Quantum Support Vector Machines per la regressione e classificazione: modelli comparativi per il Credit Scoring

Abstract

La prima sezione della mia tesi di Laurea Magistrale è dedicata ad un introduzione generale al quantum computing, illustrando i fondamentali concetti matematici necessari a capire e descrivere i concetti teorici connessi a questo campo: i qubit, la loro natura e proprietà, le porte e i circuiti quantistici e gli effetti della meccanica quantistica sulle relative macchine. La seconda sezione si concentra su noti casi d’uso dove è stata provata l’efficacia del vantaggio quantistico rispetto a un’impostazione tradizionale, sulla costruzione dei circuiti quantistici e su tre reali casi d’uso comparativi che hanno coinvolto l’utilizzo delle Support Vector Machines nell’impostazione classica e quantistica per compiti di regressione e classificazione, sia binaria che multiclasse.

The first section of my Master Degree Thesis is dedicated to an initial general introduction to the quantum computing, illustrating the fundamental mathematical background needed to understand and describe the theoretical concepts connected with this field: qubits, their nature and properties, quantum gates and circuits and quantum mechanics effect on related machines. The second section focuses on clear theoretical use cases where quantum advantage has been proven to be effective with respect to traditional settings, circuit construction and on three real comparative use cases involving the use of Support Vector Machines in classical and quantum-enhanced setup for regression and classification, both binary and multiclass, tasks.