sob um plano, se encontravam dentro ou fora de um círculo localizado no interior deste quadrado. Verificou-se que o algoritmo foi capaz de detectar corretamente novos pontos em 99% dos casos testados, com uma pequena diferença devido a considerar o raio levemente maior do que o idealizado. O método kernel se mostrou capaz de realizar classificações corretamente, assim como o algoritmo do produto interno efetuou satisfatoriamente os cálculos de produto interno utilizando recursos quânticos. Assim, o presente trabalho representa uma contribuição para a área propondo um novo modelo de aprendizado de máquina acessível tanto a físicos quanto a cientistas da computação.Universidade Tecnológica Federal do Paraná (UTFPR)Conselho Nacional de Desenvolvimento Científico e TecnológicoSilveira de Borba, JhordanMaziero, Jonas2022-07-07info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://periodicos.utfpr.edu.br/rbfta/article/view/1410010.3895/rbfta.v9n1.14100Revista Brasileira de Física Tecnológica Aplicada; v. 9, n. 1 (2022)2358-008910.3895/rbfta.v9n1reponame:Revista Brasileira de Física Tecnológica Aplicadainstname:Universidade Tecnológica Federal do Paraná (UTFPR)instacron:UTFPRporhttps://periodicos.utfpr.edu.br/rbfta/article/view/14100/8929Direitos autorais 2022 CC-BYhttp://creativecommons.org/licenses/by/4.0info:eu-repo/semantics/openAccess2022-07-07T13:57:46Zoai:periodicos.utfpr:article/14100Revistahttps://periodicos.utfpr.edu.br/rbftaPUBhttps://periodicos.utfpr.edu.br/rbfta/oai||rbfta-pg@utfpr.edu.br2358-00892358-0089opendoar:2022-07-07T13:57:46Revista Brasileira de Física Tecnológica Aplicada - Universidade Tecnológica Federal do Paraná (UTFPR)false |
dc.title.none.fl_str_mv |
Modelo híbrido de método kernel para computadores quânticos |
title |
Modelo híbrido de método kernel para computadores quânticos |
spellingShingle |
Modelo híbrido de método kernel para computadores quânticos Silveira de Borba, Jhordan Ciências Exatas e da Terra , Física, Física Geral Computação Quântica; Método Kernel; Mecânica Quântica. |
title_short |
Modelo híbrido de método kernel para computadores quânticos |
title_full |
Modelo híbrido de método kernel para computadores quânticos |
title_fullStr |
Modelo híbrido de método kernel para computadores quânticos |
title_full_unstemmed |
Modelo híbrido de método kernel para computadores quânticos |
title_sort |
Modelo híbrido de método kernel para computadores quânticos |
author |
Silveira de Borba, Jhordan |
author_facet |
Silveira de Borba, Jhordan Maziero, Jonas |
author_role |
author |
author2 |
Maziero, Jonas |
author2_role |
author |
dc.contributor.none.fl_str_mv |
Conselho Nacional de Desenvolvimento Científico e Tecnológico |
dc.contributor.author.fl_str_mv |
Silveira de Borba, Jhordan Maziero, Jonas |
dc.subject.por.fl_str_mv |
Ciências Exatas e da Terra , Física, Física Geral Computação Quântica; Método Kernel; Mecânica Quântica. |
topic |
Ciências Exatas e da Terra , Física, Física Geral Computação Quântica; Método Kernel; Mecânica Quântica. |
description |
Reconhecendo que a área de aprendizado de máquina quântica é um caminho promissor para oferecer uma revolução nos métodos inteligentes de processamento de dados, propõe-se um método de aprendizado híbrido baseado nos métodos de kernel clássicos. Esta proposta também exige que um algoritmo quântico seja desenvolvido para o cálculo de produto interno entre vetores sobre valores contínuos. Para isso ser possível, foi preciso realizar adaptações no método kernel clássico, visto que é necessário considerar as limitações impostas pelo espaço de Hilbert do processador quântico. Como um caso de teste, foi verificada a capacidade do algoritmo de aprender a classificar se novos pontos gerados aleatoriamente, em um quadrado finito localizado sob um plano, se encontravam dentro ou fora de um círculo localizado no interior deste quadrado. Verificou-se que o algoritmo foi capaz de detectar corretamente novos pontos em 99% dos casos testados, com uma pequena diferença devido a considerar o raio levemente maior do que o idealizado. O método kernel se mostrou capaz de realizar classificações corretamente, assim como o algoritmo do produto interno efetuou satisfatoriamente os cálculos de produto interno utilizando recursos quânticos. Assim, o presente trabalho representa uma contribuição para a área propondo um novo modelo de aprendizado de máquina acessível tanto a físicos quanto a cientistas da computação. |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-07-07 |
dc.type.none.fl_str_mv |
|
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://periodicos.utfpr.edu.br/rbfta/article/view/14100 10.3895/rbfta.v9n1.14100 |
url |
https://periodicos.utfpr.edu.br/rbfta/article/view/14100 |
identifier_str_mv |
10.3895/rbfta.v9n1.14100 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
https://periodicos.utfpr.edu.br/rbfta/article/view/14100/8929 |
dc.rights.driver.fl_str_mv |
Direitos autorais 2022 CC-BY http://creativecommons.org/licenses/by/4.0 info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Direitos autorais 2022 CC-BY http://creativecommons.org/licenses/by/4.0 |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná (UTFPR) |
publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná (UTFPR) |
dc.source.none.fl_str_mv |
Revista Brasileira de Física Tecnológica Aplicada; v. 9, n. 1 (2022) 2358-0089 10.3895/rbfta.v9n1 reponame:Revista Brasileira de Física Tecnológica Aplicada instname:Universidade Tecnológica Federal do Paraná (UTFPR) instacron:UTFPR |
instname_str |
Universidade Tecnológica Federal do Paraná (UTFPR) |
instacron_str |
UTFPR |
institution |
UTFPR |
reponame_str |
Revista Brasileira de Física Tecnológica Aplicada |
collection |
Revista Brasileira de Física Tecnológica Aplicada |
repository.name.fl_str_mv |
Revista Brasileira de Física Tecnológica Aplicada - Universidade Tecnológica Federal do Paraná (UTFPR) |
repository.mail.fl_str_mv |
||rbfta-pg@utfpr.edu.br |
_version_ |
1811722803700826113 |