Classificação de Candidatas a Pulsar usando SVMs gerados de forma híbrida Clássico-Quântica

Vol 56, 2024 - 309650
Trabalho completo (Oral)
Favoritar este trabalho
Como citar esse trabalho?
Resumo

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.

Compartilhe suas ideias ou dúvidas com os autores!

Sabia que o maior estímulo no desenvolvimento científico e cultural é a curiosidade? Deixe seus questionamentos ou sugestões para o autor!

Faça login para interagir

Tem uma dúvida ou sugestão? Compartilhe seu feedback com os autores!

Instituições
  • 1 Universidade Federal Fluminense (UFF)
Eixo Temático
  • 26. SE-QPO - Métodos Quânticos e suas Aplicações em Pesquisa Operacional
Palavras-chave
Aprendizado de Máquina Quântico
SVM
HHL