Los algoritmos que hemos estado viendo en computación cuántica se describían con transformaciones con un operador unitario, basado en la ecuación de Schrodinger, que preserva la norma y evoluciona estados puros en estados puros. Para sistemas abiertos e interacciones con el entorno, como la medida, es necesario contar con un formalismo adicional, como las operaciones... Seguir leyendo →
El formalismo del operador de densidad
En post pasados del curso hemos introducido el formalismo inicial de la computación cuántica en el que los estados son estados puros y se representan con vectores y sus transformaciones se representan con matrices unitarias. Sin embargo, en ocasiones podemos tener un estado que sea una distribución de probabilidades de estados puros (estado mixto) o... Seguir leyendo →
Regresión simbólica con GPlearn
La regresión simbólica es un modelo de machine learning que busca en el espacio de posibles expresiones matemáticas la expresión que mejor se ajusta a los datos. Al contrario que otras técnicas de regresión, como la regresión lineal, no se especifica una estructura previa del modelo a optimizar sino que va construyendo expresiones matemáticas aleatoriamente.... 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 →
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 →
Creando nuevas funciones en PyTorch
En este post de nuestro tutorial de deep learning con PyToch vamos a ver como extender PyTorch. Si quieremos implementar un nuevo módulo o función no disponible en las librerías de PyTorch tenemos varias opciones dependiendo del caso: Si queremos añadir primitivas clásicas (if, while,...) en un módulo, simplemente insertaremos las primitivas en el método... Seguir leyendo →
Reproducibilidad de los modelos en deep learning
En los modelos de deep learning puede haber varias fuentes de aleatoriedad. Los parámetros del modelo, algunos vectores iniciales y algunas variables auxiliares pueden requerir un valor inicial aleatorio. Por ello, es necesario realizar ciertas acciones para que los modelos tengan la máxima reproducibilidad y el modelo se comporte igual en diferentes ejecuciones. Lo primero... Seguir leyendo →
Graph Neural Networks con PyTorch Geometric
En este post vamos a ver una introducción a las Graph Neural Networks (GNNs) y la librería PyTorch Geometric, que nos permite aplicar el deep learning a datos no estructurados, como grafos, empleando este tipo de modelos. Las GNNs permiten aplicar redes neuronales a grafos, teniendo en cuenta su estructura basada en nodos conectados entre... Seguir leyendo →
Servicio de entrenamiento en Google AI Platform
En un post pasado vimos como Google AutoML Tables permite implementar modelos de machine learning de manera automática y transparente sobre datos estructurados. En este post vamos a ver el servicio de entrenamiento de Google AI Platform, que permite seleccionar diferentes modelos para los trabajos de entrenamiento, habilitar el entrenamiento distribuido, ajustar hiperparámetros y acelerar... Seguir leyendo →
