Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Quantum K means Algorithm
KTH, Skolan för elektroteknik och datavetenskap (EECS).
2019 (Engelska)Självständigt arbete på avancerad nivå (masterexamen), 20 poäng / 30 hpStudentuppsats (Examensarbete)
Abstract [en]

Quantum algorithms are being extensively researched nowadays seeing thepotential of providing exponential speed up when compared to classical algorithmexecution. This speed-up can play a big role in machine learning wheretraining a model is usually very slow. Training a machine learning model requiresmanipulating large vectors and quantum computers inherently are reallyfast at manipulating and computing large vectors and tensor products.However, current quantum computers have certain limitations with respect toqubit’s coherence times and noise. These barriers reduce their effectiveness insolving problems with high accuracy. In pursuit of having better results on currentterm noisy quantum computers, implementations of quantum algorithmswith simpler circuits are desired. To address this problem, three different novelmethods of the quantum version of the K-means clustering algorithm are presentedwith optimized shallow depth quantum circuit design. Experimentalresults on the quantum computer IBMQX2 are demonstrated which show asignificant improvement in the accuracy of the quantum K-means algorithm.

Abstract [sv]

Forskning inom kvantalgoritmer har ökat kraftig under de senaste åren p.g.a. en lovande exponentiell speed up för visa beräkningar som kräver en mängd stor data och tar en lång tida i en klassikt dator. Den här speed up:en kan spela en stor roll i maskininlärning där träningen av en modell är vanligtvis mycket långsam. Träning av en maskininlärningsmodell kräver att man manipulerar stora vektorer och kvantdatorer är i själva verket snabba att manipulera och beräkna stora vektorer och tensorprodukter. Nuvarande kvantdatorer har emellertid vissa begränsningar med avseende på qubit-koherens och brus. Dessa hindrar deras effektivitet vid att lösa problem med hög noggrannhet. I strävan efter att ha bättre resultat på de befintliga brus-påverkade kvantdatorer, är det önskvärt att implementera kvantalgoritmer med enklare kvantkretsar. Vi adresserar problematiken med tre olika nya metoder för kvant K-means algorithm som har en optimerad grunddjupkvantkretsdesign. Experimentella resultat på kvantmaskinen IBMQX2 visas och e visar en betydande förbättringav precision hos kvant K-means algoritmen.

Ort, förlag, år, upplaga, sidor
2019. , s. 64
Serie
TRITA-EECS-EX ; 2019:618
Nationell ämneskategori
Teknik och teknologier
Identifikatorer
URN: urn:nbn:se:kth:diva-266107OAI: oai:DiVA.org:kth-266107DiVA, id: diva2:1381305
Externt samarbete
Ericsson AB
Handledare
Examinatorer
Tillgänglig från: 2019-12-20 Skapad: 2019-12-20 Senast uppdaterad: 2019-12-20Bibliografiskt granskad

Open Access i DiVA

fulltext(1233 kB)102 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 1233 kBChecksumma SHA-512
6174f9265b8926a3a33c1e55bee02d97d247a889251fdf42cc8f4a0d108d9125aecc39cf1abf7e34b86aed953da4aaa18b365af60ddbeeef11b6225e0c15415b
Typ fulltextMimetyp application/pdf

Av organisationen
Skolan för elektroteknik och datavetenskap (EECS)
Teknik och teknologier

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 102 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 52 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf