Raw Feature Vector Map pada Algoritma Variational Quantum Classifier (VQC), untuk Mempercepat dan Memperkecil Jumlah Qubit

Spread the love

Tantangan bermain dengan algoritman quantum machine learning saat ini adalah adanya constraint batasan jumlah qubit pada komputer quantum real device yang ada.

Melanjutkan tutorial sebelumnya = https://keamanansiber.id/blog/2020/06/04/algoritma-supervised-learning-variational-quantum-classifier-vqc/

Kali ini kita coba experimen untuk membandingkan 2 buah feature map, yaitu: ZZFeatureMap dan RawFeatureVector, dengan menggunakan dataset kanker payudara dan wine dataset.

Kode program bisa dilihat di GitHub = https://github.com/keamanansiber/qiskit/blob/master/3QuantumMachineLearning/VQC_VariationalQuantumClassifier-RawFeatureVector.ipynb

A. Hasil pada dataset kanker payudara =

# WINNER = RawFeatureVector
Jumlah n qubit: 1
VQC accuracy with RawFeatureVector: 0.8
runtime: 0.4523531277974447 min

# BELUM BERUNTUNG = ZZFeatureMap
Jumlah n qubit: 2
Test accuracy with ZZFeatureMap: 0.75
runtime: 0.5916212916374206 min

B. Hasil pada wine dataset =

# Lagi-lagi Pemenangnya adalah = RawFeatureVector
Jumlah n qubit: 2
VQC accuracy with RawFeatureVector: 0.7
runtime: 3.4214659770329794 min

# Kasihan deh dapet juara 2 = ZZFeatureMap
Jumlah n qubit: 4
Test accuracy with ZZFeatureMap: 0.6
runtime: 5.691889667510987 min

C. Kesimpulan = RawFeatureVector lebih cepat, lebih akurat, dan lebih irit resource qubit.

punya data hasil yang berbeda?
post hasilnya di komentar ya, yuk kita diskusikan..

Sumber = https://github.com/qiskit-community/qiskit-community-tutorials/blob/master/machine_learning/vqc_feature_map_comparison.ipynb

Tinggalkan Balasan

This site uses Akismet to reduce spam. Learn how your comment data is processed.