Kuantum Çağında Makine Öğrenimi: Kuantum ve Klasik Destek Vektör Makinelerinin Karşı Karşıya Gelmesi

Authors : Davut Emre Tasar, Kutan Koruyan, Ceren Öcal Coşar
Pages : 65-72
Doi:10.70447/ktve.2235
View : 44 | Download : 2
Publication Date : 2023-10-30
Article Type : Research Paper
Abstract :[tur] Bu çalışma, klasik ve kuantum hesaplama paradigmalarındaki makine öğrenimi algoritmalarının performansını karşılaştırmayı amaçlamaktadır. Özellikle, Destek Vektör Makineleri (SVM) üzerinde durarak, klasik SVM ile kuantum donanımı üzerinde çalıştırılan Kuantum Destek Vektör Makineleri (QSVM)’nin Iris veri seti üzerindeki sınıflandırma başarısını değerlendirmekteyiz. Kullanılan metodoloji, Qiskit kütüphanesi ile gerçekleştirilen kapsamlı deneyler serisini ve hiperparametre optimizasyonunu içermektedir. Elde edilen sonuçlar, belirli durumlarda QSVM'lerin klasik SVM'lerle rekabet edebilecek düzeyde doğruluk sağladığını, fakat çalışma sürelerinin şu an için daha uzun olduğunu göstermektedir. Ayrıca, kuantum hesaplama kapasitesinin ve paralellik derecesinin arttırılmasının, kuantum makine öğrenimi algoritmalarının performansını önemli ölçüde iyileştirebileceğini belirtmekteyiz. Bu çalışma, kuantum çağında makine öğrenimi uygulamalarının mevcut durumu ve gelecekteki potansiyeli hakkında değerli içgörüler sunmaktadır. Colab: https://t.ly/QKuz0 [eng] This work endeavors to juxtapose the efficacy of machine learning algorithms within classical and quantum computational paradigms. Particularly, by emphasizing on Support Vector Machines (SVM), we scrutinize the classification prowess of classical SVM and Quantum Support Vector Machines (QSVM) operational on quantum hardware over the Iris dataset. The methodology embraced encapsulates an extensive array of experiments orchestrated through the Qiskit library, alongside hyperparameter optimization. The findings unveil that in particular scenarios, QSVMs extend a level of accuracy that can vie with classical SVMs, albeit the execution times are presently protracted. Moreover, we underscore that augmenting quantum computational capacity and the magnitude of parallelism can markedly ameliorate the performance of quantum machine learning algorithms. This inquiry furnishes invaluable insights regarding the extant scenario and future potentiality of machine learning applications in the quantum epoch. Colab: https://t.ly/QKuz0
Keywords : Quantum Computing, Kuantum Teknolojileri, Makine Öğrenmesi, Veri

ORIGINAL ARTICLE URL