Kvanttikoneoppiminen
monitieteinen tutkimusalue kvanttifysiikan ja koneoppimisen risteyskohdassa
Kvanttikoneoppiminen on kvanttialgoritmien yhdistämistä koneoppimisohjelmiin.[3][4][5][6] Yleisimmin termi viittaa kvanttitehostettuun koneoppimiseen, jossa kvanttitietokoneella suoritetaan klassisen datan analysointiin tarkoitettuja koneoppimisalgoritmeja.[7][8][9]
Vaikka koneoppimisalgoritmeja käytetään valtavien tietomäärien laskemiseen, niin kvanttikoneoppiminen eroaa siitä hyödyntämällä kubitteja ja kvanttioperaatioita tai erikoistuneita kvanttijärjestelmiä parantaakseen laskentanopeutta ja algoritmien suorittamaa tietojen tallennusta ohjelmassa.[5] Esimerkkejä tästä ovat klassisen prosessoinnin ja kvanttiprosessoinnin hybridimenetelmät, joissa laskennallisesti vaikeat aliohjelmat ulkoistetaan kvanttitietokoneelle. [10][11][12] Nämä ohjelmat voivat olla luonteeltaan monimutkaisempia ja toteutua nopeammin kvanttitietokoneella.[5] Lisäksi kvanttialgoritmeja voidaan käyttää kvanttitilojen analysointiin klassisen datan sijasta.[13][14]
Kvanttilaskennan lisäksi termi ”kvanttikoneoppiminen” liittyy myös klassisiin koneoppimismenetelmiin, joita sovelletaan kvanttikokeista tuotettuun dataan (ts. kvanttijärjestelmien koneoppiminen), kuten kvanttijärjestelmän faasimuutosten oppimiseen[15][16] tai uusien kvanttikokeiden luomiseen.[17][18][19]
Kvanttikoneoppiminen ulottuu myös tutkimusalaan, joka tutkii metodologisia ja rakenteellisia yhtäläisyyksiä tiettyjen fyysisten järjestelmien ja oppimisjärjestelmien, erityisesti neuroverkkojen välillä. Esimerkiksi jotkut kvanttifysiikan matemaattiset ja numeeriset tekniikat soveltuvat klassiseen syväoppimiseen ja päinvastoin.[20][21][22] Tutkijoiden mielenkiinto kohdistuu abstraktimpiin käsityksiin oppimisteorian suhteesta kvantti-informaatioon, mikä tunnetaan myös nimellä ”kvanttioppimisteoria”.[23][24]
Lähteet muokkaa
- ↑ Aïmeur, Esma et al.: Machine Learning in a Quantum World. (Lamontagne, L. & Marchand, M. (toim.); Lecture Notes in Computer Science) Advances in Artificial Intelligence. Canadian AI, 2006, 4013. vsk, s. 431–442. Springer. ISBN 978-3-540-34628-9. doi:10.1007/11766247_37. Artikkelin verkkoversio. Viitattu 7.4.2024. (englanniksi)
- ↑ Dunjko, Vedran; Taylor, Jacob M.; Briegel, Hans J.: Quantum-Enhanced Machine Learning. Physical Review Letters, 2016, 117. vsk, nro 13, s. 130501. American Physical Society (APS). PubMed:27715099. doi:10.1103/PhysRevLett.117.130501. Bibcode:2016PhRvL.117m0501D. Artikkelin verkkoversio. Viitattu 7.4.2024. (englanniksi)
- ↑ Biamonte, Jacob; Wittek, Peter; Nicola, Pancotti; Rebentrost, Patrick; Wiebe, Nathan; Lloyd, Seth: Quantum machine learning. Nature, 2017, 549. vsk, nro 7671, s. 195-202. doi:10.1038/nature23474. Artikkeli ArXiv-sivustolla (PDF). Viitattu 2.5.2023. (englanniksi)
- ↑ Schuld, Maria & Petruccione, Francesco: Supervised Learning with Quantum Computers. Quantum Science and Technology, 2018. ISBN 978-3-319-96423-2. doi:10.1007/978-3-319-96424-9. (englanniksi)
- ↑ a b c Schuld, Maria; Sinayskiy, Ilya; Petruccione, Francesco: An introduction to quantum machine learning. Contemporary Physics, 2014, 56. vsk, nro 2, s. 172–185. doi:10.1080/00107514.2014.964942. (englanniksi)
- ↑ Wittek, Peter: Quantum Machine Learning: What Quantum Computing Means to Data Mining. Academic Press, 2014. Academic Press. ISBN 978-0-12-800953-6.. (englanniksi)
- ↑ Wiebe, Nathan; Kapoor, Ashish; Svore, Krysta: Quantum Algorithms for Nearest-Neighbor Methods for Supervised and Unsupervised Learning. Quantum Information & Computation, 2014, 15. vsk, nro 3, s. 0318–0358. Artikkeli ArXiv-sivustolla. (englanniksi)
- ↑ Lloyd, Seth; Mohseni, Masoud; Rebentrost, Patrick: Quantum algorithms for supervised and unsupervised machine learning. ArXiv > Quantum Physics (quant-ph), 2013. Artikkeli ArXiv-sivustolla (PDF). Viitattu 2.5.2023. (englanniksi)
- ↑ Yoo, Seokwon; Bang, Jeongho; Lee, Changhyoup; Lee, Jinhyoung: A quantum speedup in machine learning: Finding a N-bit Boolean function for a classification. New Journal of Physics, 2014, 16. vsk, nro 10, s. 103014. (englanniksi)
- ↑ Benedetti, Marcello; Realpe-Gómez, John; Biswas, Rupak; Perdomo-Ortiz, Alejandro: Quantum-Assisted Learning of Hardware-Embedded Probabilistic Graphical Models. Physical Review X, 2017. ArXiv-tunniste: 1609.02542. doi:10.1103/PhysRevX.7.041052. Artikkeli ArXiv-sivustolla. Viitattu 2.5.2023. (englanniksi)
- ↑ Farhi, Edward & Neven, Hartmut: Classification with Quantum Neural Networks on Near Term Processors. ArXiv > Quantum Physics (quant-ph), 2018. ArXiv-tunniste: 1802.06002. Artikkeli ArXiv-sivustolla (PDF). Viitattu 2.5.2023. (englanniksi)
- ↑ Schuld, Maria; Bocharov, Alex; Svore, Krysta; Wiebe, Nathan: Physical Review A. Physical Review A, 2020, 101. vsk, nro 3, s. 032308. doi:10.1103/PhysRevA.101.032308. (englanniksi)
- ↑ Yu, Shang; Albarran-Arriagada, F.; Retamal, J. C.; Wang, Yi-Tao; Liu, Wei; Ke, Zhi-Jin; Meng, Yu; Li, Zhi-Peng; Tang, Jian-Shun: Reconstruction of a Photonic Qubit State with Quantum Reinforcement Learning. Advanced Quantum Technologies, 2018. Wiley. doi:10.1002/qute.201800074. Artikkeli ArXiv-sivustolla. Viitattu 2.5.2023. (englanniksi)
- ↑ Ghosh, Sanjib; Opala, A.; Matuszewski, M.; Paterek, T.; Liew, Timothy C. H.: Quantum reservoir processing. NPJ Quantum Information, 2019, 5. vsk, nro 35. Springer Nature. doi:10.1038/s41534-019-0149-8. Artikkeli ArXiv-sivustolla. Viitattu 2.5.2023. (englanniksi)
- ↑ Broecker, Peter; Assaad, Fakher F.; Trebst, Simon: Quantum phase recognition via unsupervised machine learning. ArXiv > Condensed Matter (cond-mat), 2017. Artikkeli ArXiv-sivustolla (PDF). Viitattu 2.5.2023. (englanniksi)
- ↑ Huembeli, Patrick; Dauphin, Alexandre; Wittek, Peter: Identifying Quantum Phase Transitions with Adversarial Neural Networks. Physical Review B, 2018, 97. vsk, nro 13, s. 134109. Physical Review B. Artikkeli ArXiv-sivustolla (PDF). Viitattu 2.5.2023. (englanniksi)
- ↑ Krenn, Mario: Automated Search for new Quantum Experiments. Physical Review Letters, 2016, 116. vsk, nro 9, s. 090405. doi:10.1103/PhysRevLett.116.090405. Artikkeli ArXiv-sivustolla (PDF). Viitattu 2.5.2023. (englanniksi)
- ↑ Knott, Paul: A search algorithm for quantum state engineering and metrology. New Journal of Physics, 2016, 18. vsk, nro 7, s. 073033. doi:10.1088/1367-2630/18/7/073033. Artikkeli ArXiv-sivustolla. Viitattu 2.5.2023. (englanniksi)
- ↑ Dunjko, Vedran; Briegel, Hans: Machine learning & artificial intelligence in the quantum domain: a review of recent progress. Reports on Progress in Physics, 2018, 81. vsk, nro 7, s. 074001. doi:10.1088/1361-6633/aab406. Artikkeli ArXiv-sivustolla (PDF). Viitattu 2.5.2023. (englanniksi)
- ↑ Huggins, William; Patel, Piyush; Whaley, K. Birgitta; Stoudenmire, E. Miles: Towards Quantum Machine Learning with Tensor Networks. Towards Quantum Machine Learning with Tensor Networks, 2018, 4. vsk, nro 2, s. 024001. Artikkeli ArXiv-sivustolla (PDF). Viitattu 2.5.2023. (englanniksi)
- ↑ Carleo, Giuseppe; Nomura, Yusuke; Imada, Masatoshi: Constructing exact representations of quantum many-body systems with deep neural networks. Nature Communications, 2018, 9. vsk, nro 1, s. 5322. Artikkeli ArXiv-sivustolla. Viitattu 2.5.2023. (englanniksi)
- ↑ Bény, Cédric: Deep learning and the renormalization group. ArXiv > Quantum Physics (quant-ph), 2013. Artikkeli ArXiv-sivustolla (PDF). Viitattu 2.5.2023. (englanniksi)
- ↑ Sergioli, Giuseppe; Giuntini, Roberto; Freytes, Hector: A new Quantum approach to binary classification. PLOS ONE, 2019, 14. vsk, nro 5, s. e0216224. doi:10.1371/journal.pone.0216224. Artikkelin verkkoversio. Viitattu 2.5.2023. (englanniksi)
- ↑ Arunachalam, Srinivasan; de Wolf, Ronald: A Survey of Quantum Learning Theory. ArXiv > Quantum Physics (quant-ph), 2017. Artikkeli ArXiv-sivustolla (PDF). Viitattu 2.5.2023. (englanniksi)
Kirjallisuutta muokkaa
Oppikirjoja muokkaa
- Schuld, Maria & Petruccione, Francesco: Machine Learning with Quantum Computers (Quantum Science and Technology). 2. painos. Springer, 2021. ISBN 978-3030830977, ISBN 978-3030831004 ja ISBN 978-3-030-83098-4 (2021: E-kirja). doi:10.1007/978-3-030-83098-4. (englanniksi)
- Jacquier, Antoine & Kondratyev, Oleksiy ym.: Quantum Machine Learning and Optimisation in Finance: On the Road to Quantum Advantage. Kirjan esipuheen kirjoittajat: Alexander Lipton & Marcos Lopez de Prado. Packt Publishing, 2022. ISBN 978-1801813570 ja ISBN 978-1-80181-787-5 (E-kirja). (englanniksi)
- Wittek, Peter: Quantum Machine Learning:What Quantum Computing Means to Data Mining. 1. painos. Academic Press, 2014. ISBN 978-0-12-810040-0 ja ISBN 978-0-12-801099-0 (E-kirja).
- Combarro, Elias F. & Castillo, Samuel Gonzalez-Castillo: A Practical Guide to Quantum Machine Learning and Quantum Optimization: Hands-on Approach to Modern Quantum Algorithms. Kirjan esipuheen kirjoittaja: Alberto Di Meglio. Packt Publishing, 2023. ISBN 978-1-80461-383-2 ja ISBN 978-1-80461-830-1 (E-kirja). (englanniksi)
- Pastorello, Davide: Concise Guide to Quantum Machine Learning. Springer, 2023. ISBN 978-981-19-6896-9 (sidottu), ISBN 978-981-19-6899-0 (nidottu) ja ISBN 978-981-19-6897-6 (E-kirja). doi:10.1007/978-981-19-6897-6. (englanniksi)
- Raj, Pethuru & Kumar, Abhishek & Kumar Dubey, Ashutosh & Bhatia, Surbhi & Manoj, S. Oswalt (toim.): Quantum Computing and Artificial Intelligence: Training Machine and Deep Learning Algorithms on Quantum Computers. Osa kirjasarjaa: Quantum Computing. De Gruyter, 2023. e-ISSN 2940-0120. ISBN 978-3-11-079125-9 ja ISBN 978-3-11079-140-2 (E-kirja). (englanniksi)
- Raj, Pethuru; Song, Houbing Herbert; Le, Dac-Nhuong; Vyas, Narayan (toim.): Quantum Machine Learning: Quantum Algorithms and Neural Networks. Osa kirjasarjaa: Quantum Computing. De Gruyter, 2024. e-ISSN 2940-0120. ISBN 978-3-11-134209-2 (sidottu) ja ISBN 978-3-11-1342276 (E-kirja). (englanniksi)
- Wichert, Andreas: Principles Of Quantum Artificial Intelligence: Quantum Problem Solving And Machine Learning. 2. painos. World Scientific, 2020. ISBN 978-981-12-2430-0 (2020), ISBN 978-981-12-2432-4 (2020: E-kirja), ISBN 978-981-4566-74-2 (2014) ja ISBN 981-4566-75-6 (2014: E-kirja). (englanniksi)
- Zickert, Frank: Hands-On Quantum Machine Learning With Python: Volume 1: Get Started. Omakustanne, 2021. ISBN 979-8516564499. (englanniksi)
- Zickert, Frank: Hands-On Quantum Machine Learning With Python: Volume 2: Combinatorial Optimization. Omakustanne, 2023. ISBN 979-8374278491. (englanniksi)
- Tandon, Prateek; Lam, Stanley , Shih, Ben; Mehta, Tanay; Mitev, Alex; Ong, Zhiyang: ”Machine Learning Mechanisms for Quantum Robotics”, Quantum Robotics: A Primer on Current Science and Future Perspectives, s. 47–73. osa julkaisusarjaa: Synthesis Lectures on Quantum Computing. Springer, 2017. ISSN 1945-9726 ja E-ISSN 1945-9734. ISBN 978-3-031-01392-8 (nidottu) & ISBN 978-3-031-02520-4 (E-kirja). doi:10.1007/978-3-031-02520-4. (englanniksi)
- Wichert, Andreas: Quantum Artificial Intelligence with Qiskit. 1. painos. Chapman & Hall/CRC / Routledge, 2024. ISBN 978-1-032-44897-8 (sidottu), ISBN 978-1-003-37440-4 (E-kirja), ISBN 978-1-003-82827-3 (E-kirja). Jykdok (jyu.finna.fi). (englanniksi)
- Spector, Lee: Automatic Quantum Computer Programming: A Genetic Programming Approach. New York: Springer, 2007. ISSN: 1566-7863. ISBN 978-0-387-36496-4. Finna.fi-tietokanta. doi:10.1007/b116136. (englanniksi)
- Simeone, Osvaldo: An Introduction to Quantum Machine Learning for Engineers (Foundations and Trends® in Signal Processing). Finna.fi-tietokanta. Now Publishers / King's College London, 2022. ISBN 9781638280583. Kirjan verkkoversio (PDF). doi:10.1561/2000000118. (englanniksi)