Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
Struttura del corso
Introduzione all’integrazione tra intelligenza quantistica e AI
- Motivazioni alla base dello sviluppo di sistemi ibridi, composti da componenti quantistiche e classiche
- Opportunità principali e attuali limitazioni tecnologiche
- Posizionamento di Google Willow nel panorama globale dell’integrazione tra intelligenza quantistica e AI
Architettura e capacità tecniche di Google Willow
- Descrizione generale del sistema e struttura degli strumenti disponibili per lo sviluppo
- Operazioni quantistiche supportate e set completo di funzionalità offerte
- API dedicate alle sperimentazioni avanzate e personalizzate
Modelli computazionali ibridi, quantistico-classici
- Distribuzione ottimale dei compiti tra i componenti classici e quelli quantistici
- Strategie di codifica dei dati adatte all’apprendimento potenziato da risorse quantistiche
- Procedure per la preparazione degli stati quantistici e l’esecuzione delle misurazioni
Algoritmi di machine learning basati su tecnologie quantistiche
- Utilizzo dei circuiti quantistici variazionali per finalità legate all’intelligenza artificiale
- Implementazione di kernel e mappe caratteriali basate su principi quantistici
- Metodi ottimizzativi specifici per sistemi modelli ibridi
Costruzione di flussi di lavoro AI-Quantistici tramite Willow
- Sviluppo completo, dall’inizio alla fine, di modelli ibridi strutturati secondo specifiche progettuali
- Integrazione di Google Willow con il framework TensorFlow Quantum
- Test rigorosi e validazione dei prototipi sviluppati sfruttando tecniche quantistiche avanzate
Ottimizzazione prestazionale e gestione adeguata delle risorse computazionali
- Sviluppo di modelli di intelligenza artificiale in grado di gestire correttamente la presenza di rumore quantistico
- Metodiche pratiche per amministrare efficacemente le limitazioni di calcolo tipiche dei sistemi ibridi
- Procedure standardizzate per la misurazione delle performance complessive dei flussi quantistico-AI
Applicazioni reali e nuove possibilità d’impiego derivanti da questa integrazione tecnologica
- Analisi dati resa più efficace grazie alle capacità esclusive offerte dalla computazione quantistica
- Ottimizzazioni complessive gestite dall’intelligenza artificiale avvalendosi di accelerazioni quantistiche
- Potenziale diffusione di tali soluzioni in svariati settori industriali e commerciali
Tendenze future relative all’evoluzione congiunta dell’intelligenza artificiale e dei sistemi quantistici
- Linee guida strategiche per lo sviluppo su larga scala di infrastrutture AI-Quantistiche avanzate
- Progressi strutturali e nuovi sviluppi hardware fondamentali per il futuro settore quantistico-AI
- Direzioni di ricerca ritenute prioritarie nella sperimentazione a livello scientifico riguardante questa frontiera tecnologica
Sintesi finale e prospettive future per gli operatori del settore
Requisiti
- Conoscenza dei concetti fondamentali legati alla computazione quantistica
- Esperienza pratica nell’utilizzo di framework per il machine learning
- Familiarità con i flussi di lavoro che integrano sistemi quantistici e classici
Destinatari
- Ingegneri specializzati in intelligenza artificiale
- Specialisti di machine learning
- Ricercatori attivi nel campo della computazione quantistica
21 ore