نقش محاسبات کوانتومی در تحول یادگیری ماشین رویکردی نوین به هوش مصنوعی

چکیده مقاله

با رشد شتابان داده ها و پیچیدگی زیاد مسائل هوش مصنوعی، روش های محاسباتی کلاسیک در مواجهه با محدودیت های مقیاس پذیری و سرعت پردازش با چالش جدی روبه رو شده اند محاسبات کوانتومی با تکیه بر اصول بنیادین فیزیک کوانتوم مانند برهم نهی، درهم تنیدگی و تداخل کوانتومی امکان پردازش موازی و حل مسائل غیرقابل حل با روش های کلاسیک را فراهم می سازد این پژوهش ضمن مرور مبانی نظری و الگوریتم های نوین یادگیری ماشین کوانتومی، به تحلیل پیشرفت های اخیر از جمله شبیه سازی طولانی ترین الگوی mRNA توسط IBM و Moderna، توسعه فناوری ماشین های مجازی کوانتومی و طراحی نیمه هادی های پیشرفته با مدل Quantum Kernel Aligned Regressor می پردازد همچنین ابزارها و پلتفرم های روز مانند PennyLane, Qiskit و TensorFlow Quantum معرفی و فرصت ها، چالش ها و چشم انداز آینده QML بررسی می شود

کلیدواژه‌ها

نویسندگان

محمد بابایی

دانشجوی کارشناسی ارشد مهندسی کامپیوتر، دانشگاه بصیر آبیک قزوین

راحله خالقی زاده

استاد گروه کامپیوتر، دانشگاه بصیر آبیک قزوین

�ابایی، محمد و خالقی زاده، راحله،1404،نقش محاسبات کوانتومی در تحول یادگیری ماشین رویکردی نوین به هوش مصنوعی،هفتمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات،مشهد

ارائه‌شده در

مجموعه مقالات هفتمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات21 مرداد 1404 · مشهد