qiskit-community/qiskit-machine-learning

해결하는 문제

Qiskit Machine Learning은 양자 컴퓨터를 사용하여 머신러닝 모델을 생성하고 훈련하는 데 필요한 기본 구성 요소를 제공합니다. 분류 및 회귀 작업을 위한 고수준 도구를 제공함으로써 양자 컴퓨팅과 클래식 머신러닝 사이의 간극을 메웁니다.

작동 방식

이 라이브러리는 몇 가지 핵심 양자 머신러닝 접근 방식을 구현합니다:

• 커널 기반 방법: FidelityQuantumKernel을 사용하여 커널 행렬을 계산하며, 이는 Quantum Support Vector Classifiers (QSVC) 또는 Regressors (QSVR)와 함께 사용할 수 있습니다.
• 양자 신경망 (QNNs): EstimatorQNN(관측량의 기대값을 출력) 및 SamplerQNN(비트 문자열 카운트를 출력으로 변환)을 통해 신경망을 위한 범용 인터페이스를 제공합니다.
• 변분 알고리즘: Variational Quantum Classifier (VQC) 및 Variational Quantum Regressor (VQR)와 같은 고수준 도구는 특징 맵과 ansatze를 사용하여 QNN을 자동으로 구축합니다.
• PyTorch 통합: TorchConnector를 통해 QNN을 PyTorch 워크플로우에 통합할 수 있어 자동 미분 및 하이브리드 양자-고전 신경망 생성이 가능합니다.

대상 사용자

양자 물리학에 대한 깊은 지식 없이도 양자 ML 모델의 프로토타입을 만들고자 하는 초보자와 이 분야에서 혁신적인 개념 증명을 수행하는 연구자 모두를 위해 설계되었습니다.

주요 특징

• 하이브리드 워크플로우: 하이브리드 양자-고전 모델을 위한 PyTorch와의 원활한 통합.
• 사용자 친화적 API: VQC 및 VQR 모델을 빠르게 구축하기 위한 고수준 구문.
• 유연한 프레임워크: 커널 기반 방법과 신경망 기반 접근 방식을 모두 지원.
• 확장 가능한 아키텍처: 새로운 최첨단 기능의 통합을 허용하기 위해 Qiskit SDK를 기반으로 구축되었습니다.