Tenzorske mreže kot povezava med klasičnim in kvantnim strojnim učenjem

Strojno učenje temelji na veliki količini podatkov in potrebuje ogromno računske moči. Kvantno računanje na drugi strani zagotavlja eksponentne pohitritve nekaterih klasičnih algoritmov. Zato je smiselno združiti prednosti obeh področij za reševanje izjemnih problemov v industriji in fundamentalnih raziskavah. Projekt ima tri cilje. Prvi cilj je uporaba metod strojnega učenja za opis kvantnih sistemov mnogih teles. V tem delu projekta se bomo spoprijeli z nekaterimi težkimi problemi kvantne mehanike mnogih teles z uporabo novih orodij, ki jih dobimo z adaptacijo nevronskih mrež za kvantno mehanske probleme. Drugi cilj je uporaba metod iz kvantne mehanike mnogih teles za reševanje problemov strojnega učenja. Z nove perspektive, ki je motivirana z uspehom tenzorskih mrež za opis večdelčnih kvantnih sistemov, bomo obravnavali probleme nasprotnih primerov, negotovosti in posploševanja. Tretji in najambicioznejši cilj je združiti znanje iz kvantne mehanike in strojnega učenja, da bi našli nove, uporabne aplikacije kvantnih naprav. Uporabili bomo kombinacijo uspešnih kvantno-mehanskih orodij in orodij strojnega učenja, za razvoj kvantnih algoritmov uporabnih na zdajšnjih kvantnih napravah in bistveno hitrejših od njihovih klasičnih različic.