Estratégias de treinamento em batch para classificadores binários quânticos baseados em gradiente

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: ALCÂNTARA, Felipe Augusto Marques de
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Pernambuco
UFPE
Brasil
Programa de Pos Graduacao em Ciencia da Computacao
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Computação quântica
Classificadores quânticos
Aprendizagem em batch
Algoritmos variacionais
Link de acesso: https://repositorio.ufpe.br/handle/123456789/66894
Resumo: Oprocessamento da informação quântica inaugura uma nova forma de computação e uma nova forma de pensar técnicas de processamento de dados para aprendizagem de máquinas. Este estudo investiga o uso da superposição na construção de batches de dados. Trabalhos como (FARHI; NEVEN, 2018) e (SCHULD et al., 2020) introduziram a ideia mas até o presente momento não existe uma análise comparativa ou mesmo uma formalização conceitual sobre o tema. De forma a preencher essa lacuna, propõe-se um método comparativo e uma catego rização das estratégias encontradas na literatura. Como contribuição adicional, apresenta-se uma nova estratégia em que o batch é composto por mais de um circuito com dados em su perposição. As estratégias foram avaliadas de forma experimental em classificadores quânticos variacionais para diferentes configurações de hiperparâmetros do batch. Entre os resultados, verificou-se que estratégias com maior quantidade de padrões em superposição alcançaram valores médios superiores de acurácia no treino e no teste, além de maior capacidade de generalização
id UFPE_d5fa3146e65897e663f566c877ed64e3
oai_identifier_str oai:repositorio.ufpe.br:123456789/66894
network_acronym_str UFPE
network_name_str Repositório Institucional da UFPE
repository_id_str
spelling Estratégias de treinamento em batch para classificadores binários quânticos baseados em gradienteComputação quânticaClassificadores quânticosAprendizagem em batchAlgoritmos variacionaisOprocessamento da informação quântica inaugura uma nova forma de computação e uma nova forma de pensar técnicas de processamento de dados para aprendizagem de máquinas. Este estudo investiga o uso da superposição na construção de batches de dados. Trabalhos como (FARHI; NEVEN, 2018) e (SCHULD et al., 2020) introduziram a ideia mas até o presente momento não existe uma análise comparativa ou mesmo uma formalização conceitual sobre o tema. De forma a preencher essa lacuna, propõe-se um método comparativo e uma catego rização das estratégias encontradas na literatura. Como contribuição adicional, apresenta-se uma nova estratégia em que o batch é composto por mais de um circuito com dados em su perposição. As estratégias foram avaliadas de forma experimental em classificadores quânticos variacionais para diferentes configurações de hiperparâmetros do batch. Entre os resultados, verificou-se que estratégias com maior quantidade de padrões em superposição alcançaram valores médios superiores de acurácia no treino e no teste, além de maior capacidade de generalizaçãoQuantum information processing inaugurates a new form of computation and a new way of designing data processing techniques for machine learning. This study investigates the use of superposition in the construction of data batches. Works such as (FARHI; NEVEN, 2018) and (SCHULD et al., 2020) introduced the idea, but up to now there has been neither a comparative analysis nor a conceptual formalization of the subject. To fill this gap, a comparative method and a categorization of the strategies found in the literature are proposed. As an additional contribution, a new strategy is presented in which the batch is composed of more than one circuit with data in superposition. The strategies were experimentally evaluated in variational quantum classifiers under different batch hyperparameter configurations. Among the results, it was observed that strategies with a higher number of superposed patterns achieved superior average accuracy in both training and testing, as well as greater generalization capacity.Universidade Federal de PernambucoUFPEBrasilPrograma de Pos Graduacao em Ciencia da ComputacaoSILVA, Adenilton José dahttp://lattes.cnpq.br/9174237581772416http://lattes.cnpq.br/0314035098884256ALCÂNTARA, Felipe Augusto Marques de2025-11-18T13:15:06Z2025-11-18T13:15:06Z2025-08-22info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfALCÂNTARA , Felipe Augusto Marques de. Estratégias de treinamento em batch para classificadores binários quânticos baseados em gradiente. 2025. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Pernambuco, Recife, 2025.https://repositorio.ufpe.br/handle/123456789/66894porhttps://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPE2025-11-23T19:36:38Zoai:repositorio.ufpe.br:123456789/66894Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212025-11-23T19:36:38Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false
dc.title.none.fl_str_mv Estratégias de treinamento em batch para classificadores binários quânticos baseados em gradiente
title Estratégias de treinamento em batch para classificadores binários quânticos baseados em gradiente
spellingShingle Estratégias de treinamento em batch para classificadores binários quânticos baseados em gradiente
ALCÂNTARA, Felipe Augusto Marques de
Computação quântica
Classificadores quânticos
Aprendizagem em batch
Algoritmos variacionais
title_short Estratégias de treinamento em batch para classificadores binários quânticos baseados em gradiente
title_full Estratégias de treinamento em batch para classificadores binários quânticos baseados em gradiente
title_fullStr Estratégias de treinamento em batch para classificadores binários quânticos baseados em gradiente
title_full_unstemmed Estratégias de treinamento em batch para classificadores binários quânticos baseados em gradiente
title_sort Estratégias de treinamento em batch para classificadores binários quânticos baseados em gradiente
author ALCÂNTARA, Felipe Augusto Marques de
author_facet ALCÂNTARA, Felipe Augusto Marques de
author_role author
dc.contributor.none.fl_str_mv SILVA, Adenilton José da
http://lattes.cnpq.br/9174237581772416
http://lattes.cnpq.br/0314035098884256
dc.contributor.author.fl_str_mv ALCÂNTARA, Felipe Augusto Marques de
dc.subject.por.fl_str_mv Computação quântica
Classificadores quânticos
Aprendizagem em batch
Algoritmos variacionais
topic Computação quântica
Classificadores quânticos
Aprendizagem em batch
Algoritmos variacionais
description Oprocessamento da informação quântica inaugura uma nova forma de computação e uma nova forma de pensar técnicas de processamento de dados para aprendizagem de máquinas. Este estudo investiga o uso da superposição na construção de batches de dados. Trabalhos como (FARHI; NEVEN, 2018) e (SCHULD et al., 2020) introduziram a ideia mas até o presente momento não existe uma análise comparativa ou mesmo uma formalização conceitual sobre o tema. De forma a preencher essa lacuna, propõe-se um método comparativo e uma catego rização das estratégias encontradas na literatura. Como contribuição adicional, apresenta-se uma nova estratégia em que o batch é composto por mais de um circuito com dados em su perposição. As estratégias foram avaliadas de forma experimental em classificadores quânticos variacionais para diferentes configurações de hiperparâmetros do batch. Entre os resultados, verificou-se que estratégias com maior quantidade de padrões em superposição alcançaram valores médios superiores de acurácia no treino e no teste, além de maior capacidade de generalização
publishDate 2025
dc.date.none.fl_str_mv 2025-11-18T13:15:06Z
2025-11-18T13:15:06Z
2025-08-22
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv ALCÂNTARA , Felipe Augusto Marques de. Estratégias de treinamento em batch para classificadores binários quânticos baseados em gradiente. 2025. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Pernambuco, Recife, 2025.
https://repositorio.ufpe.br/handle/123456789/66894
identifier_str_mv ALCÂNTARA , Felipe Augusto Marques de. Estratégias de treinamento em batch para classificadores binários quânticos baseados em gradiente. 2025. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Pernambuco, Recife, 2025.
url https://repositorio.ufpe.br/handle/123456789/66894
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal de Pernambuco
UFPE
Brasil
Programa de Pos Graduacao em Ciencia da Computacao
publisher.none.fl_str_mv Universidade Federal de Pernambuco
UFPE
Brasil
Programa de Pos Graduacao em Ciencia da Computacao
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPE
instname:Universidade Federal de Pernambuco (UFPE)
instacron:UFPE
instname_str Universidade Federal de Pernambuco (UFPE)
instacron_str UFPE
institution UFPE
reponame_str Repositório Institucional da UFPE
collection Repositório Institucional da UFPE
repository.name.fl_str_mv Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)
repository.mail.fl_str_mv attena@ufpe.br
_version_ 1856041937845354496

Registros relacionados