Optimisasi Quantum Circuit pada Arsitektur Quantum Perceptron untuk Klasifikasi Data

Abstract

The background of this research is that the proposed learning algorithm is not yet optimal. The measurement value of the percentage of qubits is still 90.7%, it is necessary to increase the value of the percentage of qubits. Many researchers use quantum computing in the proposed learning algorithm. Based on the results of previous studies, shows that quantum computing is better than classical computing. The proposed model is the development of a quantum circuit architecture by previous researchers. Researchers conducted measurements, training, and testing of the quantum circuit architecture that the author proposed using the IBM Quantum Experience quantum computer. The result of this research is a quantum circuit architecture model on the quantum perceptron algorithm that can be used to solve problems in data classification. The results of this study are 3 models of quantum circuit architecture. The measurement results of quantum circuit architecture models 1, 2, and 3 with 5 measurements show the percentage of qubits 100% with an average error of training and testing = 0. Based on the results of the above model testing, the architecture that the researcher proposes is feasible to classify the data.

Penelitian ini dilatarbelakangi dengan belum optimalnya algoritma pembelajaran yang diusulkan. Nilai pengukuran dari persentase qubit masih 90,7 %, perlu ditingkatkan nilai persentase qubit tersebut. Banyak peneliti yang menggunakan komputasi quantum pada algoritma pembelajaran yang diusulkan. Berdasarkan hasil penelitian-penelitian sebelumnya menunjukkan komputasi quantum itu lebih baik dibandingkan komputasi klasik. Model yang diusulkan adalah pengembangan sebuah arsitektur quantum circuit peneliti sebelumnya. Peneliti melakukan pengukuran, pelatihan dan pengujian terhadap arsitektur quantum circuit yang penulis usulkan menggunakan komputer quantum milik IBM Quantum Experience. Hasil dari penelitian ini adalah sebuah model arsitektur quantum circuit pada algoritma quantum perceptron yang dapat digunakan untuk menyelesaikan masalah pada klasifikasi data. Hasil penelitian ini adalah 3 model arsitektur quantum circuit. Hasil pengukuran arsitektur quantum circuit model 1, 2 dan 3 dengan 5 pengukuran menunjukkan persentase qubit 100 % dengan rata-rata error pelatihan dan pengujian =0. Berdasarkan hasil pengujian model diatas maka arsitektur yang peneliti usulkan layak untuk mengklasifikasikan data.