Dinamik sistemlerin kuantum sinir ağlarıyla analizi

Günümüzde kuantum hesaplama için önerilen algoritmalar ve üretilen kuantum bilgisayar teknolojileri gelişmeye devam etmektedir. Diğer taraftan makine öğrenmesi bilgisayarlı görü, doğal dil işleme, tahmin, sınıflandırma gibi, birçok problemin çözümü için başvurulan önemli yöntemlerden biri haline gelmiştir. Kuantum makine öğrenmesi, bu iki temel yöntemin avantajlı taraflarının birleştirilmesiyle geliştirilen yeni bir alandır. Kuantum ve klasik hesaplamaların hibrit bir yaklaşımı olarak varyasyonel kuantum devreleri, girdi değişkenlerine karşılık bir çıktı değerinin tahmin edilmesini sağlayan makine öğrenmesi formundadır. Bu çalışmada, süper pozisyonun ve dolaşıklığın etkileri, veri kümesi boyutunun küçük olması durumunda, varyasyonel kuantum devre modeli ile hava durumu tahmini araştırılmıştır. Varyasyonel katmanlar arasında dolaşıklık katmanının kullanılması devre performansı üzerinde önemli bir etkiye sahip olduğu görülmüştür. Başlangıçta süperpozisyon katmanının kullanılması daha az sayıda varyasyonel katman kullanmamıza olanak sağlamıştır. Anahtar Sözcükler: Kuantum Hesaplama, Makine Öğrenmesi, Hava Durumu Tahmini, Varyasyonel Kuantum Devreleri, Hibrid Kuantum-Klasik Sinir Ağları