Seminario

Introduzione al Quantum Machine Learning su Quantum Computer Digitale

Tipologie di problemi affrontabili con il Quantum Machine Leraning e algoritmi di riferimento

Obiettivi e temi dell'evento

Il seminario, dopo una breve introduzione sui calcolatori quantistici digitali e sul loro funzionamento, tratterà le tipologie di problemi che è possibile affrontare con il Quantum Machine Learning e di alcuni algoritmi di riferimento promettenti rispetto alla controparte convenzionale.

Alla lezione, della durata di un'ora, seguiranno 45' di sperimentazione pratica su una caso semplice legato alle attività del progetto DLAB.

Il seminario ha l'obiettivo di familiarizzare con la tecnologia del calcolo quantistico digitale per algoritmi di Quantum Machine Learning e dimostrarne l'utilizzo in casi di interesse pratico.

Punti forti della tecnologia: il Quantum Machine Learning promette di fornire alte prestazioni e una migliore generalizzazione rispetto alle classiche tecniche di Machine Learning esistenti, con la possibilità di applicare diversi algoritmi quantistici per elaborare grandi quantità di dati.

Nonostante sia ancora in fase di sviluppo, il Quantum Machine Learning può essere già utilizzato per migliorare la precisione delle soluzioni in approcci ibridi.

Dove

Agenda

22 apr 24
17:00

Registrazione

17:10

Saluti istituzionali

17:15

Seminario divulgativo sulla computazione quantistica adiabatica

18:15

Sperimentazione pratica su un caso semplice legato alle attività del progetto DLAB

19:00

Conclusione seminario

Relatore:

  • Giuliana Siddi Moreau, CRS4

Altre informazioni

All'evento sarà possibile accedere attraverso registrazione tramite Google form: https://forms.gle/NHk8vLaezYPzwqFt6 sia registrandosi in loco per coloro che parteciperanno in presenza.

Per la partecipazione all'evento è necessario possedere un collegamento di rete e un PC personale, preferibilmente con ambiente conda o venv già installato per l’utilizzo di Python e Jupyter notebook.

Il Seminario è rivolto a imprese, startup e studenti di dottorato.