Квантовый-SVM-МИНИСТ

Введение

Программа распознавания рукописных символов с использованием квантового ускорения SVM.

Главный входной файл: quantum_circuit.ipynb

Квантовые циркуиты:

Обзор:

Квантовый метод поддержки векторов (qSVM)

Метод поддержки векторов (поддерживающая машина) часто используется в машинном обучении как алгоритм надзирающего обучения. Он применяется для задач классификации и регрессии. В SVM каждый объект данных можно рассматривать как d-мерный вектор, а наша задача заключается в том, чтобы найти (d-1)-мерную гиперплоскость, которая будет отделять эти данные. Это позволяет нам прогнозировать категорию данных. Благодаря методам ядра мы можем расширить SVM до нелинейных гиперплоскостей. Его временная сложность составляет O(poly(d)), то есть полиномиальное изменение.В 2014 году Ребентрост и Сет предложили использовать квантовую версию SVM, которая может достичь сложности O(log(N)) как во время обучения, так и при классификации. Подробнее см. https://arxiv.org/pdf/1307.0471.pdf. В 2015 году группа Ду Чжанфэна из Университета Цзянсу провела эксперимент по демонстрации принципа работы с использованием системы NMR (PhysRevLett.114.140504). Они рассмотрели проблему оптического распознавания символов и применили четырёхквантовый циркуит для распознавания рукописных цифр 6 и 9. Результаты эксперимента представлены ниже. Ускорение времени выполнения имеет следующий вид: