核心概念
sQUlearn은 scikit-learn과의 원활한 통합을 지원하는 사용자 친화적이고 NISQ 호환 가능한 Python 라이브러리로, 양자 커널 방법과 양자 신경망을 포함한 다양한 양자 기계 학습 기법을 제공한다.
要約
sQUlearn은 양자 기계 학습(QML) 연구자와 실무자 모두를 위해 설계된 이중 계층 아키텍처를 가지고 있다. 고수준 인터페이스를 통해 실무자들은 효율적으로 프로토타이핑, 실험 및 파이프라인 구축을 할 수 있으며, 저수준 인터페이스를 통해 연구자들은 고급 기능에 접근할 수 있다.
sQUlearn은 양자 커널 방법과 양자 신경망을 모두 제공하며, 사용자 정의 데이터 인코딩 전략, 자동화된 실행 처리, 특화된 커널 정규화 기법 등의 기능을 포함한다. NISQ 호환성과 엔드-투-엔드 자동화에 초점을 맞춤으로써, sQUlearn은 현재의 양자 컴퓨팅 기능과 실용적인 기계 학습 응용 프로그램 사이의 격차를 해소하고자 한다.
라이브러리는 Qiskit과 PennyLane 사이의 원활한 전환을 지원하며, 시뮬레이션과 실제 하드웨어 실행 간의 전환도 가능하다.
統計
양자 기계 학습은 양자 역학의 원리를 활용하여 계산 능력과 효율성을 높이고자 하는 혁신적인 접근법이다.
양자 커널 방법은 특정 작업에서 기존의 고전적인 방법을 능가할 수 있는 잠재력을 보여주고 있다.
양자 신경망은 NISQ 하드웨어에서 실행 가능한 모델로, 기존의 고전적인 알고리즘의 양자 강화 버전이 아닌 본질적으로 양자적인 모델이다.
引用
"양자 기계 학습은 계산 능력과 효율성을 높이기 위해 양자 역학의 원리를 활용하는 혁신적인 접근법이다."
"양자 커널 방법은 특정 작업에서 기존의 고전적인 방법을 능가할 수 있는 잠재력을 보여주고 있다."
"양자 신경망은 NISQ 하드웨어에서 실행 가능한 모델로, 기존의 고전적인 알고리즘의 양자 강화 버전이 아닌 본질적으로 양자적인 모델이다."