Gépi tanulás alkalmazásának vizsgálata a kvantuminformatikában
A gépi tanulás manapság az egyik legkutatottabb tématerületnek számít, ami nélkülözhetetlen szerepet tölt be a képfeldolgozás, az önvezető autók, internetes keresések, spam szűrés, az analóg és a digitális jelfeldolgozás esetében is. Ezen felül egyre több ipari környezetben is alkalmazzák annak érdekében, hogy minél optimálisabban oldhassanak meg olyan feladatokat, melyekre egzakt megoldást nem, vagy csak nagy számítási kapacitás felhasználásával tudnánk adni.
Egy másik hasonlóan fontos, de az iparban még kevésbé jelen lévő környezet a kvantuminformatika, ahol az állapotok szuperpozícióban lehetnek, ezzel növelve a számítási kapacitást. Jelenleg több cég (pl.: IBM, Google, D-Wave, stb.) foglalkozik kvantumos elvű feldolgozás kutatásaival, a két tématerület összekapcsolása azonban rendkívül újszerűnek számít.
Jelen dokumentumban megvizsgálom különböző problémák megoldásának lehetőségét mind klasszikus-, mind kvantuminformatikával. Ezek a feladatok általában olyan számítási kapacitást igényelnek, melyet a legtöbb esetben nem tudunk biztosítani, ezért relevánssá válik a kvantuminformatika alkalmazásának vizsgálata. A kvantuminformatika és a gépi tanulás elméleti összefoglalása után elsőként röviden megvizsgálom a QAOA (quantum approximate optimization algorithm, kvantumos becslés optimalizációs algoritmus) algoritmust, majd ezután rátérek a neurális hálózatok kvantumos implementációjának vizsgálatára. Dolgozatom célja, hogy bemutassa, miként lehet-e két tématerületet összekapcsolni, a gépi tanulásban ismert metódosuk előnyeit ötvözni a kvantumfeldolgozás gyorsaságával. A munkám során feltárom a kvantuminformatika jelenlegi helyzetét, alkalmazásának lehetőségét.
szerző
-
Marosits Ádám
Villamosmérnöki szak, mesterképzés
mesterképzés (MA/MSc)
konzulens
-
Dr. Szegletes Luca
egyetemi adjunktus, Automatizálási és Alkalmazott Informatikai Tanszék