Aprendizaje automático cuánticamente asistido en dispositivos cuánticos a corto plazo

2019-06-20

15:00

UB

Aula 507 (Pere Pascual, ICCUB building, UB Campus)

Quantum-assisted Machine Learning in Near-Term Quantum Devices

Con las tecnologías de computación cuántica acercándose a la era de la comercialización y las ventajas cuánticas, el aprendizaje automático (Machine Learning, ML) ha sido propuesto como una de las aplicaciones más prometedoras. A pesar del esfuerzo significativo, ha habido una desconexión entre la mayoría de las propuestas del ML cuántico, las necesidades de los profesionales del ML y las capacidades de los dispositivos cuánticos a corto plazo hacia una demostración concluyente de una ventaja cuántica significativa en un futuro próximo.

En esta charla, proporcionamos ejemplos concretos de tareas del ML intratables que podrían mejorarse con dispositivos a corto plazo. Argumentamos que para alcanzar esta meta, el enfoque debe estar en las áreas en las que los investigadores del ML están luchando, tales como los modelos generativos en el aprendizaje no supervisado y semisupervisado, en lugar de las tareas de aprendizaje supervisado populares y más fáciles de manejar. Nos centramos en enfoques híbridos cuánticos-clásicos e ilustramos algunos de los desafíos clave que prevemos para las implementaciones a corto plazo. Presentaremos también las recientes implementaciones experimentales de estos modelos de ML cuántico tanto en ordenadores cuánticos superconductores-qubit como en ordenadores cuánticos con trampas de iones.