2026-04-26T20:22:33Zhttps://uvadoc.uva.es/oai/request

oai:uvadoc.uva.es:10324/631972023-11-23T20:01:49Zcom_10324_38col_10324_852

Rey Valiente, Pablo 2023-11-23T18:27:24Z 2023-11-23T18:27:24Z 2023 https://uvadoc.uva.es/handle/10324/63197 El "aprendizaje automático cuántico" (Quantum machine learning) es una área de investigación reciente que combina las teorías de información y computación cuánticas y de aprendizaje automático. El desarrollo de modelos que consideran las simetrías del sistema ha dado lugar al campo del "aprendizaje automático cuántico geométrico" (Geometric Quantum Machine Learning (GQML)). En el programa GQML, la teoría de representación de grupos ocupa un lugar central para manipular las simetrías subyacentes en la información y entender la relación entre estas simetrías y el proceso de aprendizaje cuántico. Este trabajo presenta una introducción a la teoría de representación de grupos, desde la óptica del aprendizaje cuántico, guiada por ejemplos arquetípicos que involucran grupos discretos y continuos. El trabajo se coordina con el TFG en Ingeniería informática "Introducción al aprendizaje automático cuántico geométrico''. spa info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-nd/4.0/ Attribution-NonCommercial-NoDerivatives 4.0 Internacional Teoría de representación de grupos en el aprendizaje automático cuántico geométrico info:eu-repo/semantics/bachelorThesis