Regressio kvanttitietokoneella

No Thumbnail Available

Files

URL

Journal Title

Journal ISSN

Volume Title

Perustieteiden korkeakoulu | Bachelor's thesis
Electronic archive copy is available locally at the Harald Herlin Learning Centre. The staff of Aalto University has access to the electronic bachelor's theses by logging into Aaltodoc with their personal Aalto user ID. Read more about the availability of the bachelor's theses.
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.

Authors

Date

2024-05-08

Department

Major/Subject

Tietotekniikka

Mcode

SCI3027

Degree programme

Teknistieteellinen kandidaattiohjelma

Language

fi

Pages

34

Series

Abstract

Työn aiheena on regressio kvanttitietokoneella. Työn tavoitteena on implementoida kaksi kvanttiregressioalgoritmia sekä klassinen regressioalgoritmi ja vertailla niitä keskenään. Kvanttialgoritmit simuloidaan klassisesti. Työn tietoaineistona on Graduate Admission -tietoaineisto, jota käytetään jokaisen algoritmin arviointiin. Algoritmit implementoidaan Qiskit-, Pennylane- ja Scikit-learn -kirjastoja hyödyntäen Python-ohjelmointikielellä. Kvanttialgoritmit ovat vertailukelpoisia klassisen algoritmin kanssa, mutta käytännöllisyyden näkökulmasta klassinen regressioalgoritmi osoittautui toistaiseksi parhaaksi. Implementoidut kvanttialgoritmit ovat hyvä lähtökohta jatkokehitykselle. Tavoitteena on jatkaa tutkimusta näiden algoritmien parissa ja ajaa ne oikealla kvanttitietokoneella.

Description

Supervisor

Savioja, Lauri

Thesis advisor

Raasakka, Matti

Keywords

regressio, kvanttilaskenta, kvanttikoneoppiminen, kvanttineuroverkko, kubitti, superpositio

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-202406044021

Collections

[kand] Perustieteiden korkeakoulu / SCI