Members-Only
Recent Talks & Demos are for members only
You must be an AI Tinkerers active member to view these talks and demos.
IA + ML + Quantum Classification with IBM Quantum Computing
Quantum classification with IBM Qiskit versus scikit‑learn KMeans, using a simple RY feature map and vectorized fidelity to avoid per‑point circuit construction.
En este proyecto exploramos el uso de algoritmos de clasificación implementados con IBM Quantum Computing utilizando circuitos cuánticos de qubits. Contrastamos su rendimiento con la versión clásica del algoritmo para medir tiempos y eficiencia.
Durante la experimentación descubrimos que el mayor reto no estaba en la cuántica en sí, sino en cómo se construían los cálculos: crear un circuito y un statevector para cada punto y cada centroide volvía el proceso ineficiente en Python.
La solución fue usar un feature map simple (rotaciones RY sin entrelazamiento), que permite calcular la fidelidad cuántica mediante una fórmula cerrada y vectorización con NumPy, evitando la construcción de circuitos en cada paso. Esto transformó el cuello de botella en operaciones matriciales rápidas (cos, mul, argmax) y permitió comparar de manera más justa contra KMeans de scikit-learn.
Compose Email
Loading recent emails...