聯繫我們

課程簡介

量子 AI 整合介紹

  • 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 版圖中的定位。

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。
  • 用於進階實驗的 API。

混合量子-經典模型

  • 在量子與經典元件之間劃分任務。
  • 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。
  • 測試並驗證量子 AI 原型。

性能優化與資源管理

  • 具備噪聲感知能力的 AI 模型開發。
  • 管理混合系統的運算約束。
  • 基準測試量子 AI 性能。

應用與新興使用案例

  • 量子增強的數據分析。
  • 結合量子加速的 AI 驅動優化。
  • 跨產業採用潛力。

量子 AI 融合的未來趨勢

  • 大規模量子 AI 系統的藍圖。
  • 架構進步與硬體演進。
  • 塑造量子 AI 前沿的研究方向。

總結與後續步驟

最低要求

  • 具備量子計算概念的理解。
  • 具備機器學習框架的使用經驗。
  • 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。
 21 小時

課程分類