Υβριδική Μηχανική Μάθηση για Μεγάλου Όγκου Δεδομένα
DS09
Εξάμηνο: Γ,
Μονάδες ECTS: 15
Ηλίας Σάββας
(Υπεύθυνη Μαθήματος)
Περιεχόμενο
- Εισαγωγή στην κβαντομηχανική
- Πιθανότητες και μιγαδικές συναρτήσεις
- Εισαγωγή στην Κβαντική Υπολογιστική
- Qubits, καταχωρητές και κυκλώματα.
- Διάνυσμα κατάστασης, Κβαντική διεμπλοκή, απλοί κβαντικοί αλγόριθμοι
- Θεώρημα μη κλωνοποίησης και κβαντική τηλεμεταφορά
- O αλγόριθμος Deutsch – Jozsa και Bernstein-Vazirani
- Σύγχρονες τάσεις στη κλασική Μηχανική Μάθηση (τεχνικές ενσωμάτωσης δεδομένων, τεχνικές επιλογής/εξαγωγής χαρακτηριστικών, μείωση διαστάσεων)
- Εισαγωγή στην κβαντική Μηχανική Μάθηση
- Μετατροπή κλασικών δεδομένων σε κβαντικές καταστάσεις
- Variational Quantum Algorithms (VQA)
- Αρχές υβριδικών κβαντο-κλασικών αλγορίθμων, αποδοτικότητα (ποιο τμήμα του αλγορίθμου υλοποιείται με κλασικό τρόπο και πιο με κβαντικό)
- Υλοποίηση υβριδικών κβαντο-κλασικών αλγορίθμων και αξιολόγησή τους
Προτεινόμενη Βιβλιογραφία
- Ηλίας Κ. Σάββας και Μαρία Σαμπάνη, «Κβαντική Υπολογιστική: από την θεωρία στην πράξη», Εκδόσεις Τζιόλα, 2022
- Michael A. Nielsen, and Isaac L. Chuang, “Quantum Computation and Quantum Information”, Cambridge University Press, 2010
- Eleanor Rieffel and Wolfgang Polak, “Quantum Computing: A Gentle Introduction”, The MIT Press, 2011
- Macauley Coggins, “Introduction to Quantum
- Computing with Qiskit”, Scarborough Quantum Computing Ltd, 2021
- Schuld, M., & Petruccione, F. Machine learning with quantum computers. Berlin: Springer. 2021
- Ganguly, S. Quantum Machine Learning: An Applied Approach. Apress. 2021
- Qiskit, I., & Pattanayak, S. Quantum Machine Learning with Python. 2021