Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Introduction à l'intégration quantique-IA
- Motivations pour l'intelligence hybride quantique-classique
- Opportunités clés et barrières technologiques actuelles
- Positionnement de Google Willow dans le paysage quantique-IA
Architecture et capacités de Google Willow
- Vue d'ensemble du système et structure de la chaîne d'outils
- Opérations quantiques supportées et ensemble de fonctionnalités
- API pour des expérimentations avancées
Modèles hybrides quantiques-classiques
- Partitionnement des tâches entre les composants quantiques et classiques
- Stratégies d'encodage de données pour l'apprentissage quantique amélioré
- Workflows de préparation et de mesure d'états
Algorithmes d'apprentissage automatique quantiques
- Circuits quantiques variationnels pour les tâches d'IA
- Noyaux quantiques et cartes de caractéristiques
- Boucles d'optimisation pour les modèles hybrides
Construction de pipelines quantiques-IA avec Willow
- Développement de modèles hybrides du début à la fin
- Combinaison de Willow avec TensorFlow Quantum
- Test et validation de prototypes quantiques-IA
Optimisation des performances et gestion des ressources
- Développement de modèles d'IA sensibles au bruit
- Gestion des contraintes de calcul dans les systèmes hybrides
- Évaluation des performances quantiques-IA
Applications et cas d'utilisation émergents
- Analyse de données améliorée par le quantum
- Optimisation guidée par l'IA avec accélération quantique
- Potentiel d'adoption inter-industries
Tendances futures de la convergence quantique-IA
- Feuilles de route pour les systèmes quantiques-IA à grande échelle
- Avancées architecturales et évolution du matériel
- Directions de recherche modelant la frontière quantique-IA
Bilan et prochaines étapes
Pré requis
- Une compréhension des concepts de calcul quantique
- Une expérience avec les frameworks d'apprentissage automatique
- Une familiarité avec les workflows hybrides quantiques-classiques
Public cible
- Ingénieurs en IA
- Spécialistes de l'apprentissage automatique
- Chercheurs en calcul quantique
21 Heures