qiskit-community/qiskit-machine-learning

解決する課題

Qiskit Machine Learningは、量子コンピュータを使用して機械学習モデルを作成およびトレーニングするために必要な基礎的な構成要素を提供します。分類および回帰タスクのためのハイレベルなツールを提供することで、量子コンピューティングと古典的な機械学習の間のギャップを埋めます。

仕組み

このライブラリは、いくつかの主要な量子機械学習アプローチを実装しています：

• カーネルベースの手法: FidelityQuantumKernelを使用してカーネル行列を計算し、これをQuantum Support Vector Classifiers (QSVC)またはRegressors (QSVR)で使用できます。
• 量子ニューラルネットワーク (QNNs): EstimatorQNN（観測量の期待値を出力）およびSamplerQNN（ビット文字列のカウントを出力に変換）を介して、ニューラルネットワークの汎用インターフェースを提供します。
• 変分アルゴリズム: Variational Quantum Classifier (VQC)やVariational Quantum Regressor (VQR)などのハイレベルなツールが、特徴マップとansatzeを使用してQNNを自動的に構築します。
• PyTorchとの統合: TorchConnectorにより、QNNをPyTorchのワークフローに統合でき、自動微分やハイブリッド量子・古典ニューラルネットワークの作成が可能になります。

対象者

量子物理学の深い知識がなくても量子MLモデルのプロトタイプを作成したい初心者と、この分野で革新的な概念実証を行う研究者の両方を対象としています。

ハイライト

• ハイブリッドワークフロー: ハイブリッド量子・古典モデルのためのPyTorchとのシームレスな統合。
• 使いやすいAPI: VQCおよびVQRモデルを迅速に構築するためのハイレベルな構文。
• 柔軟なフレームワーク: カーネルベースの手法とニューラルネットワークベースのアプローチの両方をサポート。
• 拡張可能なアーキテクチャ: Qiskit SDKに基づいて構築されており、新しい最先端機能の統合が可能です。