← Quantum Store · Dersler · Tüm paketler · Öğrenme yolları

Xanadu ve PennyLane topluluğu

PennyLane ile kuantum makine öğrenmesi sınıflandırıcısı

YazılımKuantum makine öğrenmesiLisans: Apache-2.0Sürüm: 0.45.18.0 KB

Resmi kaynak: PennyLaneAI/pennylane

ZIP indir (ücretsiz) Mağazada aç

İki kübitlik değişken devreyi bir sinir ağı gibi eğitip iki sınıflı veriyi ayıran kuantum makine öğrenmesi örneği. Görülmemiş test noktalarında %100 doğruluk; Türkçe rehberli.

Kuantum makine öğrenmesi nedir?

Klasik bir sinir ağında ağırlıkları ayarlayarak modeli eğitiriz. Kuantum makine öğrenmesinde (QML) ağırlıkların yerini bir kuantum devresindeki döndürme açıları alır. Klasik bir optimizasyon döngüsü bu açıları değiştirir, kuantum devre de tahmini üretir. Bu yapıya hibrit algoritma denir.

Bu paketteki örnek

kuantum_siniflandirici.py:

  1. İki gruba ayrılmış rastgele noktalar üretir (eğitim için 40, test için 50).
  2. Her noktanın iki koordinatını iki kübitin döndürme açısına gömer (AngleEmbedding).
  3. Öğrenilebilir iki katmanlı bir dolanıklık devresi uygular (StronglyEntanglingLayers).
  4. Birinci kübitin ölçüm beklentisinin işaretine göre sınıf tahmin eder.
  5. Adam optimizasyonuyla 40 adım eğitir.

Test makinemizde doğruluk eğitimden önce %46 (yazı-turadan farksız), eğitimden sonra eğitimde hiç görülmemiş 50 noktada %100 oldu. Çalıştırma yaklaşık bir dakika sürer.

Dürüst bir not

Bu kadar basit bir veri setini klasik bir model de kolayca ayırır. Örneğin amacı kuantum üstünlüğü göstermek değil, QML'nin nasıl çalıştığını en küçük haliyle göstermektir. Kuantum makine öğrenmesinin hangi problemlerde gerçek avantaj sağlayacağı hâlâ araştırma konusudur.

Sonraki adımlar

  1. Bulutları birbirine yaklaştır (0.8 yerine 0.3); doğruluğun nasıl düştüğünü gör.
  2. Katman sayısını (n_layers) 1 ve 4 yapıp karşılaştır.
  3. PennyLane'in qml.data modülüyle gerçek bir veri setine geç.

Kurulum ve çalıştırma

pip install pennylane
python kuantum_siniflandirici.py

Test edildiği ortam: pennylane 0.45.1, Python 3.12.

Resmi kaynak

Bağlantılar

Paket içeriği

Lisans

Bu paketteki örnek kod ve Türkçe rehber Quantum Store Editörleri tarafından yazılmıştır ve MIT lisanslıdır. Kullandığı proje kendi lisansına (Apache-2.0) tabidir.


Quantum Store — https://hakanerdogan.com