Contacta con nosotros

Temario del curso

Introducción a la integración entre IA y computación cuántica

  • Motivaciones para la inteligencia híbrida (cuántica-clásica)
  • Oportunidades clave y barreras tecnológicas actuales
  • Posicionamiento de Google Willow en el panorama de la IA cuántica

Arquitectura y capacidades de Google Willow

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

Modelos híbridos cuánticos-clásicos

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

Algoritmos de aprendizaje automático cuántico

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

Construcción de tuberías (pipelines) de IA cuántica con Willow

  • Desarrollo integral de modelos híbridos
  • Integración de Willow con TensorFlow Quantum
  • Prueba y validación de prototipos de IA cuántica

Optimización del rendimiento y gestión de recursos

  • Desarrollo de modelos de IA conscientes del ruido (noise-aware)
  • Gestión de limitaciones de cómputo en sistemas híbridos
  • Medición comparativa (benchmarking) del rendimiento de la IA cuántica

Aplicaciones y casos de uso emergentes

  • Análisis de datos mejorado con tecnología cuántica
  • Optimización impulsada por IA con aceleración cuántica
  • Potencial de adopción transversal entre industrias

Tendencias futuras en la convergencia de IA y computación cuántica

  • Hojas de ruta para sistemas de IA cuántica a gran escala
  • Avances arquitectónicos y evolución del hardware
  • Direcciones de investigación que están definiendo la frontera de la IA cuántica

Resumen y próximos pasos

Requerimientos

  • Conocimiento de los conceptos de computación cuántica
  • Experiencia con marcos de trabajo de aprendizaje automático
  • Familiaridad con flujos de trabajo híbridos (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