Quantum machine learning

Questo documento è un'introduzione al mondo del Quantum Machine Learning, un campo interdisciplinare che combina i principi della meccanica quantistica e del machine learning per creare modelli di calcolo avanzati. Il documento è suddiviso in tre capitoli. Il primo capitolo fornisce una panoramica della computazione quantistica, spiegando i concetti fondamentali come i qubit, le porte quantistiche e gli algoritmi quantistici. Il secondo capitolo esplora il machine learning, fornendo una panoramica dei concetti fondamentali come la classificazione, la regressione e le reti neurali. Il terzo capitolo è dedicato al Quantum Machine Learning, esplorando come le peculiarità della computazione quantistica possano essere sfruttate nell'ambito dell'intelligenza artificiale realizzando modelli ispirati a quelli classici ma che in determinati casi possono rivelarsi più efficienti nella risoluzione di problemi tipici dell'apprendimento automatico. In particolare alla fine della tesi è proposta una simulazione di un circuito ibrido che, sfruttando le tecniche descritte nel corso dei capitoli, è in grado di classificare dati del MNIST, un dataset di immagini di cifre scritte a mano che è diventato una sorta di benchmark nel campo dell'apprendimento automatico ed è spesso utilizzato per valutare l'efficacia di nuovi algoritmi e tecniche di classificazione.