Introduction to Quantum Machine Learning (2020/2021)

Codice insegnamento
cod wi: DT000081
Docente
Alessandra Di Pierro
Coordinatore
Alessandra Di Pierro
crediti
2,5
Settore disciplinare
INF/01 - INFORMATICA
Lingua di erogazione
Italiano
Sede
VERONA
Periodo
A.A. 20/21 dottorato dal 1-ott-2020 al 30-set-2021.

Orario lezioni

Vai all'orario delle lezioni

Obiettivi formativi

L'obiettivo di questo corso è di mostrare i vantaggi che le tecnologie quantistiche correntemente disponibile e future possono fornire al machine learning, concentrandosi sullo studio di algoritmi che sono difficili per i computer classici.
In particolare, agli studenti verranno fornite le opportune nozioni e la conoscenza necessaria per poter individuare i paradigmi di computazione quantistica più adatti al machine learning; per identificare i problemi di machine learning che potrebbero beneficiare dall'uso di risorse quantistiche; per implementare algoritmi di apprendimento su computer quantistici utilizzando le piattaforme pubbliche disponibili.

Programma

1 Introduction & Motivation
2 Quantum Computing
3 Machine Learning (ML)
4 Quantum Machine Learning: Main Approaches
5 ML with a Quantum Annealer
6 Classical-Data-Quantum-Processing Approaches
7 Quantum Neural Network
8 Quantum Programming Languages and Quantum Software Toolchain

Testi di riferimento
Autore Titolo Casa editrice Anno ISBN Note
Phillip Kaye, Raymond Laflamme, Michele Mosca An Introduction to Quantum Computing (Edizione 1) Oxford University Press 2006
Eric R. Johnston Programming quantum computers : essential algorithms and code samples (Edizione 1) O'Reilly 2019 1-4920-3967-5
Michael A. Nielsen, Isaac L. Chuang Quantum Computation and Quantum Information (Edizione 2) Cambridge University Press 2010 978-1-107-00217-3
Jack D. Hidary Quantum Computing: An Applied Approach (Edizione 1) Springer 2019 978-3-030-23922-0
Peter Wittek Quantum Machine Learning: What Quantum Computing Means to Data Mining (Edizione 1) Academic Press 2014 9780128009536
Maria Schuld, Francesco Petruccione Supervised Learning with Quantum Computers (Edizione 1) Springer, Cham 2018 978-3-319-96423-2

Modalità d'esame

Seminario su un argomento scelto dallo studente su tra i vari approcci al quantum machine learning