Comparison of Classification Models of Novel Quantum Machine Learning on QisKit Dataset

作者
Ahmad S. Almadhor
标识
DOI:10.1109/csde56538.2022.10089297
摘要

Classical computers utilize ones and zeroes, but quantum computers employ qubits. Quantum computers employ ones and zeros, but qubits have a third state called “superposition” that lets them represent both at once. In quantum computing, qubits can serve double duty. A quantum computer functions under different rules than a regular computer. It doesn't use bits and bytes like ordinary computers, but qubits. Quantum computers measure and retrieve data using qubits. Unlike standard computer bits, qubits can hold several values at once. They have a speed advantage over traditional computers and algorithms. Quantum machine learning uses qubits, quantum processes, or other specialized quantum systems to boost algorithm computation and storage speed. Data is computed using machine learning methods. Quantum machine learning adds quantum computers to the pool of machine learning gear. Quantum computing exploits quantum theory to handle information. Three quantum machine learning models were constructed for dataset categorization to test quantum computing. Comparing quantum and classical ML models. Quantum ML models showed the most accuracy after analysis. QSVM got 98%, QLR and QKNN 97%. Quantum deep learning can also be used for future investigations.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
1秒前
CipherSage的应助被yyyy采纳,获得10
1秒前
chidianyao完成签到,获得积分10
1秒前
充电宝的应助被科研元采纳,获得10
1秒前
1秒前
chen完成签到,获得积分10
2秒前
田様的应助被carbon采纳,获得10
2秒前
2秒前
2秒前
Haruhi发布了新的文献求助10
2秒前
lily发布了新的文献求助20
4秒前
4秒前
白青完成签到,获得积分10
5秒前
搜集达人的应助被obcx采纳,获得10
5秒前
lzl发布了新的文献求助10
5秒前
aaa完成签到,获得积分10
6秒前
wyt完成签到,获得积分10
6秒前
Gyafe发布了新的文献求助10
7秒前
sdkumamon完成签到 ,获得积分10
7秒前
rainbow发布了新的文献求助30
8秒前
闪闪兰发布了新的文献求助30
8秒前
9秒前
10秒前
yuyu完成签到 ,获得积分10
10秒前
10秒前
挚友发布了新的文献求助10
12秒前
小橘子完成签到,获得积分10
12秒前
13秒前
13秒前
黄毛虎发布了新的文献求助10
13秒前
214完成签到,获得积分20
13秒前
14秒前
麒麟才子完成签到,获得积分10
14秒前
觉皇完成签到,获得积分10
14秒前
充电宝的应助被hhhhhhh采纳,获得10
14秒前
相看两厌完成签到,获得积分10
15秒前
吴境发布了新的文献求助10
15秒前
16秒前
16秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
八旗制度の研究 600
高分子基功能界面水蒸发材料与应用研究 500
外场增强的水汽发电研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8187480
求助须知:如何正确求助?哪些是违规求助? 9575554
关于积分的说明 21841909
捐赠科研通 7785230
什么是DOI,文献DOI怎么找? 3434949
关于科研通互助平台的介绍 2559412
邀请新用户注册赠送积分活动 2481898