Kvantmaskininlärning

Kursen behandlar följande moduler:

• Introduktion till kvantberäkning och maskininlärning; inklusive tillståndsvektorer, Hilbertrum, kvanttillstånd, kvantintrassling och superposition, kvantgrindar och kvantkretsar.
• Grunderna i kvantmaskininlärning (QML); inklusive representation av klassiska data på kvantsystem, kodning och inbäddning av kvantdata, representation av kvantdata, kvantfunktionskartor och tensormetoder.
• Kvantalgoritmer för maskininlärning; kvantklassificerare, kvantkärnmetoder och kvantklustring.
• Grunderna i kvantvariationskretsar, kvantneurala nätverk (QNN), kvantfaltningsneurala nätverk (QCNN), kvantbearbetning av naturligt språk (QNLP), kvantdatorseende (QCV), kvantfedererad inlärning (QFL), kvantförstärkningsinlärning (QRL), kvantreservoarberäkning, kvantarkitektursökning (inklusive förstärkningsinlärningsbaserade sökmetoder), kvantgenerativa modeller (QGAN, kvantdiffusionsmodeller), kvantmultimodal inlärning.
• Utmaningar och framtida forskningsinriktningar inom QML
• Tillämpningar av QML inom hälso- och sjukvård, läkemedelsdesign, transport och andra tillämpningsområden i samhället och industrin.