Costo termodinamico delle Quantum Extreme Learning Machines

Le Extreme Learning Machines (ELM) sono reti neurali feed-forward a singolo layer nascosto con accoppiamenti casuali, addestrate tramite regressione lineare, con risparmio di tempi e risorse. Le controparti quantistiche (QELM) sfruttano un reservoir quantistico per creare rappresentazioni complesse di dati classici, con prestazioni economiche e robuste al rumore.Il "Quantum Theory Group" di UNIPA ha dimostrato i vantaggi delle QELM per la validazione e certificazione di sistemi quantistici senza ricostruzione tomografica. Tali algoritmi si applicano all'ottimizzazione di processi complessi, quantistici e classici, su macchine NISQ, alla caratterizzazione energetica di sistemi biochimici simulati su computer quantistici e all'ottimizzazione di network per comunicazione e logistica.La ricerca analizzerà il costo termodinamico delle QELM per determinarne la sostenibilità energetica, con le tecniche di termodinamica dell'informazione quantistica di cui il gruppo è pioniere.