Nalaganje ...
Projekti / Programi vir: ARIS

Tenzorske mreže kot povezava med klasičnim in kvantnim strojnim učenjem

Raziskovalna dejavnost

Koda Veda Področje Podpodročje
1.07.00  Naravoslovje  Računalniško intenzivne metode in aplikacije   

Koda Veda Področje
1.01  Naravoslovne vede  Matematika 
Ključne besede
strojno učenje, kvantne naprave, kvantno računanje, tenzorske mreže, večdelčni kvantni sistemi
Vrednotenje (pravilnik)
vir: COBISS
Upoš. tč.
4.382,9
A''
1.141,89
A'
2.259,2
A1/2
3.066,62
CI10
9.679
CImax
2.009
h10
47
A1
16,01
A3
2,61
Podatki za zadnjih 5 let (citati za zadnjih 10 let) na dan 19. maj 2024; A3 za obdobje 2018-2022
Podatki za razpise ARIS ( 04.04.2019 - Programski razpis, arhiv )
Baza Povezani zapisi Citati Čisti citati Povprečje čistih citatov
WoS  205  10.579  9.663  47,14 
Scopus  227  11.977  10.975  48,35 
Raziskovalci (5)
št. Evidenčna št. Ime in priimek Razisk. področje Vloga Obdobje Štev. publikacijŠtev. publikacij
1.  33106  dr. Enej Ilievski  Fizika  Raziskovalec  2020 - 2024  38 
2.  15295  dr. Marko Robnik Šikonja  Računalništvo in informatika  Raziskovalec  2020 - 2024  422 
3.  56518  dr. Antonio Federico Zegarra Borrero  Fizika  Raziskovalec  2021 - 2024 
4.  21369  dr. Marko Žnidarič  Fizika  Raziskovalec  2020 - 2024  149 
5.  30657  dr. Bojan Žunkovič  Fizika  Vodja  2020 - 2024  33 
Organizacije (2)
št. Evidenčna št. Razisk. organizacija Kraj Matična številka Štev. publikacijŠtev. publikacij
1.  1539  Univerza v Ljubljani, Fakulteta za računalništvo in informatiko  Ljubljana  1627023  16.280 
2.  1554  Univerza v Ljubljani, Fakulteta za matematiko in fiziko  Ljubljana  1627007  34.249 
Povzetek
Strojno učenje temelji na veliki količini podatkov in potrebuje ogromno računske moči. Kvantno računanje na drugi strani zagotavlja eksponentne pohitritve nekaterih klasičnih algoritmov. Zato je smiselno združiti prednosti obeh področij za reševanje izjemnih problemov v industriji in fundamentalnih raziskavah. Projekt ima tri cilje. Prvi cilj je uporaba metod strojnega učenja za opis kvantnih sistemov mnogih teles. V tem delu projekta se bomo spoprijeli z nekaterimi težkimi problemi kvantne mehanike mnogih teles z uporabo novih orodij, ki jih dobimo z adaptacijo nevronskih mrež za kvantno mehanske probleme. Drugi cilj je uporaba metod iz kvantne mehanike mnogih teles za reševanje problemov strojnega učenja. Z nove perspektive, ki je motivirana z uspehom tenzorskih mrež za opis večdelčnih kvantnih sistemov, bomo obravnavali probleme nasprotnih primerov, negotovosti in posploševanja. Tretji in najambicioznejši cilj je združiti znanje iz kvantne mehanike in strojnega učenja, da bi našli nove, uporabne aplikacije kvantnih naprav. Uporabili bomo kombinacijo uspešnih kvantno-mehanskih orodij in orodij strojnega učenja, za razvoj kvantnih algoritmov uporabnih na zdajšnjih kvantnih napravah in bistveno hitrejših od njihovih klasičnih različic.
Zgodovina ogledov
Priljubljeno