Publicação
Recent advances in quantum machine learning: a survey with a comparative analysis
| datacite.subject.fos | Engenharia e Tecnologia::Outras Engenharias e Tecnologias | |
| dc.contributor.advisor | Oliveira , José Valente de | |
| dc.contributor.advisor | Sousa, Joana Coutinho | |
| dc.contributor.author | Privalihhin, Vassili | |
| dc.date.accessioned | 2025-07-30T11:27:00Z | |
| dc.date.available | 2025-07-30T11:27:00Z | |
| dc.date.issued | 2024-12-19 | |
| dc.description.abstract | Quantum mechanics, a fundamental theory in physics that describes the behavior of nature at atomic and subatomic scales, offers significant advantages over classical physics in various contexts. These advances have laid the foundation for the field of quantum computing, which leverages the unique properties of quantum mechanics to solve complex computational problems more efficiently than classical computers. At the core of quantum computing are qubits, the quantum analogs of classical bits. Unlike classical bits, which are restricted to binary states (0 or 1), qubits utilize superposition and entanglement, enabling them to exist in multiple states simultaneously and interact in ways that amplify computational capabilities. This study presents an overview of quantum algorithms and tools for quantum machine learning, with a focus on recent advancements. Through a comparative analysis and empirical evidence, the research highlights the potential advantages of quantum algorithms in various applications, such as data processing, pattern recognition, and algorithmic complexity. The findings suggest that quantum methods may surpass their classical counterparts in certain domains. However, a key challenge remains: the current limitations of quantum hardware. Despite the theoretical benefits, practical implementation is constrained by the noisy and error-prone nature of quantum devices. Consequently, the experiments conducted in this study were performed in simulation environments, which demonstrated potential improvements when applying quantum paradigms. | eng |
| dc.description.abstract | A mecânica quântica, uma teoria fundamental da física que descreve o comportamento da natureza em escalas atómicas e subatómicas, oferece vantagens significativas em relação à física clássica em vários contextos. Estes avanços estabeleceram as bases para o campo da computação quântica, que aproveita as propriedades únicas da mecânica quântica para resolver problemas computacionais complexos de forma mais eficiente do que os computadores clássicos. No cerne da computação quântica estão os qubits, os análogos quânticos dos bits clássicos. Ao contrário dos bits, que estão restritos aos estados binários (0 ou 1), os qubits utilizam os princípios da superposição e do entrelaçamento, permitindo que existam em vários estados simultaneamente e interajam de maneiras que amplificam as capacidades computacionais. Este estudo apresenta uma visão geral dos algoritmos quânticos e ferramentas para aprendizagem automática quântica, com foco nos avanços recentes. Através de uma análise comparativa e evidências empíricas, a pesquisa destaca as potenciais vantagens dos algoritmos quânticos em várias aplicações, como processamento de dados, reconhecimento de padrões e complexidade algorítmica. Os resultados sugerem que os métodos quânticos podem superar os seus equivalentes clássicos em certos domínios. No entanto, um desafio significativo persiste: as limitações atuais do hardware quântico. Apesar dos benefícios teóricos, a implementação prática é limitada pela natureza ruidosa e propensa a erros dos dispositivos quânticos. Consequentemente, as experiências realizadas neste estudo foram executadas em ambientes de simulação, que demonstraram potenciais melhorias com a aplicação de paradigmas quânticos. | por |
| dc.identifier.tid | 203875826 | |
| dc.identifier.uri | http://hdl.handle.net/10400.1/27514 | |
| dc.language.iso | eng | |
| dc.rights.uri | http://creativecommons.org/licenses/by/4.0/ | |
| dc.subject | Aprendizagem máquina quântica | |
| dc.subject | Rede neural quântica | |
| dc.subject | Algoritmos quânticos | |
| dc.subject | Circuitos quântico | |
| dc.title | Recent advances in quantum machine learning: a survey with a comparative analysis | eng |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| thesis.degree.grantor | Universidade do Algarve. Faculdade de Ciências e Tecnologia | |
| thesis.degree.level | Mestre | |
| thesis.degree.name | Mestrado em Informática |
Ficheiros
Principais
1 - 1 de 1
A carregar...
- Nome:
- Quantum_Computing__Report_For_Thesis (5) VAssilli Privalihhin.pdf
- Tamanho:
- 1.25 MB
- Formato:
- Adobe Portable Document Format
Licença
1 - 1 de 1
Miniatura indisponível
- Nome:
- license.txt
- Tamanho:
- 3.46 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição: