聯繫我們
 課程時長 21 時間:

課程簡介

量子-AI 整合簡介

  • 混合量子-古典智慧的動機
  • 主要機會與當前的技術障礙
  • Google Willow 在量子-AI 領域中的定位

Google Willow 架構與功能

  • 系統概觀與工具鏈結構
  • 支援的量子運算與功能集
  • 用於高級實驗的 API

混合量子-古典模型

  • 在量子與古典元件之間分配任務
  • 用於量子增強學習的資料編碼策略
  • 狀態準備與測量工作流

量子機器學習演算法

  • 用於 AI 任務的變分量子電路
  • 量子核函數與特徵映射
  • 混合模型的優化迴圈

使用 Willow 建構量子-AI 管線

  • 端到端開發混合模型
  • 將 Willow 與 TensorFlow Quantum 結合
  • 測試與驗證量子-AI 原型

效能優化與資源管理

  • 具噪聲意識的 AI 模型開發
  • 管理混合系統中的計算限制
  • 基準測試量子-AI 效能

應用與新興使用案例

  • 經量子增強的資料分析
  • 結合量子加速的 AI 驅動優化
  • 跨產業採用潛力

量子-AI 融合的未来趨勢

  • 大規模量子-AI 系統的路線圖
  • 架構進步與硬體演化
  • 塑造量子-AI 前沿的研究方向

總結與下一步

最低要求

  • 對量子運算概念的理解
  • 機器學習框架的相關經驗
  • 熟悉混合量子-古典工作流

受眾

  • AI 工程師
  • 機器學習專家
  • 量子運算研究者

人數


每位參與者的報價

即將到來的課程

課程分類