Otimização e aprendizado de máquina quântico: algoritmos variacionais e aplicações

• Processo: 23/04987-6
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de outubro de 2023
• Data de Término da vigência: 30 de setembro de 2025
• Área do conhecimento: Ciências Exatas e da Terra - Física - Física Atômica e Molecular
• Pesquisador responsável: Felipe Fernandes Fanchini
• Beneficiário: Felipe Fernandes Fanchini
• Instituição Sede: Faculdade de Ciências (FC). Universidade Estadual Paulista (UNESP). Campus de Bauru. Bauru , SP, Brasil
• Pesquisadores associados: João Paulo Papa
• Assunto(s): Mecânica quântica Algoritmos quânticos Otimização Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: Algoritmos quânticos | Aprendizado de Máquina Quântico | Otimização Quântica | física quântica

Resumo

Este projeto de pesquisa tem como objetivo investigar o potencial e as aplicações dos algoritmos quânticos em otimização e aprendizado de máquina, com foco em sistemas quânticos abertos e a integração com técnicas clássicas de aprendizado de máquina para melhorar a performance destes algoritmos. Além disso, o projeto também visa estudar problemas simples de aprendizado de máquina quântico considerando sistemas quânticos abertos. A pesquisa explorará estudos de caso específicos para demonstrar as vantagens e desafios associados a essa abordagem híbrida. Primeiramente, o projeto analisará diversos algoritmos, em especial o QAOA e o FALQON, examinando as propriedades e limitações desses algoritmos. Em seguida, além de incluirmos estratégias de aprimoramento, a pesquisa investigará a combinação de técnicas clássicas de aprendizado de máquina, como Support Vector Machines e redes neurais, com algoritmos quânticos, a fim de melhorar a eficiência e a acurácia dos métodos quânticos. Por fim, o projeto explorará uma série de estudos de caso que ilustrem a aplicação prática dos algoritmos variacionais e das técnicas híbridas, em especial na área de logística e finanças. Esses estudos de caso permitirão avaliar a eficácia das abordagens propostas, principalmente em sistemas quânticos abertos, e identificar possíveis desafios e oportunidades para futuras pesquisas. (AU)

Publicações científicas

(6)

(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)

SUDA NETO, JOGI; ARDILA, LLUIS QUILES; NOGUEIRA, THIAGO NASCIMENTO; ALBUQUERQUE, FELIPE; PAPA, JOAO PAULO; GUIDO, RODRIGO CAPOBIANCO; FANCHINI, FELIPE FERNANDES. Quantum neural networks successfully calibrate language models. QUANTUM MACHINE INTELLIGENCE, v. 6, n. 1, p. 9-pg., 2024-06-01. (21/12407-4, 19/18287-0, 14/12236-1, 21/04655-8, 19/07665-4, 23/04987-6, 13/07375-0)

PEXE, G. E. L.; RATTIGHIERI, L. A. M.; MALVEZZI, A. L.; FANCHINI, F. F.. Using a feedback-based quantum algorithm to analyze the critical properties of the ANNNI model without classical optimization. PHYSICAL REVIEW B, v. 110, n. 22, p. 13-pg., 2024-12-16. (23/04987-6)

DA SILVA, ADONAI HILARIO; NAPOLITANO, REGINALDO DE JESUS; FANCHINI, FELIPE FERNANDES; BELLOMO, BRUNO. Time-dependent Rabi frequencies to protect quantum operations on an atomic qutrit by continuous dynamical decoupling. PHYSICAL REVIEW A, v. 109, n. 3, p. 13-pg., 2024-03-13. (18/00796-3, 23/04987-6)

BARRETO, ARTUR GOMES; FANCHINI, FELIPE FERNANDES; PAPA, JOAO PAULO; ALBUQUERQUE, VICTOR HUGO C. DE. Why consider quantum instead classical pattern recognition techniques?. APPLIED SOFT COMPUTING, v. 165, p. 11-pg., 2024-08-21. (23/14427-8, 23/04987-6, 13/07375-0, 23/12830-0)

FERNANDES, MARLLOS E. F.; FANCHINI, FELIPE F.; DE LIMA, EMANUEL F.; CASTELANO, LEONARDO K.. Effectiveness of the Krotov method in finding controls for open quantum systems. Journal of Physics A-Mathematical and Theoretical, v. 56, n. 49, p. 14-pg., 2023-12-08. (23/04987-6, 19/09624-3, 14/23648-9, 21/04655-8)

DA COSTA MORAZOTTI, NICOLAS ANDRE; DA SILVA, ADONAI HILARIO; AUDI, GABRIEL; FANCHINI, FELIPE FERNANDES; DE JESUS NAPOLITANO, REGINALDO. Optimized continuous dynamical decoupling via differential geometry and machine learning. PHYSICAL REVIEW A, v. 110, n. 4, p. 14-pg., 2024-10-01. (18/00796-3, 23/04987-6)