Einführung in die Quantum Machine Learning-Bibliothek

Die Quantum Machine Learning-Bibliothek ist eine in Q# geschriebene API für Machine Learning-Hybridexperimente mit einer Mischung aus Quantencomputern und klassischen Computern. Mit der Bibliothek haben Sie folgende Möglichkeiten:

  • Laden Ihrer eigenen Daten für die Klassifizierung mit Quantensimulatoren

  • Verwenden von Beispielen und Tutorials als Einführung in Quantum Machine Learning

Die zu erwartende Leistung ist im Vergleich zu aktuellen klassischen Machine Learning-Frameworks eher niedrig. (Bedenken Sie, dass alle Vorgänge zusätzlich zur Simulation eines Quantengeräts ausgeführt werden, für die bereits ein hoher Rechenaufwand anfällt.)

Diese Dokumentation soll die folgenden Zwecke erfüllen:

  • Kurze Einführung in Machine Learning-Tools (in Q# geschrieben) für Machine Learning-Hybridvorgänge mit Quantencomputing und klassischem Computing
  • Einführung in Machine Learning-Konzepte mit dem Schwerpunkt auf deren Realisierung in Klassifizierern für Quantenschaltungen (auch als sequenzielle Klassifizierer für Quantencomputing bezeichnet)
  • Bereitstellung von Tutorials zu den Grundlagen für den Einstieg in die Nutzung der Bibliothekstools
  • Beschreibung der Trainings- und Validierungsmethoden für diese Klassifizierer und deren Übersetzung in spezifische Q#-Vorgänge der Bibliothek

Das in dieser Bibliothek implementierte Modell basiert auf dem Trainingsschema für Quantencomputing und klassisches Computing aus dem Artikel zu Quantenklassifizierern für Schaltungen.