Contacta con nosotros

Temario del curso

Introducción a la integración entre IA y computación cuántica

  • Motivaciones detrás de la inteligencia híbrida (cuántica y 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 compatibles 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 por lo cuántico
  • Flujos de trabajo de preparación y medición de estados cuánticos

Algoritmos de aprendizaje automático cuántico

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

Construcción de pipelines de IA cuántica con Willow

  • Desarrollo de modelos híbricos 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 limitaciones computacionales en sistemas híbridos
  • Medición y comparación del rendimiento de la IA cuántica (benchmarking)

Aplicaciones y casos de uso emergentes

  • Análisis de datos potenciado por tecnologías cuánticas
  • Optimización impulsada por IA con aceleración cuántica
  • Potencial de adopción transversal entre 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 definiendo la frontera de la IA cuántica

Resumen y próximos pasos

Requerimientos

  • Conocimiento de los conceptos fundamentales de la computación cuántica
  • Experiencia previa con marcos de aprendizaje automático
  • Familiaridad con flujos de trabajo híbridos que combinan componentes cuánticos y clásicos

Público objetivo

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

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas