[1] Existen evidencias que muestran una posible ventaja cuadrática cuántica en operaciones fundamentales de la IA.
Al medir sobre la base computacional se obtiene una cadena de N bits que codifica un número aleatorio entre 0 y 2N-1.
Repitiendo el proceso sobre la misma cadena se pueden concatenar resultados obteniendo números aleatorios más grandes.
A veces el algoritmo de Grover se combina con el paseo cuántico para mejorar el rendimiento.
Después, se aplica un operador unitario llamado oráculo que cambia el signo al estado buscado dentro de la combinación lineal, marcándolo.
Posteriormente, se aplica otra operación conocida como inversión sobre la media, que aumenta la amplitud de probabilidad para el estado marcado.
Para ello el oráculo determina si cada elemento de la lista es menor o no que el predefinido.
Para ello, en cada iteración se aplica un operador de moneda como Hadamard sobre estos últimos cúbits para producir una superposición, y posteriormente otro operador modifica el estado del sistema en función del estado de la moneda.
Este algoritmo es útil en inteligencia artificial por ejemplo para mejorar los resultados del gradiente descendiente, que se queda en mínimos locales.
Así, al principio cuando la temperatura es alta el sistema puede evadir mínimos locales, y según se enfría alcanza el mínimo global.
No se corresponden a máquinas de Turing universales, sino que más bien están relacionados con computadores analógicos.
Además, si surge un individual con buenas propiedades, mientras que en el caso clásico es probable que se pierda durante las recombinaciones, en el caso cuántico es menos probable pues se recombinan con varios estados al estar en superposición.
Dentro del aprendizaje automático supervisado, los computadores cuánticos intentan aprender de unos datos previamente etiquetados.
[9] Por otra parte, los autores de[10] han entrenado con éxito una red neuronal cuántica para Memoria a corto plazo.
Esto se debe a que la red neuronal se sustituye por un circuito cuántico, el cual a la entrada codifica la información en estados cuánticos que matemáticamente pasan a formar productos tensoriales entre sí, gracias a ello estos estados de entrada tienen un número exponencialmente grande de funciones independientes con respecto a la cantidad de qubits, los cuales representan el grado del polinomio que espera modelar la función del profesor (función que se desea aprender), en resumen se tiene un número exponencial de funciones independientes para modelar al profesor, lo cual es inextricable en un computador clásico.