Desempenho de algoritmos quânticos e clássicos em treinamento de Machine Learning supervisionado

Resumo

Este artigo aborda a temática interdisciplinar da Computação Quântica com Machine Learning, duas tecnologias potencialmente capazes de realizarem mudanças em como a computação é realizada, resolvendo problemas inicialmente sem solução. O foco desta pesquisa foram aplicações da Computação Quântica que resultem em ganho de desempenho computacional em tarefas específicas de Machine Learning. O objetivo é analisar a viabilidade do uso de algoritmos quânticos para Machine Learning. Mais especificamente, analisar quais algoritmos quânticos podem ser aplicados à tarefas de Machine Learning, comparativamente com os algoritmos clássicos, na busca por melhor desempenho. Para o desenvolvimento da pesquisa, realizou-se uma revisão bibliográfica de algoritmos quânticos e na sequência, a implementação e verificação de desempenho do algoritmo quântico QSVM e sua correspondente versão clássica SVM, na aprendizagem supervisionada com os conjuntos de dados AD HOC e IRIS.