量子機械学習は、コンピュータビジョン、自然言語処理、大規模データセットにおける一般的パターンの発見など、近い将来の量子コンピュータの有望なアプリケーションとして広く考えられている。
Aquilaの256量子ビットは、非常に大きなパラメータ空間をエンコードすることができ、システム全体のコヒーレンスと高速エンタングルメント伝播により、他の量子アプローチよりも飛躍的に性能が向上している。
108量子ビットを用いた量子機械学習の結果について述べた最近の論文はこちら。
最近のウェビナーでは、Deloitte ConsultingがQuEraの量子機械学習ワークフローを使用した場合の結果が紹介されました。録画はこちらから。
ゲートベースの量子コンピュータでは現在解決できない複雑な機械学習問題の解を得る。
ノイズに強くなりました。
量子ダイナミクスを活用して、リザーバー機械学習などの強力なアルゴリズムを実装する。
分類だけでなく予測タスクにも有効。
これまでで最大のQML実験について書かれたこの論文をお読みください。
アナログ量子コンピュータによる大規模量子リザーバー学習
私たちの専門家チームは、私たちがお手伝いできるかもしれない方法について喜んで議論します。
お問い合わせ
量子リザーバー・コンピューティングと最近の結果についての最近のウェビナーをご覧ください。
QuEraによる成果：量子リザーバーコンピューティングによる新しい量子機械学習の成果
デロイトコンサルティングとの最近のQMLウェビナーを見る
AIの量子的飛躍：中性原子コンピューターによるML分類の改善
Githubのコードサンプルとチュートリアル
アクセスはこちらから
.svg){kind=small}
