Abstract:
RESUMEN: En esta tesis se presentan dos nuevos modelos de memoria asociativa cuántica donde uno de ellos utiliza la distancia de Hamming y el otro el algoritmo de
Grover para la recuperación de patrones. Las propuestas combinan la fase de
aprendizaje de la Alfa-Beta SVM, que reduce la dimensionalidad de los patrones,
con las subrutinas cuánticas en la fase de recuperación; además, los patrones
se almacenan inicialmente en la memoria como una superposición cuántica para
aprovechar sus propiedades. Los experimentos que prueban su viabilidad y rendimiento se llevaron a cabo utilizando la biblioteca Qiskit SDK de IBM.
ABSTRACT: In this thesis we present two new models of quantum associative memory where one of them uses the Hamming distance and the other uses Grover’s algorithm
for pattern retrieval. The proposals combine the learning phase of the Alpha-Beta SVM, which reduces the dimensionality of the patterns, with the quantum subroutines in the retrieval phase; furthermore, the patterns are initially stored in memory as a quantum superposition to take advantage of their properties. Experiments testing their feasibility and performance were performed using IBM’s Qiskit SDK library.
Description:
Tesis (Doctorado en Ciencias de la Computación), Instituto Politécnico Nacional, CIC, 2022, 1 archivo PDF, (68 páginas). tesis.ipn.mx