Rendimiento de algoritmos cuánticos y clásicos en la formación supervisada de aprendizaje automático

Resumen

Este artículo aborda el tema interdisciplinario de Computación cuántica con aprendizaje automático, dos tecnologías potencialmente capaces de realizar cambios en la forma en que se realiza la computación, resolviendo problemas inicialmente irresolubles. El enfoque de esta investigación fueron las aplicaciones de Computación Cuántica que dan como resultado una ganancia de rendimiento computacional en tareas específicas de aprendizaje automático. El objetivo es analizar la viabilidad de utilizar algoritmos cuánticos para Machine Learning. Más concretamente, analizar qué algoritmos cuánticos se pueden aplicar a las tareas de Machine Learning, en comparación con los algoritmos clásicos, en la búsqueda de un mejor rendimiento. Para el desarrollo de la investigación se realizó una revisión bibliográfica de algoritmos cuánticos y, posteriormente, la implementación y verificación del desempeño del algoritmo cuántico QSVM y su correspondiente versión clásica SVM, en aprendizaje supervisado con los conjuntos de datos AD HOC e IRIS.