Aplicación

Computación cuántica analógico-digital

Tecnologías Cuánticas y Aprendizaje Cuántico de Máquinas

Descripción del grupo:

El interés de la Universidad de Sevilla (US) en la computación cuántica radica en contribuir al conocimiento fundamental en un área puntera como esta y en particular en el aprendizaje cuántico de máquinas, que podría tener implicaciones no sólo científicas, sino también para el conjunto de la sociedad. El investigador principal Lucas Lamata es uno de los mayores expertos en la computación cuántica digital-analógica y ha empleado los últimos años de investigación en desarrollarla y aplicarla a diferentes problemas. En el marco de Quantum Spain, la US estudiará el uso de este paradigma computacional para el machine learning cuántico y lo aplicará a la resolución de varios problemas.

Descripción de la actividad:

La computación cuántica analógico-digital consiste en combinar operaciones elementales (puertas cuánticas) como las empleadas en los ordenadores cuánticos actuales, con períodos en los que el sistema de qubits evoluciona según sus interacciones naturales, tal vez con la mediación de un ligero control externo “entrenado”. En esta actividad, se abordarán las siguientes tareas en este contexto:
1. Analizar cómo se pueden mejorar los algoritmos de aprendizaje de máquinas cuánticos, en particular de aprendizaje de refuerzo cuántico con el nuevo paradigma de algoritmos cuánticos analógico-digitales.
2. Estudiar la implementación de estos algoritmos en plataformas de circuitos superconductores, iones atrapados y fotónica cuántica.

Resultados

Olivera-Atencio, M. L.; Lamata, L.; Casado-Pascual, J.

Benefits of Open Quantum Systems for Quantum Machine Learning Artículo de revista

En: Adv Quantum Technologies, 2023, ISBN: 2511-9044.

Resumen | Enlaces | BibTeX | Etiquetas: artificial intelligence, Quantum algorithms, quantum machine learning, US

Martín-Guerrero, J. D.; Lamata, L.; Villmann, T.

Quantum Artificial Intelligence: A tutorial Conferencia

2023, ISBN: 978-2-87587-088-9.

Resumen | Enlaces | BibTeX | Etiquetas: artificial intelligence, machine learning, US