En los últimos años, los avances en procesadores gráficos (GPUs) y las nuevas arquitecturas y modelos de deep learning como los transformers han supuesto una revolución científica. La pregunta que surge es cómo trasladar estos avances en nuevos productos y un mayor impacto económico y social. Estos últimos meses hemos visto la revolución que ha... Seguir leyendo →
Deep learning y teoría de redes
Como hemos ido viendo en esta Web, el uso de GPUs y nuevos modelos de deep learning ha logrado grandes avances en visión artificial, procesamiento de lenguaje, juegos, etc. Para ello han sido clave modelos de redes neuronales multicapa, RNNs, CNNs y posteriormente transformers basados en el mecanismo de atención. Por otro lado, en la... Seguir leyendo →
Algoritmos cuánticos y el problema del subgrupo oculto
En otro post comentamos los requisitos para que exista una ventaja cuántica exponencial: El problema debe tener cierta estructura que pueda ser accedida por el algoritmo cuántico usando la superposición, el entrelazado y la interferencia. Un algoritmo clásico no puede acceder fácilmente a dicha estructura y por lo tanto no puede resolver el problema en... Seguir leyendo →
Computación y algoritmos cuánticos
En los últimos años hemos visto un gran avance en la computación cuántica, tanto en la parte hardware con nuevos procesadores basados en iones atrapados, superconductores o fotónica, como en la parte software con nuevos algoritmos que intentar mejorar en eficiencia a los clásicos. Este avance ha llevado a que exista un elevado optimismo sobre... Seguir leyendo →
Introducción a Qiskit y el traslado de fase (kickback phase)
Introducción a Qiskit Es un marco de desarrollo de software (SDK) de IBM de código abierto para trabajar con computadoras cuánticas a nivel de circuitos, pulsos y algoritmos. Qiskit se compone de elementos que trabajan juntos para permitir la computación cuántica. Qiskit Terra proporciona herramientas para crear circuitos cuánticos en o cerca del nivel del código de... Seguir leyendo →
Algoritmos cuánticos y la estructura necesaria
En post forma parte de una serie de posts que describen los algoritmos cuánticos, su diferencia con los clásicos y qué estructura deben tener los problemas para que estos algoritmos puedan conseguir una mejora exponencial. ALGORITMOS CUÁNTICOS Y DIFERENCIA CON LOS CLÁSICOS Un algoritmo es una serie finita de instrucciones realizadas para resolver un problema... Seguir leyendo →
Introducción a los algoritmos cuánticos
En post forma parte de una serie de posts en la que vamos a ir comentando los algoritmos cuánticos, su diferencia con los clásicos y qué estructura deben tener los problemas para que estos algoritmos puedan conseguir una mejora exponencial. INTRODUCCIÓN A LA COMPUTACIÓN CUÁNTICA A continuación mostramos una serie de cuadernos sencillos (en inglés)... Seguir leyendo →
Curso Deep learning con PyTorch
Con el objetivo de divulgar el uso de PyTorch como herramienta de deep learning, hemos creado una serie de tutoriales para introducir PyTorch y sus principales módulos. A continuación se puede ver un listado con las partes del curso: Programación orientada a objetos en PyTorch.Tensores en PyTorch.Almacenamiento de tensores en PyTorch.Módulo de redes neuronales.Optimización en... Seguir leyendo →
Almacenamiento de tensores en PyTorch
Como hemos visto, los tensores son un elemento básico en PyTorch. Son los elementos de diferente rango (escalares, vectores, matrics, etc.) que contienen la información en PyTorch y sobre los que actúan los modelos. Sin embargo, a pesar de su rango y dimensiones, los tensores se almacenan en memoria en un array unidimensional de elementos... Seguir leyendo →
Hooks en PyTorch
En programación, nos referimos a un hook como el conjunto de técnicas que modifican o aumentan el comportamiento de un programa ante un evento. Esto suele usarse para depurar un programa o ampliar su funcionalidad. En PyTorch, un hook se puede registrar para el objeto tensor o para el objeto nn.module y los eventos que... Seguir leyendo →
