感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程簡介
量子 AI 整合簡介
- 混合量子-經典智力的動機。
- 當前技術障礙和主要機會。
- Google Willow 在量子 AI 領域的定位。
Google Willow 架構與能力
- 系統概覽和工具鏈結構。
- 支援的量子操作和功能集。
- 高階實驗所需的 API。
混合量子-經典模型
- 在量子與經典組件之間劃分任務。
- 量化增強學習中的數據編碼策略。
- 狀態準備和測量工作流。
量子機器學習演算法
- 用於 AI 任務的變分量子電路。
- 量子核與特徵映射。
- 混合模型的優化循環。
使用 Willow 建立量子 AI 流程
- 端到端開發混合模型。
- 將 Willow 與 TensorFlow Quantum 結合。
- 測試並驗證量子-AI原型。
效能優化資源管理
- 具備抗噪能力的 AI 模型開發。
- 在混合系統中管理運算約束。
- 量子-AI 效能基準測試。
應用與新興使用案例
- 量子增強數據分析。
- 透過量子加速的 AI 驅動優化。
- 跨行業採用潛力。
量子-AI 整合未來趨勢
- 大規模量子-AI系統藍圖。
- 架構進展與硬體演進。
- 塑造量子 AI 前沿的研究方向。
總結與後續步驟
最低要求
- 量子計算概念的基礎知識。
- 機器學習框架的使用經驗。
- 混合量子-經典工作流熟悉度。
受眾
- AI工程師。
- 機器學習專家。
- 量子計算研究員。
21 小時