课程大纲

量子-AI集成简介

  • 混合量子-经典智能的动机
  • 关键机遇和当前技术障碍
  • Google Willow在量子-AI领域的定位

Google Willow架构与能力

  • 系统概览与工具链结构
  • 支持的量子操作与功能集
  • 用于高级实验的API

混合量子-经典模型

  • 量子与经典组件之间的任务分配
  • 量子增强学习的数据编码策略
  • 状态准备与测量工作流程

量子机器学习算法

  • 用于AI任务的变分量子电路
  • 量子核与特征映射
  • 混合模型的优化循环

使用Willow构建量子-AI管道

  • 端到端开发混合模型
  • 将Willow与TensorFlow Quantum结合
  • 测试与验证量子-AI原型

性能优化与资源管理

  • 噪声感知的AI模型开发
  • 管理混合系统中的计算约束
  • 量子-AI性能基准测试

应用与新兴用例

  • 量子增强的数据分析
  • 量子加速的AI驱动优化
  • 跨行业的采用潜力

量子-AI融合的未来趋势

  • 大规模量子-AI系统的路线图
  • 架构进步与硬件演进
  • 塑造量子-AI前沿的研究方向

总结与下一步

要求

  • 了解量子计算概念
  • 有使用机器学习框架的经验
  • 熟悉混合量子-经典工作流程

受众

  • AI工程师
  • 机器学习专家
  • 量子计算研究人员
 21 小时

客户评论 (1)

即将举行的公开课程

课程分类