AI-woordenlijst
Het complete woordenboek van kunstmatige intelligentie
Circuit Quantique Variatif
Circuit quantique paramétré dont les paramètres sont optimisés itérativement par des optimiseurs classiques pour minimiser une fonction coût. C'est la composante centrale de nombreux algorithmes d'apprentissage quantique hybrides.
Kernel Quantique
Fonction de similarité calculée dans un espace de Hilbert quantique, mesurant la distance entre états quantiques encodés. Il permet potentiellement d'explorer des espaces de caractéristiques inaccessibles aux kernels classiques.
Régression Linéaire Quantique
Algorithme quantique basé sur HHL pour résoudre efficacement des problèmes de régression linéaire en exploitant la résolution quantique de systèmes linéaires. Il peut offrir une accélération quadratique ou exponentielle selon les conditions.
Algorithme de Grover pour le Machine Learning
Application de l'algorithme de recherche quantique de Grover aux tâches de machine learning comme la recherche de voisins les plus proches ou l'optimisation de hyperparamètres. Il offre une accélération quadratique pour les problèmes de recherche non-structurée.
Quantification du Gradient
Technique d'estimation de gradients de fonctions coût quantiques en utilisant des circuits quantiques et le principe de dérivée paramétrique. Elle est essentielle pour l'entraînement des modèles quantiques variationnels.
Optimisation Quantique Adiabatique
Approche d'optimisation utilisant l'évolution adiabatique d'un système quantique pour trouver le minimum global d'une fonction objectif. Elle est appliquée aux problèmes d'optimisation combinatoire en machine learning.
Réseaux de Croyance Quantiques
Généralisation quantique des réseaux bayésiens classiques utilisant la théorie des probabilités quantiques pour modéliser des incertitudes et corrélations. Ils permettent une représentation plus riche des dépendances entre variables.
Classification Quantique
Ensemble d'algorithmes quantiques pour les tâches de classification utilisant des circuits quantiques pour la prise de décision basée sur la mesure d'états quantiques encodés. Ils peuvent exploiter la superposition pour classifier simultanément plusieurs exemples.
Réduction de Dimension Quantique
Algorithmes quantiques comme le QPCA (Quantum Principal Component Analysis) qui effectuent une réduction de dimensionnalité en exploitant la décomposition spectrale quantique. Ils peuvent offrir une accélération exponentielle pour les matrices de grande dimension.
Barren Plateaux Quantiques
Phénomène où les gradients des circuits quantiques variationnels deviennent exponentiellement petits avec l'augmentation du nombre de qubits, rendant l'optimisation difficile. C'est un défi majeur dans l'entraînement des modèles quantiques profonds.
Transfer Learning Quantique
Approche adaptant les principes du transfer learning classique aux modèles quantiques, permettant la réutilisation de circuits quantiques pré-entraînés pour de nouvelles tâches. Elle aide à surmonter les limitations des dispositifs quantiques actuels.