Apprentissage automatique quantique : fondements théoriques et algorithmes – QuantML

L'apprentissage automatique quantique est un domaine de recherche émergent à fort potentiel. L'intérêt, dans ce domaine, s'est principalement porté sur l’accélération des algorithmes d'apprentissage, avec des gains en complexité polynomiaux voire exponentiels. Le projet QuantML dépasse cette vision et vise non seulement à développer des versions quantiques des algorithmes d’apprentissage automatique mais aussi à importer des notions fondamentales de l’informatique quantique dans l’apprentissage automatique. Le projet a pour objectifs de 1) explorer et exploiter de nouvelles synergies entre ces deux domaines, 2) identifier des stratégies et des méthodes bien fondées pour élaborer des algorithmes d’apprentissage automatique améliorés quantiquement, et 3) développer de nouvelles idées pour appliquer les technologies d'apprentissage automatique à l'information quantique. Le transfert de concepts du domaine de l'informatique quantique, tels que la superposition, l’intrication et la causalité, au domaine de l’apprentissage automatique, et en particulier aux machines à noyau et aux réseaux de neurones, est un aspect central de QuantML qui nécessite une recherche interdisciplinaire. Pour ses objectifs le projet QuantML s’appuie sur un consortium qui rassemble des experts en apprentissage automatique et en informatique quantique.