I contenuti di questa pagina costituiscono rielaborazioni personali del Publisher di informazioni apprese con la frequenza delle lezioni e lo studio autonomo di eventuali testi di riferimento in preparazioneall’esame finale o della tesi. Non devono intendersi come materiale ufficiale dell’università attribuibile al docente del corso o al relatore
…continua

Filtra per

Tutte le tipologie

Ordina

Filtra

Appunti di Intelligenza artificiale

La tesi Quantum Machine Learning: Challenges and Opportunities esplora l'integrazione tra computazione quantistica e machine learning, analizzando i fondamenti teorici della computazione quantistica (qubit, entanglement, circuiti), le principali tecnologie hardware (superconduttori, ioni intrappolati, fotoni, qubit topologici) e l'evoluzione del Quantum Machine Learning (QML). Vengono illustrati algoritmi come QSVM, QNN, QGAN, QPCA, QAOA e QRL, evidenziando vantaggi, sfide e applicazioni in medicina, finanza, sicurezza e image processing. È inoltre presentata un’implementazione pratica di QSVM sul dataset Iris, con confronto tra approcci classici e quantistici. Infine, vengono discusse le attuali limitazioni hardware, i problemi di decoerenza, i limiti dei dispositivi NISQ e le prospettive future del QML.
...continua