聯繫我們
 課程時長 21 時間:

課程簡介

量子 AI 集成简介

  • 混合量子-经典智能的动机
  • 关键机遇与当前技术障碍
  • 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
  • 支持的量子操作和功能集
  • 用于高级实验的 API

混合量子-经典模型

  • 在量子和经典组件之间划分任务
  • 面向量子增强学习的数据编码策略
  • 状态准备与测量工作流

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 流程

  • 端到端开发混合模型
  • 将 Willow 与 TensorFlow Quantum 结合
  • 测试和验证量子 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
  • 借助量子加速的 AI 驱动优化
  • 跨行业采用潜力

量子 AI 融合的未来趋势

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

总结与后续步骤

最低要求

  • 了解量子计算概念
  • 具有机器学习框架的使用经验
  • 熟悉混合量子-经典工作流

目标受众

  • AI 工程师
  • 机器学习专家
  • 量子计算研究人员

人數


每位參與者的報價

即將到來的課程

課程分類