Kvantové strojové učení

Garant předmětu:

Přednášející:

Cvičící:

Předmět zajišťuje:

katedra aplikované matematiky

Anotace:

Cílem předmětu je uvést studenty do problematiky kvantového strojového učení. Studenti se nejprve teoreticky i prakticky seznámí s kvantovou reprezentací klasických dat. Dále se v rámci scénáře učení s učitelem budou zabývat především jádrovými metodami, kvantovým SVM modelem a také využitím kvantových variačních metod. V předmětu budou též představeny kvantové neuronové sítě a v rámci scénáře učení bez učitele také kvantové generativní adversariální modely. Primárním zaměření předmětu jsou kvantové algoritmy pro klasická data. Na cvičeních se k práci s daty a modely budou využívat knihovny pandas a qiskit pro jazyk Python.

Požadavky:

Osnova přednášek:

1. Úvod, kvantová reprezentace klasických dat.

2. Quantum random access memory.

3. Kvantové PCA.

4. Kvantové K-means a hierarchické shlukování.

5. Metoda nejbližších sousedů.

6. Kvantové jádrové metody.

7. Kvantové SVM.

8. Hluboké kvantové učení - úvod.

9. Classical and quantum Boltzmann machine.

10. Kvantové generativní adversariální sítě.

11. Kvantový perceptron.

12 vantové neuronové sítě.

13. Strojové učení pro kvantová data.

Osnova cvičení:

1) Úvod, kvantová reprezentace klasických dat, Amlitudové kódování dat

2) Kvantové jádrové metody

3) Kvantové SVM

4) Kvantové K-means a hierarchické shlukování

5) Kvantové generativní adversariální modely

6) Kvantové neuronové sítě

Cíle studia:

Cílem předmětu je uvést studenty do problematiky kvantového strojového učení. Studenti se nejprve teoreticky i prakticky seznámí s kvantovou reprezentací klasických dat. Dále se v rámci scénáře učení s učitelem budou zabývat především jádrovými metodami, kvantovým SVM modelem a také využitím kvantových variačních metod. V předmětu budou též představeny kvantové neuronové sítě a v rámci scénáře učení bez učitele také kvantové generativní adversariální modely. Primárním zaměření předmětu jsou kvantové algoritmy pro klasická data. Na cvičeních se k práci s daty a modely budou využívat knihovny pandas a qiskit pro jazyk Python.

Studijní materiály:

1. Schuld, M., Petruccione, F.: Machine Learning with Quantum Computers

Springer 2021

ISBN 978-3-030-83097-7

2. Ganguly, S.: Quantum Machine Learning: An Applied Approach

Apress 2021

ISBN 978-1-4842-7097-4

3. Pastorello, D.: Concise Guide to Quantum Machine Learning

Springer 2023

ISBN 978-981-19-6896-9

Poznámka:

Informace o předmětu a výukové materiály naleznete na https://courses.fit.cvut.cz/QNI-QML

Další informace:

https://courses.fit.cvut.cz/QNI-QML

Pro tento předmět se rozvrh nepřipravuje

Předmět je součástí následujících studijních plánů:

• Kvantová informatika (povinně volitelný předmět)