02195 Kvantealgoritmer og Maskinlæring
2024/2025
Overordnede kursusmål
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.
Læringsmål
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
Kursusindhold
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
Sidst opdateret
02. maj, 2024