Práctica académica en Grupo Bernier SAS: perceptrón multicapa en computación cuántica

Abstract

Este artículo muestra una alternativa de perceptrón diseñada en computación cuántica, que consta de dos neuronas de entrada, dos neuronas en su capa oculta y una neurona en su capa de salida. El objetivo principal de este trabajo es el diseño de un clasificador de puntos ubicado dentro de un plano cartesiano, que depende de dos variables de entrada x, y; Estos se clasifican en dos tipos (tipo 1 y tipo 0). Este diseño se basa en el término distancia entre estados cuánticos, por lo que el programa determina si el punto en cuestión es de tipo 0 o tipo 1, dependiendo de la probabilidad de ser de un tipo u otro. La idea principal del trabajo gira en torno a la esfera cuántica, donde los valores 1 y 0 se asignan a los puntos estipulados por el usuario (Network Training). Luego, dependiendo de la distancia entre los puntos de entrenamiento y los puntos de prueba, las puertas cuánticas determinan si es más probable que sea de tipo cero o de tipo uno.