Este trabalho foi publicado pelo Galoá e tem um DOI depositado. Para citar este trabalho, use um dos padrões abaixo:
Caso você seja um dos co-autores e queira cadastrar esse trabalho no seu Currículo Lattes, use o seguinte código: doi > 10.59254/sbpo-2024-193639
Se você NUNCA registrou um DOI no seu Lattes, veja nosso tutorial!Com o crescimento do número de candidatas a pulsares, urge a necessidade da aplicação de métodos automatizados para sua análise e classificação, como o uso de Inteligência Artificial. Máquina de Vetores de Suporte (SVM - Support Vector Machine) se consolidou como um dos principais algoritmos de Aprendizado de Máquina para problemas de classificação. Em sua formulação original, o treinamento de um SVM possui complexidade quadrática, o que abre margem para a busca de métodos mais eficientes de resolução. Uma forma de melhorar a eficiência é através do uso de Computação Quântica, onde é possível obter algoritmos com vantagens em relação aos computadores clássicos, como o HHL. Este artigo apresenta a classificação de candidatas a pulsares utilizando SVMs gerados através de um método automatizado híbrido clássico-quântico, onde o uso de Aprendizado de Máquina Quântico permitiu a obtenção de acurácias superiores à acurácia máxima encontrada pela versão clássica do algoritmo.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo