Kvantecomputer algoritmer kræver en ny tankegang, som afviger fra klassiske computere. I dette kursus bliver der introduceret fundamentale koncepter for kvante algoritmer. Relationen mellem klassiske computere og kvantecomputere er studeret.

En lang række dataanalyse- og maskinlæringsmetoder drives ved at udføre matrixoperationer på vektorer i et højdimensionalt vektorrum, som er det matematiske grundlag for kvanteberegning. Dette kursus introducerer hvordan kvantemaskinelæring kan udvikles. En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:

• forklare hvordan superposition og sammenfiltring kan bruges konstruktivt ved design af kvantealgoritmer
• forklare almindelige kvantealgoritmer
• forklare algoritmer inden for kvante variational metoder, variational kvante eigensolvers og kvante approksimativ optimering
• brug kvante beregnings frameworks
• udvikle kvantealgoritmer
• evaluere ydeevnen af kvantealgoritmer
• optimere en kvantealgoritm til specifik platform
• relatere en kvantealgoritme til kompleksitetsklasser

Brug af centrale kvantebegreber i algoritmer: Kvantetilstande; Qubits; Qubit gates; Superposition; sammenfiltring

Algoritme teori: Kompleksitets klasser

kvantealgoritmeteori: Universelle gate sæt; Reversibel databehandling; Kvante variational metoder; variational kvante eigensolver; Kvante approksimativ optimering; Statsforberedelse; Målinger;

Frameworks for kvanteberegning

Kvantemaskinelæring 21. oktober, 2026