পদার্থবিদ্যায় মেশিন লার্নিং: সংশোধিত সংস্করণের মধ্যে পার্থক্য

ক্রমবর্ধমান জটিল কোয়ান্টাম সিস্টেমগুলি পরীক্ষামূলকভাবে নিয়ন্ত্রণ ও প্রস্তুত করার সক্ষমতা বৃহত্তর এবং গোলমালী ডেটা সেটগুলিকে অর্থবহ তথ্যে পরিণত করার ক্রমবর্ধমান প্রয়োজনীয়তা দেখা দেয়। এটি এমন একটি সমস্যা যা ইতিমধ্যে চিরায়ত বিন্যাসে ব্যাপকভাবে আলোচনা করা হয়েছে এবং ফলস্বরূপ প্রচুর পুরাতন মেশিন লার্নিং কৌশল আরও দক্ষ পরীক্ষামূলক সমস্যার সাথে স্বাভাবিকভাবে পরিবর্তিত হতে পারে। উদাহরণস্বরূপ কোয়ান্টাম স্টেট শ্রেণিবিন্যাস,<ref name = "sentis2012quantum" >{{সাময়িকী উদ্ধৃতি|ইউআরএল=|শিরোনাম=Quantum learning without quantum memory|শেষাংশ=Sentís|প্রথমাংশ=Gael|শেষাংশ২=Calsamiglia|প্রথমাংশ২=John|বছর=2012|পাতা=708|arxiv=1106.2742|ডিওআই=10.1038/srep00708|pmc=3464493|pmid=23050092}}</ref> লার্নিং হ্যামিলটোনীয়ান,<ref>{{সাময়িকী উদ্ধৃতি|ইউআরএল=|শিরোনাম=Quantum Hamiltonian learning using imperfect quantum resources|শেষাংশ=Wiebe|প্রথমাংশ=Nathan|শেষাংশ২=Granade|প্রথমাংশ২=Christopher|বছর=2014|পাতা=042314|arxiv=1311.5269|ডিওআই=10.1103/physreva.89.042314}}</ref> এবং একটি অজানা ঐকিক রূপান্তরের চরিত্রায়ন মোকাবেলায় [[বেইজীয় উপপাদ্য|বায়েশিয়ান]] পদ্ধতি এবং অ্যালগরিদমিক শিক্ষার ধারণাগুলি কার্যকরভাবে প্রয়োগ করা যেতে পারে।<ref name = "bisio2010" >{{সাময়িকী উদ্ধৃতি|শিরোনাম=Optimal quantum learning of a unitary transformation|ইউআরএল=https://archive.org/details/arxiv-0903.0543|শেষাংশ=Bisio|প্রথমাংশ=Alessandro|শেষাংশ২=Chiribella|প্রথমাংশ২=Giulio|বছর=2010|পাতাসমূহ=032324|arxiv=0903.0543|ডিওআই=10.1103/PhysRevA.81.032324}}</ref><ref name = ":3" >{{সাময়িকী উদ্ধৃতি|ইউআরএল=|শিরোনাম=A strategy for quantum algorithm design assisted by machine learning|শেষাংশ=Jeongho|শেষাংশ২=Junghee Ryu|প্রথমাংশ২=Bang|বছর=2014|পাতা=073017|arxiv=1304.2169|ডিওআই=10.1088/1367-2630/16/1/013017}}</ref> এই পদ্ধতির সাথে সম্পর্কিত অন্যান্য সমস্যাগুলি নীচের তালিকায় দেওয়া হল: