Contacta con nosotros

Temario del curso

Introducción a la integración entre IA y computación cuántica

  • Motivaciones para la inteligencia híbrida cuántico-clásica
  • Oportunidades clave y barreras tecnológicas actuales
  • Posicionamiento de Google Willow dentro del panorama de la IA cuántica

Arquitectura y capacidades de Google Willow

  • Descripción general del sistema y estructura del conjunto de herramientas
  • Operaciones cuánticas admitidas y conjunto de características
  • APIs para experimentación avanzada

Modelos híbridos cuántico-clásicos

  • Distribución de tareas entre componentes cuánticos y clásicos
  • Estrategias de codificación de datos para aprendizaje potenciado con tecnología cuántica
  • Flujos de trabajo de preparación del estado y medición

Algoritmos de aprendizaje automático cuántico

  • Circuitos cuánticos variacionales para tareas de IA
  • Kernels cuánticos y mapas de características
  • Bucles de optimización para modelos híbridos

Construcción de pipelines de IA cuántica con Willow

  • Desarrollo completo de modelos híbridos (de extremo a extremo)
  • Integración de Willow con TensorFlow Quantum
  • Pruebas y validación de prototipos de IA cuántica

Optimización del rendimiento y gestión de recursos

  • Desarrollo de modelos de IA conscientes del ruido
  • Gestión de las restricciones de cómputo en sistemas híbridos
  • Evaluación del rendimiento de la IA cuántica mediante benchmarks

Aplicaciones y casos de uso emergentes

  • Análisis de datos potenciado con tecnología cuántica
  • Optimización impulsada por IA con aceleración cuántica
  • Potencial de adopción transversal en diversas industrias

Tendencias futuras en la convergencia entre IA y computación cuántica

  • Hojas de ruta para sistemas de IA cuántica a gran escala
  • Avances arquitectónicos y evolución del hardware
  • Líneas de investigación que están configurando la vanguardia de la IA cuántica

Resumen y próximos pasos

Requerimientos

  • Comprensión de los conceptos básicos de la computación cuántica
  • Experiencia con frameworks de aprendizaje automático
  • Familiaridad con flujos de trabajo híbridos (cuánticos y clásicos)

Público objetivo

  • Ingenieros de IA
  • Especialistas en aprendizaje automático
  • Investigadores en computación cuántica
 21 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas