Busca avançada
Ano de início
Entree

Computação quântica e aprendizado de máquina na Era NISQ

Processo:23/03562-1
Modalidade de apoio:Auxílio à Pesquisa - Pesquisador Visitante - Brasil
Data de Início da vigência: 01 de junho de 2023
Data de Término da vigência: 31 de agosto de 2023
Área do conhecimento:Ciências Exatas e da Terra - Física - Física Geral
Pesquisador responsável:Diogo de Oliveira Soares Pinto
Beneficiário:Diogo de Oliveira Soares Pinto
Pesquisador visitante:Askery Alexandre Canabarro Barbosa da Silva
Instituição do Pesquisador Visitante: Universidade Federal de Alagoas (UFAL). Instituto de Física (IF) , Brasil
Instituição Sede: Instituto de Física de São Carlos (IFSC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
Município da Instituição Sede:São Carlos
Assunto(s):Aprendizado computacional  Computação quântica 
Palavra(s)-Chave do Pesquisador:Aprendizado de Máquina | computação quântica | Quantum computing and quantum information

Resumo

Este projecto de pesquisa visa explorar a intersecção entre a computação quântica e a aprendizagem de máquinas na era quântica ruidosa de escala intermediária (do inglês, NISQ), que abriu novas oportunidades para a aprendizagem de máquinas. Vamos investigar o estado atual da computação quântica, as suas vantagens sobre a computação clássica, e as atuais limitações dos dispositivos NISQ. Especificamente, iremos examinar diferentes abordagens e modelos para combinar computação quântica e aprendizagem de máquinas, incluindo algoritmos de aprendizagem de máquinas quânticas, algoritmos híbridos clássicos-quânticos, e algoritmos clássicos de inspiração quântica em vários domínios, procurando aplicações potenciais. A nossa abordagem envolve experimentar uma grande variedade de modelos e conjuntos de dados e, como parte desta investigação, forneceremos um repositório dos modelos formados para promover a transparência e a reprodutibilidade no campo de pesquisa e para facilitar a continuação da investigação nesta área. A interface entre a computação quântica e a aprendizagem de máquinas é uma linha de investigação estimulante com potencial para desbloquear novas capacidades de resolução de problemas complexos em diversos setores e tem também implicações para a segurança e soberania nacionais, pelo que a sua crescente importância no Brasil merece toda a atenção. Acreditamos que o nosso trabalho irá contribuir significativamente para o avanço deste campo. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
FERREIRA-MARTINS, ANDRE J.; SILVA, LEANDRO; PALHARES, ALBERTO; PEREIRA, RODRIGO; SOARES-PINTO, DIOGO O.; CHAVES, RAFAEL; CANABARRO, ASKERY. Detecting quantum phase transitions in a frustrated spin chain via transfer learning of a quantum classifier algorithm. PHYSICAL REVIEW A, v. 109, n. 5, p. 14-pg., . (23/03562-1)