Workshop: Programmazione di algoritmi e intelligenza artificiale su computer quantistici

PERCORSO

Il corso si pone l’obiettivo di mostrare la roadmap tecnologica e gli ambiti applicativi dei computer quantistici, con particolare riferimento al loro utilizzo per intelligenza artificiale.

Al termine del corso, sarai in grado di associare a un problema aziendale il più adatto metodo di intelligenza artificiale, di stabilire quale tipo di computer quantistico è il più adatto per risolvere  quel problema, e di quali strumenti informatici avvalersi per implementare tali algoritmi.

Il corso ha la durata di 1 giorno e al termine delle lezioni riceverai un Attestato di Frequenza.

PROGRAMMA

Data: 19 settembre
Location: Talent Garden Calabiana
Via Arcivescovo Calabiana, 6
Milano
Orari: 10.00-17.30

LEZIONE 2

HARDWARE E SOFTWARE PER L’INTELLIGENZA ARTIFICIALE (45’)
Caratteristiche hardware (processori, GPU)
Ambiente Linux, utilizzo del Python e librerie necessarie, librerie di Nvidia
Tensorflow, Keras, supervised learning - esempio base MNIST, Tensorboard

11:30-12:15

LEZIONE 3

PROGRAMMAZIONE DEL DEEP REINFORCEMENT LEARNING (45’)
Deep reinforcement learning: programmazione mediante Python di un agente, installazione di un environment, coding commentato di esempi classici: “Lunar Lander” e “Cart Pole”

12:15 - 13:30

Light lunch

LEZIONE 4

LOGICA DEI COMPUTER QUANTISTICI E LORO RELAZIONE RISPETTO AI COMPUTER CONVENZIONALI (45’)
Architettura dei computer quantistici, principio di funzionamento, esempi di hardware esistenti, loro figure di merito, differenze, punti di forza, limiti e prospettive

LEZIONE 5

PROGRAMMAZIONE DI COMPUTER QUANTISTICI CIRCUITALI: AMBIENTE DI SVILUPPO (45’)
Esempio di algoritmo quantistico, confronto di computer quantistico IBM e Rigetti, ambiente di sviluppo di un computer quantistico IBM-Q

Programmazione Qiskit di una semplice sequenza di porte logiche

LEZIONE 6

PROGRAMMAZIONE DI COMPUTER QUANTISTICI CIRCUITALI: USE CASE (45’)
Coding commentato di un programma per un algoritmo quantistico: supervised learning

Coffe break

LEZIONE 7

PROGRAMMAZIONE DI COMPUTER QUANTISTICI ADIABATICI: AMBIENTE DI SVILUPPO (45’)
Concetto di computer quantistico adiabatico per l’ottimizzazione, architetture del D-Wave, grafo Chimera e Pegasus, ambiente di sviluppo di un computer quantistico DWave

Programmazione Dwave di una semplice operazione

PROGRAMMAZIONE DI COMPUTER QUANTISTICI ADIABATICI: USE CASE (45’)
Coding commentato di un programma per un algoritmo quantistico: unsupervised learning

REQUISITI
Conoscenza di elementi di programmazione di linguaggi (linguaggio preferenziale Python).

DOCENTE
Enrico Prati

Ricercatore del Consiglio Nazionale delle Ricerche (CNR) e Docente del corso “Quantum Artificial Intelligence” del Politecnico di Milano, esperto di computer quantistici e intelligenza artificiale.

Guarda il VIDEO: CHE COSA CHIEDEREMO ALL’ORACOLO QUANTISTICO | Enrico Prati | TEDxCNRVIDEO

TUTORIALS

Lorenzo Moro: environment per deep learning

Marco Maronese: programmazione computer quantistici circuitali

Lorenzo Rocutto: programmazione computer quantistici adiabatici

ISCRIZIONE

Il workshop è a pagamento; per maggiori informazioni scrivi a formazione@vistatech.it e sarai ricontattato.