E’ disponibile il repository Git con la mia versione di un Quantum Variational Classifier che può essere eseguito con diversi simulatori e su physical quantum processors disponibili in cloud come servizi computazionali.
Ho reso pubblico il repository Git con la mia versione di un Quantum Variational Classifier che può essere eseguito con diversi simulatori e su physical quantum processors disponibili in cloud come servizi computazionali.
Riporto di seguito la descrizione del progetto presente nel Readme file del repository raggiungibile al seguente link: caccio/CrossQuantumClassifier
Variational Quantum Classifier
This project implements a Variational Quantum Classifier inspired by the “circuit-centric quantum classifier” paper and other related works.
The circuit model is a network of 2-qubit rotation blocks that can be arranged in different configurations; any block has two settings: the rotation axis and the rotation angle. The set of rotation angles of the network represents the vector of the model parameters.
The training algorithm relies on the classical gradient descent optimization method (with momentum and a simple learning rate annealing schedule) to fit the vector of the model parameters to the training dataset. Both the classification function and the partial derivatives of the loss function for the gradient descent are calculated by quantum circuits.
Cross-platform implementations of quantum circuits
All quantum circuits have been implemented using three different computation engines:
- BLAS - a numeric simulation of quantum circuits based on basic linear algebra primitives (essentially matrix multiplications and tensor products) implemented in the numpy python package.
- QDK - the Microsoft Quantum Development Kit that provides either a local quantum simulator and the possibility to run quantum circuits on different physical quantum computers available as-a-service in Azure.
- QISKIT - the IBM Quantum Development Kit that includes local quantum simulators and the native interface for the IBM Q Experience - an online platform that gives users public access to a set of IBM’s quantum processors via the Cloud.
This makes it easier to compare results accuracy and performances obtained by the usage of different versions of quantum simulators or physical quantum computers available as-a-service from different providers.
In questo post è riassunto il percorso fatto per approfondire alcuni aspetti della computazione quantistica indicando libri, articoli e corsi che hanno maggiormente contribuito alla realizzazione di un modello di machine learning quantistico.
I Variational Classifier sono una delle possibili applicazioni pratiche della computazione quantistica all’ambito del machine learning. Essi hanno alcune analogie con le reti neurali sia nella struttura topologica che nelle tecniche di addestramento. Il confronto fra i due modelli può quindi essere utile per capire meglio i primi, partendo dai secondi.