Podsumowanie
Uczenie się obiektów kwantowych Sieci Kohonena
Zastosowanie ML do kwantów
Wprowadzenie Zastosowanie kwantów do ML Zastosowanie ML do kwantów Podsumowanie
Uczenie się obiektów kwantowych Sieci Kohonena
Zastosowanie ML do kwantów
W tym wypadku celem jest wykorzystanie automatyzacji do odkrywania wzorców w danych (eksperymentalnych).
W jednym z podejść dane są uzyskiwane z systemu kwantowego a następnie są przetwarzane algorytmem klasycznym.
Inne podejście to wykorzystanie danych z eksperymentów do dopasowania parametrów modelu.
Wprowadzenie Zastosowanie kwantów do ML Zastosowanie ML do kwantów Podsumowanie
Uczenie się obiektów kwantowych Sieci Kohonena
Zastosowanie ML do kwantów
W tym wypadku celem jest wykorzystanie automatyzacji do odkrywania wzorców w danych (eksperymentalnych).
W jednym z podejść dane są uzyskiwane z systemu kwantowego a następnie są przetwarzane algorytmem klasycznym.
Inne podejście to wykorzystanie danych z eksperymentów do dopasowania parametrów modelu.
Wprowadzenie Zastosowanie kwantów do ML Zastosowanie ML do kwantów Podsumowanie
Uczenie się obiektów kwantowych Sieci Kohonena
Zastosowanie ML do kwantów
W tym wypadku celem jest wykorzystanie automatyzacji do odkrywania wzorców w danych (eksperymentalnych).
W jednym z podejść dane są uzyskiwane z systemu kwantowego a następnie są przetwarzane algorytmem klasycznym.
Inne podejście to wykorzystanie danych z eksperymentów do dopasowania parametrów modelu.
Wprowadzenie Zastosowanie kwantów do ML Zastosowanie ML do kwantów Podsumowanie
Uczenie się obiektów kwantowych Sieci Kohonena
Zastosowanie ML do kwantów
Skoro uczenia maszynowe może służyć do odkrywania struktury danych, to można je również zastosować do odkrywania struktury w danych fizycznych.
Uczenie nadzorowanie – klasyfikacja ciekawych stanów (tzw. stanów splątanych) lub zadanie regresji dla ich własności. Uczenie nienadzorowanie – Badanie rozmieszczenie ciekawych stanów na zasadzie redukcji wymiarów.
Uczenie ze wzmocnieniem – Budowanie obwodów kwantowych z jak najmniejszą liczbą bramek.
Wprowadzenie Zastosowanie kwantów do ML Zastosowanie ML do kwantów Podsumowanie
Uczenie się obiektów kwantowych Sieci Kohonena
Zastosowanie ML do kwantów
Skoro uczenia maszynowe może służyć do odkrywania struktury danych, to można je również zastosować do odkrywania struktury w danych fizycznych.
Uczenie nadzorowanie – klasyfikacja ciekawych stanów (tzw.
stanów splątanych) lub zadanie regresji dla ich własności.
Uczenie nienadzorowanie – Badanie rozmieszczenie ciekawych stanów na zasadzie redukcji wymiarów.
Uczenie ze wzmocnieniem – Budowanie obwodów kwantowych z jak najmniejszą liczbą bramek.
Wprowadzenie Zastosowanie kwantów do ML Zastosowanie ML do kwantów Podsumowanie
Uczenie się obiektów kwantowych Sieci Kohonena
Zastosowanie ML do kwantów
Skoro uczenia maszynowe może służyć do odkrywania struktury danych, to można je również zastosować do odkrywania struktury w danych fizycznych.
Uczenie nadzorowanie – klasyfikacja ciekawych stanów (tzw.
stanów splątanych) lub zadanie regresji dla ich własności.
Uczenie nienadzorowanie – Badanie rozmieszczenie ciekawych stanów na zasadzie redukcji wymiarów.
Uczenie ze wzmocnieniem – Budowanie obwodów kwantowych z jak najmniejszą liczbą bramek.
Wprowadzenie Zastosowanie kwantów do ML Zastosowanie ML do kwantów Podsumowanie
Uczenie się obiektów kwantowych Sieci Kohonena
Zastosowanie ML do kwantów
Skoro uczenia maszynowe może służyć do odkrywania struktury danych, to można je również zastosować do odkrywania struktury w danych fizycznych.
Uczenie nadzorowanie – klasyfikacja ciekawych stanów (tzw.
stanów splątanych) lub zadanie regresji dla ich własności.
Uczenie nienadzorowanie – Badanie rozmieszczenie ciekawych stanów na zasadzie redukcji wymiarów.
Uczenie ze wzmocnieniem – Budowanie obwodów kwantowych z jak najmniejszą liczbą bramek.
Wprowadzenie Zastosowanie kwantów do ML Zastosowanie ML do kwantów Podsumowanie
Uczenie się obiektów kwantowych Sieci Kohonena
Zastosowanie ML do kwantów
Uczenie się obiektów kwantowych
Niektóre własności stanów kwantowych są trudne do stwierdzenia lub wyliczenia.
Wykorzystanie ML uożliwia ich określenie lub policzenie. Za: C.B.D. Goes et al., Automated machine learning can classify bound entangled states with tomograms, Quantum Inf Process 20, 99 (2021).
Wprowadzenie Zastosowanie kwantów do ML Zastosowanie ML do kwantów Podsumowanie
Uczenie się obiektów kwantowych Sieci Kohonena
Zastosowanie ML do kwantów
Uczenie się obiektów kwantowych
Niektóre własności stanów kwantowych są trudne do stwierdzenia lub wyliczenia.
Wykorzystanie ML uożliwia ich określenie lub policzenie. Za: C.B.D. Goes et al., Automated machine learning can classify bound entangled states with tomograms, Quantum Inf Process 20, 99 (2021).
Wprowadzenie Zastosowanie kwantów do ML Zastosowanie ML do kwantów Podsumowanie
Uczenie się obiektów kwantowych Sieci Kohonena
Zastosowanie ML do kwantów
Uczenie się obiektów kwantowych
Niektóre własności stanów kwantowych są trudne do stwierdzenia lub wyliczenia.
Wykorzystanie ML uożliwia ich określenie lub policzenie.
Za: C.B.D. Goes et al., Automated machine learning can classify bound entangled states with tomograms, Quantum Inf Process 20, 99 (2021).
Wprowadzenie Zastosowanie kwantów do ML Zastosowanie ML do kwantów Podsumowanie
Uczenie się obiektów kwantowych Sieci Kohonena
Zastosowanie ML do kwantów
Uczenie się obiektów kwantowych
Niektóre własności stanów kwantowych są trudne do stwierdzenia lub wyliczenia.
Wykorzystanie ML uożliwia ich określenie lub policzenie.
Za: C.B.D. Goes et al., Automated machine learning can classify bound entangled states with tomograms, Quantum Inf Process 20, 99 (2021).
Wprowadzenie Zastosowanie kwantów do ML Zastosowanie ML do kwantów Podsumowanie
Uczenie się obiektów kwantowych Sieci Kohonena
Zastosowanie ML do kwantów
Sieci Kohonena
Geometria stanów kwantowych
Przestrzeń stanów kwantowych jest duża.
Żeby się w niej poruszać wygodnie jest mieć odwzorowanie które działa na zasadzie redukcji wymiarowości.
Przykładem są sieci Kohonena zastosowane do wyników pomiarów albo sieci Kohonena zdefiniowane poprzez procesy kwantowe.
Wprowadzenie Zastosowanie kwantów do ML Zastosowanie ML do kwantów Podsumowanie
Uczenie się obiektów kwantowych Sieci Kohonena
Zastosowanie ML do kwantów
Sieci Kohonena
Geometria stanów kwantowych
Przestrzeń stanów kwantowych jest duża.
Żeby się w niej poruszać wygodnie jest mieć odwzorowanie które działa na zasadzie redukcji wymiarowości.
Przykładem są sieci Kohonena zastosowane do wyników pomiarów albo sieci Kohonena zdefiniowane poprzez procesy kwantowe.
Wprowadzenie Zastosowanie kwantów do ML Zastosowanie ML do kwantów Podsumowanie
Uczenie się obiektów kwantowych Sieci Kohonena
Zastosowanie ML do kwantów
Sieci Kohonena
Geometria stanów kwantowych
Przestrzeń stanów kwantowych jest duża.
Żeby się w niej poruszać wygodnie jest mieć odwzorowanie które działa na zasadzie redukcji wymiarowości.
Przykładem są sieci Kohonena zastosowane do wyników pomiarów albo sieci Kohonena zdefiniowane poprzez procesy kwantowe.
Wprowadzenie Zastosowanie kwantów do ML Zastosowanie ML do kwantów Podsumowanie
Uczenie się obiektów kwantowych Sieci Kohonena
Zastosowanie ML do kwantów
Sieci Kohonena
Geometria stanów kwantowych
Przestrzeń stanów kwantowych jest duża.
Żeby się w niej poruszać wygodnie jest mieć odwzorowanie które działa na zasadzie redukcji wymiarowości.
Przykładem są sieci Kohonena zastosowane do wyników pomiarów albo sieci Kohonena zdefiniowane poprzez procesy kwantowe.
Wprowadzenie Zastosowanie kwantów do ML Zastosowanie ML do kwantów Podsumowanie
Uczenie się obiektów kwantowych Sieci Kohonena
Zastosowanie ML do kwantów
Sieci Kohonena
0 5 10 15
Samoorganizacja się stanów kwantowych.
Wprowadzenie Zastosowanie kwantów do ML Zastosowanie ML do kwantów Podsumowanie
Uczenie się obiektów kwantowych Sieci Kohonena
Zastosowanie ML do kwantów
Sieci Kohonena
0 5 10 15
Samoorganizacja się stanów kwantowych.
Wprowadzenie Zastosowanie kwantów do ML Zastosowanie ML do kwantów Podsumowanie
Uczenie się obiektów kwantowych Sieci Kohonena
Zastosowanie ML do kwantów
Sieci Kohonena
0 5 10 15
Samoorganizacja się stanów kwantowych.
Wprowadzenie Zastosowanie kwantów do ML Zastosowanie ML do kwantów Podsumowanie
Uczenie się obiektów kwantowych Sieci Kohonena
Zastosowanie ML do kwantów
Sieci Kohonena
0 5 10 15
Samoorganizacja się stanów kwantowych.
Wprowadzenie Zastosowanie kwantów do ML Zastosowanie ML do kwantów Podsumowanie
Perspektywy Materiały dodatkowe Walcz o SuperPozycję
Podsumowanie
Wprowadzenie Zastosowanie kwantów do ML Zastosowanie ML do kwantów Podsumowanie
Perspektywy Materiały dodatkowe Walcz o SuperPozycję
Podsumowanie
Kwantowa teoria obliczeń daje szanse na uzyskanie poprawy złożoności niektórych ważnych problemów (np. faktoryzacji).
Ale znalezienie konkretnych zastosowań jest trudne.
Uczenie maszynowe wsparte komputerami kwantowymi jest atrakcyjnym zastosowanie.
Uczenie maszynowe daje możliwość znajdowania wzorców w danych.
Zastosowanie ML do układów kwantowych daje szanse na ich lepsze zrozumienie, a to może prowadzić do kolejnych
zastosowań.
Wprowadzenie Zastosowanie kwantów do ML Zastosowanie ML do kwantów Podsumowanie
Perspektywy Materiały dodatkowe Walcz o SuperPozycję
Podsumowanie
Kwantowa teoria obliczeń daje szanse na uzyskanie poprawy złożoności niektórych ważnych problemów (np. faktoryzacji).
Ale znalezienie konkretnych zastosowań jest trudne.
Uczenie maszynowe wsparte komputerami kwantowymi jest atrakcyjnym zastosowanie.
Uczenie maszynowe daje możliwość znajdowania wzorców w danych.
Zastosowanie ML do układów kwantowych daje szanse na ich lepsze zrozumienie, a to może prowadzić do kolejnych
zastosowań.
Wprowadzenie Zastosowanie kwantów do ML Zastosowanie ML do kwantów Podsumowanie
Perspektywy Materiały dodatkowe Walcz o SuperPozycję
Podsumowanie
Kwantowa teoria obliczeń daje szanse na uzyskanie poprawy złożoności niektórych ważnych problemów (np. faktoryzacji).
Ale znalezienie konkretnych zastosowań jest trudne.
Uczenie maszynowe wsparte komputerami kwantowymi jest atrakcyjnym zastosowanie.
Uczenie maszynowe daje możliwość znajdowania wzorców w danych.
Zastosowanie ML do układów kwantowych daje szanse na ich lepsze zrozumienie, a to może prowadzić do kolejnych
zastosowań.
Wprowadzenie Zastosowanie kwantów do ML Zastosowanie ML do kwantów Podsumowanie
Perspektywy Materiały dodatkowe Walcz o SuperPozycję
Podsumowanie
Kwantowa teoria obliczeń daje szanse na uzyskanie poprawy złożoności niektórych ważnych problemów (np. faktoryzacji).
Ale znalezienie konkretnych zastosowań jest trudne.
Uczenie maszynowe wsparte komputerami kwantowymi jest atrakcyjnym zastosowanie.
Uczenie maszynowe daje możliwość znajdowania wzorców w danych.
Zastosowanie ML do układów kwantowych daje szanse na ich lepsze zrozumienie, a to może prowadzić do kolejnych
zastosowań.
Wprowadzenie Zastosowanie kwantów do ML Zastosowanie ML do kwantów Podsumowanie
Perspektywy Materiały dodatkowe Walcz o SuperPozycję
Podsumowanie
Kwantowa teoria obliczeń daje szanse na uzyskanie poprawy złożoności niektórych ważnych problemów (np. faktoryzacji).
Ale znalezienie konkretnych zastosowań jest trudne.
Uczenie maszynowe wsparte komputerami kwantowymi jest atrakcyjnym zastosowanie.
Uczenie maszynowe daje możliwość znajdowania wzorców w danych.
Zastosowanie ML do układów kwantowych daje szanse na ich lepsze zrozumienie, a to może prowadzić do kolejnych
zastosowań.
Wprowadzenie Zastosowanie kwantów do ML Zastosowanie ML do kwantów Podsumowanie
Perspektywy Materiały dodatkowe Walcz o SuperPozycję
Podsumowanie
Wprowadzenie Zastosowanie kwantów do ML Zastosowanie ML do kwantów Podsumowanie
Perspektywy Materiały dodatkowe Walcz o SuperPozycję
Podsumowanie
Wprowadzenie Zastosowanie kwantów do ML Zastosowanie ML do kwantów Podsumowanie
Perspektywy Materiały dodatkowe Walcz o SuperPozycję
Podsumowanie
Miscrosoft Azure: What is quantum computing?, https://azure.
microsoft.com/en-us/overview/what-is-quantum-computing/
S. Arronson, What Makes Quantum Computing So Hard to Explain?
TensorFlow Quantum, https://www.tensorflow.org/quantum J. Biamonte, P. Wittek, N. Pancotti, P. Rebentrost, N. Wiebe, S.
Lloyd, Quantum Machine Learning, arXiv:1611.09347
V. Dunjko, H.J. Briegel, Machine learning & artificial intelligence in the quantum domain, arXiv:1709.02779
G. Carleo, I. Cirac, K. Cranmer, L. Daudet, M. Schuld, N. Tishby, L.
Vogt-Maranto, L. Zdeborov´a, Machine learning and the physical sciences, arXiv:1903.10563
Wprowadzenie Zastosowanie kwantów do ML Zastosowanie ML do kwantów Podsumowanie
Perspektywy Materiały dodatkowe Walcz o SuperPozycję
https://walczosuperpozycje.pl/
Wprowadzenie Zastosowanie kwantów do ML Zastosowanie ML do kwantów Podsumowanie
Perspektywy Materiały dodatkowe Walcz o SuperPozycję
Koniec.