Kuantum makine öğrenmesi nedir?

Kuantum makine öğrenmesi nedir, nasıl çalışır, gerçekten avantaj sağlar mı? Varyasyonel devreler, kuantum sınıflandırıcı ve PennyLane ile ilk adımlar.

Ücretsiz Türkçe derslere başla

Kısa cevap

Kuantum makine öğrenmesi, makine öğrenmesi problemlerinde kuantum devrelerini kullanmayı araştıran alandır. Bugün en yaygın yaklaşım, parametreleri klasik bir optimizasyonla eğitilen kısa kuantum devreleri (varyasyonel devreler) kullanmaktır. Alan heyecan verici ama gerçek problemlerde klasik yöntemlere karşı kanıtlanmış bir üstünlük henüz yok.

Nasıl çalışır?

Veri kodlama: Klasik veri (örneğin bir resmin özellikleri) kapı açılarına çevrilerek kübitlere yüklenir.

Parametreli devre: Ardından açıları ayarlanabilir kapılardan oluşan bir devre gelir. Bu açılar, sinir ağındaki ağırlıkların karşılığıdır.

Ölçüm ve eğitim: Kübitler ölçülür, sonuçtan bir tahmin üretilir ve tahminin hatası hesaplanır. Klasik bir optimizasyon algoritması, hatayı azaltacak yönde açıları günceller. Gradyanlar, parametre kaydırma kuralı denen yöntemle yine kuantum devresinden hesaplanabilir.

Neden heyecan verici?

Kuantum devreleri, klasik bilgisayarla hesaplaması zor olan çok yüksek boyutlu durum uzaylarında çalışır. Bazı yapay olarak tasarlanmış problemlerde kuantum çekirdek yöntemlerinin kanıtlanabilir avantaj sağladığı gösterildi. Kuantum sistemlerden gelen verilerin (örneğin bir kuantum deneyinin çıktısının) doğrudan kuantum bilgisayarla işlenmesi ise en umut verici kullanım alanlarından biri olarak görülüyor.

Gerçekçi sınırlar

Veri yükleme darboğazı: Büyük klasik veri setlerini kübitlere yüklemek çoğu zaman olası hızlanmayı yok edecek kadar pahalıdır.

Çorak platolar: Kübit sayısı ve devre derinliği arttıkça gradyanlar üstel olarak küçülebilir ve eğitim durur. Devre tasarımı bu yüzden çok önemlidir.

Klasikleştirme: Ewin Tang 2018’de, kuantum öneri sistemi algoritması gibi bazı önerilen kuantum hızlanmalarının benzer klasik algoritmalarla da elde edilebileceğini gösterdi. Sonraki çalışmalar başka algoritmalar için de benzer sonuçlar buldu. Bir kuantum avantajı iddiası, en iyi klasik yöntemle dikkatle karşılaştırılmalıdır.

Gürültü: Bugünkü donanımda gürültü, devrelerin boyutunu ve dolayısıyla modellerin gücünü sınırlıyor.

Nasıl başlarım?

Xanadu’nun açık kaynak kütüphanesi PennyLane, kuantum devrelerini PyTorch ve JAX gibi tanıdık makine öğrenmesi araçlarıyla birleştirir ve otomatik türev alır. Quantum Store’daki PennyLane sınıflandırıcı paketi, küçük bir veri setinde eğitilen bir varyasyonel kuantum sınıflandırıcıyı adım adım gösterir. Önce süperpozisyon, dolanıklık ve girişim derslerini bitirmen konuları çok kolaylaştırır.

Sık sorulan sorular

Kuantum makine öğrenmesi yapay zekâyı hızlandıracak mı?

Bugün için belirsiz. Büyük dil modelleri gibi klasik verilerle çalışan sistemlerde kuantum avantajı gösterilmedi. En güçlü adaylar kuantum verisiyle çalışan ve özel yapıya sahip problemler.

Kuantum makine öğrenmesi için hangi kütüphaneyi kullanmalıyım?

Başlangıç için PennyLane en kolay seçeneklerden biridir; PyTorch ve JAX ile birlikte çalışır. Qiskit Machine Learning ve TensorFlow Quantum da alternatiflerdir.

Kuantum makine öğrenmesi için kuantum bilgisayar gerekir mi?

Öğrenmek ve denemek için gerekmez. Küçük modeller kendi bilgisayarındaki simülatörde çalışır; istersen bulut üzerinden gerçek donanımda da çalıştırabilirsin.

Bu rehberdeki kavramlar

Süperpozisyon · Süperpozisyon, bir kübitin ölçülmeden önce 0 ve 1 durumlarının belirli genliklerle bir arada bulunduğu kuantum durumudur.
Kuantum dolanıklığı · Dolanıklık, birden fazla kübitin ortak bir kuantum durumunda olması ve ölçüm sonuçlarının, kübitler birbirinden uzak olsa bile birbiriyle bağlantılı çıkmasıdır.
Kuantum girişimi · Kuantum girişimi, genliklerin dalgalar gibi toplanarak bazı sonuçların olasılığını artırması, bazılarınınkini ise sıfıra indirmesidir.
Kuantum devresi · Kuantum devresi, kübitlere sırayla uygulanan kapılardan ve sondaki ölçümlerden oluşan bir kuantum programıdır.
NISQ (gürültülü orta ölçekli kuantum) · NISQ, John Preskill’in 2018’de adlandırdığı, onlarca ile birkaç yüz arası gürültülü ve hata düzeltmesiz kübitle çalışan bugünkü kuantum bilgisayar dönemidir.
VQE (varyasyonel kuantum özdeğer çözücü) · VQE, bir molekülün taban enerjisini, parametreli bir kuantum devresini klasik bir optimizasyon döngüsüyle ayarlayarak yaklaşık bulan hibrit kuantum algoritmasıdır.

Tüm kuantum sözlüğü →