Comparación de capacidades entre aprendizaje clásico y cuántico

Ranz Ribeiro, Carlos (2019). Comparación de capacidades entre aprendizaje clásico y cuántico. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. de Sistemas Informáticos (UPM), Madrid.

Description

Title: Comparación de capacidades entre aprendizaje clásico y cuántico
Author/s:
  • Ranz Ribeiro, Carlos
Contributor/s:
  • Serradilla García, Francisco
  • García Ripoll, Juan José
Item Type: Final Project
Degree: Grado en Ingeniería de Computadores
Date: July 2019
Subjects:
Freetext Keywords: Computación cuántica; Aprendizaje automático
Faculty: E.T.S.I. de Sistemas Informáticos (UPM)
Department: Inteligencia Artificial
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img] PDF - Users in campus UPM only - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (2MB)
[img] Archive (ZIP) - Users in campus UPM only
Download (88kB)

Abstract

La computación cuántica es un nuevo paradigma de computación que se presenta como un sistema basado en la máquina de Turing en el que se emplean fenómenos físicos fundamentales, como el entrelazamiento cuántico, la superposición cuántica o el teleportación cuántica (enlaces EPR), para transportar y/o transformar los datos. Al ser una máquina de Turing fundamental, el computador cuántico presenta los siguientes elementos esenciales para la construcción de circuitos: 1) el qubit como elemento mínimo de transmisión de información y 2) las puertas cuánticas como elementos mínimos de transformación de información. Con estos elementos podemos teóricamente generar cualquier algoritmo, al igual que lo puede hacer un computador clásico basado en la máquina de Turing, y así la atención se centra en ver que ejecuciones en computación cuántica poseen ventajas respecto a la computación clásica. Hasta la formulación del algoritmo de Shor, la ventaja en la ejecución de los algoritmos cuánticos frente a los algoritmos clásicos no se percibía claramente, lo que convertía a la computación cuántica en una mera anécdota en la historia de la computación. Fueron la superposición y el entrelazamiento cuánticos en la ejecución de ciertos procesos, lo que mostró el gran potencial de este paradigma, aumentando el interés de empresas privadas por las tecnologías cuánticas. En la actualidad nos encontramos en el amanecer de la computación cuántica y así, de forma similar a los enormes ordenadores de válvulas de vacío de los 70, los computadores cuánticos son difíciles de encontrar, pero, a diferencia de los 70, Internet y la conectividad humana actual permiten que una enorme comunidad volcada en la computación cuántica avance a pasos agigantados. Cientos de miles de usuarios colaboran en pos del conocimiento, ejecutando numerosos algoritmos en un pequeño número de computadores que requieren de una temperatura extremadamente baja (aproximadamente -273ºC) que garantice un funcionamiento fiable. Hoy por hoy, el algoritmo de Shor es solo uno más de los muchos algoritmos de los que se sabe o sospecha que tienen ventaja en entornos cuánticos, convirtiendo el paradigma cuántico en sistemas de computación que sin duda en un futuro cercano jugarán un papel esencial en el desarrollo de la humanidad. Es por ello, que muchos investigadores emplean el paradigma cuántico en la resolución de problemas en una de las áreas de computación más revolucionarias, la Inteligencia Artificial. A pesar de los avances de la Inteligencia Artificial en procesadores clásicos, los investigadores sospechan que el dominio de la superposición cuántica y el entrelazamiento cuántico pueden cambiar todo el panorama y las ideas preconcebidas sobre la Inteligencia Artificial y el Aprendizaje Automático. En este escenario, el presente trabajo comprueba la capacidad de la computación cuántica en un contexto de aprendizaje automático. Para ello, analiza las principales diferencias entre computación clásica y cuántica, describiendo el funcionamiento de esta última. El trabajo se centra en un algoritmo supervisado muy extendido por sus buenos resultados, el Support Vector Machine (SVM), del que se explican los fundamentos para analizar las capacidades y limitaciones del algoritmo en los entornos clásico y cuántico. Se aplica el SVM en un problema de clasificación real, utilizando una base de datos médicos sobre cáncer de mama. Los resultados muestras la superioridad en capacidad de discriminación de la versión cuántica frente a la clásica. Abstract: Quantum computing represents a new paradigm of computing. It is presented as a system based on Turing´s data machine embedded in different physics fundaments than a classical machine. These fundamental phenomena are also known as quantum phenomena, from entanglement and quantum superposition through quantum teleportation (EPR links). As a fundamental Turing machine, the quantum computer presents the essential elements for the construction of circuits: 1) the qubit as the minimum element of information transmission and 2) the quantum gates as element of minimum information transformation. With these elements, we can generate any algorithm, as well as a classic computer based on a Turing machine can do. By supposedly being able to execute any algorithm in a quantum computer, the objective becomes not to see what it is executable, but what executions have advantages over a classical computation. Until Shor's algorithm, scholars did not conceive a high level of advantage in the execution of quantum algorithms against classical ones, leaving the quantum computer as an anecdote in the history of computing. When the advantages of quantum superposition and entanglement in the execution of certain processes were discovered, new possibilities and advantages were opened up to this computing paradigm, increasing the interest of private companies for this type of technology. Today, we are at the dawn of quantum computing, similar to the huge vacuum valve computers of the 70s, quantum computers are hard to find. However, unlike the '70s, the Internet and current human connectivity allows for a huge community dedicated to quantum computing to advance this technology. Hundreds of thousands of users collaborate in the pursuit of knowledge, trying to execute numerous algorithms or processes in these computers. Currently Shor's algorithm is just one of the many algorithms known or suspected to have an advantage in quantum environments, converting the quantum paradigm into a computing model to be taken into account and, with high probability, in the future play an essential role in the development of humanity. That is why many researchers use this innovative way to solve problems in one of the most revolutionary areas of computing, Artificial Intelligence. Despite the advances in Artificial Intelligence in classical processors, researchers suspect that the domain of quantum superposition and entanglement can change the whole landscape and preconceptions about Artificial Intelligence and Machine Learning. In this scenario, the present project tests the capacity of quantum computing in an automatic learning context. Due to this automatic learning context, this project analyses the main differences between classical and quantum computing while describing the operation of the latter. The work focuses on a supervised algorithm quite widespread for its good results, the Support Vector Machine (SVM), explaining its fundaments and analysing the capabilities and limitations of the algorithm in classical and quantum environments. The SVM is applied to a real classification problem, using a medical database on breast cancer. The results show the superiority in discrimination capability.

More information

Item ID: 56422
DC Identifier: http://oa.upm.es/56422/
OAI Identifier: oai:oa.upm.es:56422
Deposited by: Biblioteca Universitaria Campus Sur
Deposited on: 16 Sep 2019 07:28
Last Modified: 16 Sep 2019 07:28
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM