Hola, póster original aquí. Encontré un artículo bastante interesante sobre esto. Según la introducción, se han establecido muchas bases para implementar el aprendizaje automático en computadoras cuánticas adiabáticas . Esto tiene sentido porque el modelo adiabático es muy adecuado para diversos problemas de optimización. El resumen se publica a continuación.
Desarrollamos un enfoque para el aprendizaje automático y la detección de anomalías a través de la evolución adiabática cuántica. En la fase de entrenamiento identificamos un conjunto óptimo de clasificadores débiles, para formar un solo clasificador fuerte. En la fase de prueba, evolucionamos adiabáticamente uno o más clasificadores fuertes en una superposición de entradas
para encontrar ciertos elementos anómalos en el espacio de clasificación. Tanto las fases de entrenamiento como de prueba se ejecutan a través de la evolución adiabática cuántica. Aplicamos e ilustramos este enfoque en detalle al problema de la verificación y validación de software.
Y el enlace: http://arxiv.org/abs/1109.0325
- ¿Cuáles son algunos temas de investigación en automatización de IoT e IA?
- ¿Qué pasaría si una IA fuerte estuviera disponible con una licencia de código abierto?
- ¿Cómo afectará la IA a la economía?
- ¿Cuándo comenzaste con la inteligencia artificial y el aprendizaje automático?
- ¿Cuán importante ha sido la neurociencia para avanzar en el estado del aprendizaje automático / aprendizaje profundo?
