Introducción al aprendizaje automático cuántico para ingenieros

Título original:

An Introduction to Quantum Machine Learning for Engineers

Contenido del libro:

Esta monografía está motivada por una serie de acontecimientos recientes que parecen definir un posible nuevo papel para los investigadores de perfil ingenieril. En primer lugar, en la actualidad existen varias bibliotecas de software -como Qiskit de IBM, Cirq de Google y PennyLane de Xanadu- que hacen más accesible la programación de algoritmos cuánticos, al tiempo que proporcionan acceso basado en la nube a ordenadores cuánticos reales. En segundo lugar, está surgiendo un nuevo marco para programar algoritmos cuánticos que puedan ejecutarse en el hardware cuántico actual: el aprendizaje automático cuántico.

En la actual era cuántica de escala intermedia ruidosa (NISQ), el aprendizaje automático cuántico está emergiendo como paradigma dominante para programar ordenadores cuánticos basados en puertas. En el aprendizaje automático cuántico, las puertas de un circuito cuántico se parametrizan y los parámetros se ajustan mediante optimización clásica basada en datos y en mediciones de las salidas del circuito. Los circuitos cuánticos parametrizados (PQC) pueden abordar eficazmente problemas de optimización combinatoria, aplicar modelos generativos probabilísticos y realizar inferencias (clasificación y regresión).

Esta monografía ofrece una introducción autocontenida al aprendizaje automático cuántico para un público de ingenieros con formación en probabilidad y álgebra lineal. En primer lugar, describe los antecedentes, conceptos y herramientas necesarios para describir las operaciones y mediciones cuánticas. A continuación, aborda los circuitos cuánticos parametrizados, el eigensolver cuántico variacional, así como las formulaciones de aprendizaje automático cuántico supervisado y no supervisado.