دانشگاه آزاد اسلامی واحد تهران جنوب

صفحه اصلی / نخستین همایش هوش مصنوعی و پژوهش های نوظهور: همگرایی انسان و سیستم های هوشمند

پیچیدگی محاسباتی الگوریتم‌های کدگذاری کلاسیک به کوانتومی: مقاله مروری

نویسندگان :

حامد تقوایی¹ مسرور حسن²

1- دانشگاه یزد 2- دانشگاه یزد

کلمات کلیدی :

پیچیدگی محاسباتی،کدگذاری داده،طراحی الگوریتم کوانتومی،یادگیری ماشین کوانتومی

چکیده :

یادگیری ماشین کوانتومی (QML) پتانسیل بسیار زیادی برای ایجاد تحول در وظایف مختلف یادگیری ماشین دارد. با این حال، ترجمه داده‌های کلاسیک به قالبی سازگار با مدارهای کوانتومی برای مهار این پتانسیل حیاتی است. این مقاله تجزیه و تحلیل مقایسه‌ای از تکنیک‌های کدگذاری داده‌ها در الگوریتم‌های QML را ارائه می‌دهد. ما به روش‌هایی مانند کدگذاری پایه، کدگذاری دامنه، کدگذاری زاویه و کدگذاری کوانتومی مبتنی بر QRAM می‌پردازیم. این تجزیه و تحلیل کارایی آ‌‌ن‌ها را در نمایش داده‌های کلاسیک در چارچوب کوانتومی، با در نظر گرفتن عواملی مانند مناسب بودن برای انواع داده‌های مختلف، کارایی در اعمال نفوذ خواص کوانتومی مانند برهم‌نهی، و تاثیر بر پیچیدگی الگوریتم بررسی می‌کند. نقاط قوت و ضعف هر رویکرد با هم مقایسه می‌شود و همچنین تحلیلی منحصربفرد از پیچیدگی محاسباتی مجانبی این الگوریتم‌ها ارائه خواهد شد. هدف این است که درک جامعی از تعامل بین تکنیک‌های کدگذاری و عملکرد QML به محققان ارائه دهیم. این مقایسه، انتخاب روش‌ کدگذاری بهینه برای کاربردهای مختلف QML را راهنمایی می‌کند و در نهایت راه را برای مدل‌های یادگیری ماشین کوانتومی کارآمدتر و قدرتمندتر هموار می‌کند.