Kontakt aufnehmen

Schulungsübersicht

Einführung in die Integration von Quantencomputing und Künstlicher Intelligenz

  • Beweggründe für den Einsatz hybrider Quanten-Klassik-Intelligenzsysteme
  • Hauptmöglichkeiten sowie gegenwärtige technische Herausforderungen
  • Die Positionierung von Google Willow im Kontext des Quanten-KI-Feldes

Architektur und Funktionalitäten von Google Willow

  • Übersicht über das System sowie Struktur der Entwicklungsumgebung
  • Unterstützte Quantenoperationen und verfügbare Funktionen
  • APIs für fortgeschrittene Experimente

Hybride Quanten-Klassik-Modelle

  • Aufteilung von Aufgaben zwischen quantischen und klassischen Komponenten
  • Strategien zur Kodierung von Daten für das quantenbasierte Lernen
  • Verfahren zur Zustandsinitialisierung sowie Messung in Quantensystemen

Algorithmen des Quanten-Maschinellen Lernens

  • Variabel genutzte Quantenschaltkreise für KI-Aufgaben
  • Quantenkerne sowie Repräsentationsmethoden in Form von Merkmalskarten
  • Optimierungsprozesse für hybride Modelle

Erstellung quanten-KI-Workflows unter Verwendung von Willow

  • End-to-End-Entwicklung hybrider Modelle
  • Integration von Willow mit TensorFlow Quantum
  • Tests sowie Validierung quanten-KI-Prototypen

Leistungsoptimierung und Verwaltung von Ressourcen

  • Entwicklung KI-Modelle unter Berücksichtigung von Quantenrauschen
  • Umgang mit Rechenbeschränkungen in hybriden Systemen
  • Leistungsmessung von quanten-KI-Instanzen

Anwendungsbereiche und zukünftige Nutzungsszenarien

  • Quantenbasierte Datenanalyseverfahren
  • KI-gesteuerte Optimierung mit Hilfe von Quantencomputing
  • Möglichkeiten der Verbreitung solcher Technologien in verschiedenen Branchen

Zukünftige Trends bei der Entwicklung Quanten-KI-Systeme

  • Planungen für großmaßstäbliche Quanten-KI-Entwicklungsprojekte
  • Architekturverbesserungen sowie Weiterentwicklungen der Hardwareplattformen
  • Forschungsschwerpunkte, die das Feld Quanten-KI prägen werden

Zusammenfassung und weitere Schritte

Voraussetzungen

  • Grundkenntnisse im Bereich Quantencomputing
  • Erfahrung mit gängigen Machine-Learning-Frameworks
  • Kenntnis von hybriden Quanten-Klassik-Workflows

Zielgruppe

  • KI-Ingenieure
  • Spezialisten im Bereich Maschinelles Lernen
  • Forscher aus dem Bereich Quantencomputing
 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien