Hybrid quantum classical architectures for scalable quantum machine learning in NISQ systems
Maksym Plakhtii
Abstract
У роботі розглянуто формалізовану модель квантової обробки надвеликих даних у межах Quantum Machine Learning з акцентом на гібридні квантово-класичні алгоритми. Проаналізовано математичну структуру варіаційних квантових моделей, квантових ядерних методів та нейроноподібних квантових архітектур, що реалізуються на NISQ-пристроях. Обґрунтовано обчислювальні властивості квантового відображення ознак, механізмів інтерференційної оптимізації та статистичної оцінки параметрів у процесі навчання. Визначено ключові обмеження масштабування, пов’язані з шумами, кодуванням даних та складністю проведення випробувань.