聯繫我們

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

人數


每位參與者的報價

即將到來的課程

課程分類