Aplikace kvantových počítačů v bližším výhledu

Garant předmětu:

Aurél Gábor Gábris

Přednášející:

Aurél Gábor Gábris

Cvičící:

Aurél Gábor Gábris

Předmět zajišťuje:

katedra fyziky

Anotace:

Cílem kurzu je poskytnout základní znalosti a dovednosti pro implementaci aplikací v současnosti dostupných kvantových počítačů. Kurz zahrnuje přehled základních pojmů a základních algoritmů a zaměřuje se na algoritmy vhodné pro tzv. šumové kvantové počítače středního rozsahu (NISQ). Všechny materiály pro výuku jsou poskytovány na on-line výukové platformě, která obsahuje interaktivní výukové programy, videonahrávky, cvičení a hodnocení. Kurz je vhodný pro studenty bakalářského a magisterského studia všech ročníků a doporučuje se znalost kvantové mechaniky nebo kvantové informace, není však nutnou podmínkou. Výuka probíhá výhradně online, aby bylo možné co nejlépe využít výukový materiál a aby byl přístupný v mezinárodním měřítku. Během kurzu se bude používat SDK pro kvantovou informatiku v jazyce Python. Je vyžadováno používání vlastních počítačů.

Kurz probíhá ve spolupráci s University of Latvia, QURECA, QWorld a European Insitute of Technology. K dokončení kurzu musí studenti absolvovat moduly umístěné na e-learningové platformě a předložit závěrečný projekt.

Požadavky:

Znalost lineární algebry a základů kvantové mechaniky.

Osnova přednášek:

1.Historický kontext a výhled do budoucna kvantové výpočetní techniky a technologie

2.Kvantové bity, Blochova sféra, kvantové obvody

3.Deutsch-Jozsa algoritmus, Groverův algoritmus pro nestrukturované vyhledávání

4.Kvantová Fourierova transformace a její aplikace: Shorův algoritmus pro faktorizaci celých čísel.

5.Variační optimalizační algoritmy: parametrizované kvantové obvody, kvantový aproximativní optimalizační algoritmus, variační kvantový eigensolver.

6.Přehled platforem pro kvantové výpočty (supravodivé, zachycené ionty, fotonové...), kvantové SDK, hybridní kvantové výpočty.

7.Kvantové chyby a šumové modely, techniky zmírňování chyb (extrapolace nulového šumu, pravděpodobnostní zesílení a zrušení chyb), oprava chyb (kvantové kódy pro opravu chyb, kvantové výpočty odolné vůči poruchám).

8.Kvantové strojové učení založené na jádru, kvantová data a kvantové funkce, kvantový podpůrný vektorový stroj.

9.Kvantové neuronové sítě: optimalizátory, trénování, použití pro klasifikaci.

10.Závěrečný projekt: týmová práce na projektu souvisejícím s obsahem kurzu. Navrhovaná témata jsou zveřejněna v průběhu semestru.

Osnova cvičení:

Cíle studia:

Zápočet za splnění týdenních úkolů.

Studijní materiály:

Povinná literatura:

[1] Odkaz na e-learningovou platformu dostupnou na adrese https://people.fjfi.cvut.cz/gabriaur/02NISQ

Doporučená literatura:

[2] Learn Quantum Computation using Qiskit: https://qiskit.org/textbook

[3] Cirq: An open source framework for programming quantum computers https://quantumai.google/cirq

[4] PennyLane Documentation: https://docs.pennylane.ai/

Poznámka:

Rozvrh na zimní semestr 2024/2025:

Rozvrh není připraven

Rozvrh na letní semestr 2024/2025:

Rozvrh není připraven

Předmět je součástí následujících studijních plánů: