Elementi di teoria dell’informazione quantistica: dal qubit ai circuiti quantistici, passando dal parallelismo quantistico e dall'entanglement che non ha analogo classico.
Descrizione e analisi di algoritmi ibridi classici-quantistici nell'ambito del machine learning: dai circuiti quantistici variazionali all'embedding quantistico, dal supervised/unsupervised deep learning al reinforcement learning in chiave quantistica.
- P. Wittek, "Quantum Machine Learning: What Quantum Computing Means to Data Mining", Academic Press (2016).
- M.A. Nielsen and I.A. Chuang, "Quantum computation and quantum information", Cambridge University Press (2003).
- Maria Schuld, Francesco Petruccione, "Supervised Learning with Quantum Computers", Springer (2018).
Obiettivi Formativi
Il corso si pone come obiettivi formativi l'acquisizione di:
- conoscenza degli strumenti formali e concettuali della teoria
dell’informazione quantistica;
- capacita' di sviluppare il confronto fra informazione classica e
quantistica, in riferimento al diverso modo di processare l'informazione per creare nuovi algoritmi quantistici che risolvono problemi concreti più efficientemente dei supercomputer classici;
- comprensione dei vantaggi che le tecnologie quantistiche attualmente disponibili e future possono fornire al machine learning;
- competenze necessarie per eseguire questi nuovi algoritmi sui computer quantistici disponibili via cloud nell'era NISQ (Noise Intermediate-Scale Quantum).
Prerequisiti
Conoscenze di base di analisi matematica ed algebra lineare.
Metodi Didattici
Lezioni frontali alla lavagna, con esempi ed esercizi. Alcune lezioni verranno integrate dalla proiezione di immagini e video.
Altre Informazioni
Orario di Ricevimento studenti: su appuntamento
Email: filippo.caruso@unifi.it
Siti web:
https://www.qdab.org
Modalità di verifica apprendimento
L'esame si tiene in forma orale e prevede una tesina di approfondimento su una pubblicazione scientifica concordata col docente, associata alla compilazione di un codice numerico per implementare un algoritmo di quantum machine learning.
Programma del corso
- Introduzione ai sistemi quantistici
- Parallelismo quantistico ed entanglement
- Computazione Quantistica
- Porte logiche quantistiche
- Circuiti quantistici variazionali
- Algoritmi di learning classici-quantistici
- Metodi Kernel assistiti quantisticamente
- Codifica quantistica di informazione classica
- Reti neurali quantistiche
- Algoritmi quantistici per supervised/unsupervised deep learning
- Reinforcement learning quantistico
- Elaborazione quantistica delle immagini
- Applicazioni su computer quantistici reali disponibili via cloud