Motywacja
Quantum Machine Learning to najbardziej obiecująca, zrównoważona przyszłość dla sztucznej inteligencji. Inteligencji.
Zastosowanie Quantum Computing do ML/AI jest jednym z najbardziej
ekscytujących perspektywicznych zastosowań badań kwantowych. Wynika ono z
połączenie fizyka, matematyka, teoria informacji oraz
informatyka
i ma potencjał, aby zapewnić wysoką moc obliczeniową, mniejsze zużycie energii
i wykładniczy wzrost prędkości w stosunku do klasycznych komputerów.
Ten
Pozwoli to na niewiarygodny postęp w różnych dziedzinach, zajmując się różnymi
takich jak złożone symulacje fizyczne i problemy optymalizacyjne..
Kluczowe jest zbadanie sposobów opracowania wydajnych i skutecznych algorytmów Quantum ML w celu wykorzystania tej nowej technologii.
wykorzystać tę nową technologię.
Jest też wiele otwartych wyzwania:
wyjście obliczeń kwantowych jest hałaśliwe, a obecne komputery kwantowe
komputery mają naprawdę ograniczoną pamięć. Dlatego niezwykle ważne jest
ważne, aby rozpowszechnić wiedza o tym temacie i zaangażować nowych badaczy, którzy
mogą przyczynić się do jego postęp.
Cel pomocy
Ten szkoła letnia ma na celu zapewnienie zarówno obiektywnego i przejrzystego przeglądu, jak i
dogłębną analizę najnowszego stanu badań w Kwantowe uczenie maszynowe
oraz Kwantowa Sztuczna Inteligencja.
Kursy będą prowadzone przez światowej sławy ekspertów w dziedzinie
dziedzinie, zarówno z uczelnia oraz przemysł, i obejmie zarówno teoretyczna
oraz praktyczne aspekty rzeczywistych problemów.
Szkoła dąży do zapewnienia stymulujących możliwości dla młodzi naukowcy i doktoranci. studenci. Uczestnicy skorzystają z bezpośredniej interakcji i dyskusji z ekspertami w tej dziedzinie. Uczestnicy będą mieli również możliwość zaprezentowania wyników swoich badań oraz interakcji z rówieśnikami, w przyjaznym i konstruktywnym środowisku. naukowymi rówieśnikami, w przyjaznym i konstruktywnym środowisku.
Krótki kontekst
Pojawienie się komputerów
zrewolucjonizowało naukę, technologię i społeczeństwo w ostatnim stuleciu.
century. Pierwszy komputer około XX wieku nie był zdolny do
wykonywania obliczeń na własną rękę, podczas gdy obecnie kieszonkowe kawałki technologii
technologii mogą natychmiast i dokładnie rozwiązać złożone problemy (biorąc pod uwagę
odpowiednie dane wejściowe i zestawy instrukcji).
Komputery i ich
fizyczne części były stale optymalizowane pod względem wydajności,
prędkości i rozmiarów, ale dochodzimy do punktu, w którym jedynym sposobem na upakowanie w nich
więcej mocy obliczeniowej jest praca na poziomie atomowym. To
uwalnia zarówno niesamowity potencjał, jak i wielkie wyzwania.
Quantum
Obliczenia kwantowe to nowy rodzaj obliczeń oparty na mechanice kwantowej, który
wykorzystuje cząstki subatomowe (np. atomy, elektrony, fotony) jako bity i
wykorzystuje ich probabilistyczną naturę. Mogą one rozwiązać każdy problem, który
klasyczny komputer, i odwrotnie. Ale komputery kwantowe mogą rozwiązywać
takie problemy w rozsądnie i wykładniczo niższych złożonościach czasowych
("Quantum Supremacy"). Ten wykładniczy wzrost szybkości jest zmianą gry w dziedzinie
dziedzinie uczenia maszynowego, gdzie wydajność modeli jest często
związana z wielkością zbioru danych treningowych i czasem przeznaczonym na
procesowi szkolenia. Im więcej danych i czasu poświęca się modelowi, tym
tym lepsze wyniki. W dzisiejszych czasach modele są często trenowane na mniejszych zbiorach danych
danych z powodu ograniczeń czasowych, ale model uczenia maszyn kwantowych
pozwoliłoby nam na trenowanie modeli na większych zbiorach danych, nie zabierając przy tym
wykładniczego czasu.