Login![[thumbnail of Thesis]](https://amslaurea.unibo.it/style/images/fileicons/application_pdf.png) |
Documento PDF (Thesis)
Full-text accessibile solo agli utenti istituzionali dell'Ateneo Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato Download (1MB) | Contatta l'autore |
Abstract
Il Quantum Computing (QC) e il Machine Learning (ML) sono due dei settori più promettenti dell’informatica al giorno d’oggi. Il primo riguarda l’utilizzo di proprietà fisiche di sistemi quantistici per realizzare computazioni, mentre il secondo algoritmi di apprendimento automatizzati capaci di riconoscere pattern nei dati. In questo elaborato vengono esposti alcuni dei principali algoritmi di Quantum Machine Learning (QML), ovvero versioni quantistiche dei classici algoritmi di ML. Il tutto è strutturato come un’introduzione all’argomento: inizialmente viene introdotto il QC spiegandone le proprietà più rilevanti, successivamente vengono descritti gli algoritmi di QML confrontandoli con le loro controparti classiche e infine vengono discusse le principali tecnologie attuali, mostrando alcune implementazioni degli algoritmi precedentemente discussi.
Altri metadati
Statistica sui download
Gestione del documento:
