[1701.06806] Una encuesta de la teoría del aprendizaje cuántico lee directamente sobre la pregunta, sin embargo, su nivel matemático es un poco más que casual.
Este artículo analiza la teoría del aprendizaje cuántico: los aspectos teóricos del aprendizaje automático utilizando computadoras cuánticas. Describimos los principales resultados conocidos para tres modelos de aprendizaje: aprendizaje exacto a partir de consultas de membresía y aprendizaje probablemente aproximado correcto (PAC) y agnóstico a partir de ejemplos clásicos o cuánticos.
Relevante para la cuestión de la complejidad del tiempo:
- ¿La interpretación de Copenhague de la mecánica cuántica se interpone en el camino del progreso continuo en la física cuántica?
- ¿Qué consejo tiene para alguien que trabaja en sistemas distribuidos pero quiere cambiar a la computación cuántica?
- ¿Es posible que la razón por la que no recibamos ninguna señal de otras formas de vida es porque se dieron cuenta de que es más fácil simular el universo que explorarlo realmente?
- ¿En qué son buenas las computadoras cuánticas?
- ¿Cómo se ha convertido la Universidad de Ciencia y Tecnología en Hefei en un líder mundial en comunicaciones cuánticas e investigación por radar?
Existen clases de conceptos que pueden aprenderse súper polinomialmente más rápido por computadoras cuánticas que por computadoras clásicas, por ejemplo, basadas en el algoritmo de Shor o Simon. Esto es válido tanto en el modelo de aprendizaje exacto con consultas de membresía como en el modelo de aprendizaje PAC. Si se permiten ejemplos cuánticos uniformes, el DNF y las juntas se pueden aprender de manera mucho más eficiente de lo que sabemos hacer de manera clásica.
Dado el probable ciclo de desarrollo aún más largo para tamaños de palabras de qubit más grandes, puede pasar un tiempo, si no para siempre, antes de que surjan avances que cambien el juego.