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-經典智能的動機
  • 關鍵機會與當前技術障礙
  • Google Willow 在量子 AI 領域的定位

Google Willow 架構與功能

  • 系統概覽與工具鏈結構
  • 支援的量子操作與功能集
  • 用於高級實驗的 API

混合量子-經典模型

  • 在量子組件與經典組件之間劃分任務
  • 用於量子增強學習的數據編碼策略
  • 狀態準備與測量工作流

量子機器學習算法

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

使用 Willow 建構量子 AI 流程

  • 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

性能優化與資源管理

  • 具備噪音感知能力的 AI 模型開發
  • 管理混合系統中的計算約束
  • 基準測試量子 AI 性能

應用與新興用例

  • 量子增強數據分析
  • 具有量子加速的 AI 驅動優化
  • 跨行業採用潛力

量子 AI 融合的未來趨勢

  • 大規模量子 AI 系統的發展路線圖
  • 架構進展與硬件演進
  • 塑造量子 AI 前沿的研究方向

總結與後續步驟

最低要求

  • 理解量子計算的基本概念
  • 具備機器學習框架的相關經驗
  • 熟悉混合量子-經典工作流

目標受眾

  • AI 工程師
  • 機器學習專家
  • 量子計算研究人員

課程分類