Behörighetskrav

120 hp inom teknik/naturvetenskap. Dessutom ett av följande alternativ:

1) Kvantfysik eller Kvantfysik F. Programmeringsteknik I eller Introduktion till beräkningsvetenskap. Linjär algebra II.

2) Introduktion till kvantdatorer och kvantprogrammering.

Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)

Mål

Efter godkänd kurs ska studenten kunna:

• Redogöra för de grundläggande principerna för kvantmaskininlärning (QML), inklusive parametriserade kvantkretsar, hybridkvant–klassiska optimeringsloopar, och hur dessa relaterar till klassiska maskininlärningsmetoder såsom djupa neurala nätverk.

• Koda och omvandla fysiska, tekniska och verklighetsbaserade data till QML-modeller, samt bedöma modellerna utifrån uttrycksfullhet, tränbarhet och möjliga biaser.

• Använda Python-baserade verktyg för kvantdatorer, såsom Qiskit och PennyLane, och kombinera dem med klassiska ML-bibliotek som PyTorch eller Keras för att skapa praktiska arbetsflöden.

• Tillämpa QML-modeller på verkliga problem genom att designa och köra arbetsflöden på simulatorer och molnbaserade kvantprocessorenheter (QPU:er), samtidigt som man analyserar resursbehov och robusthet.

• Genomföra ett småskaligt QML-projekt, inklusive problemformulering, modelldesign, implementering, utvärdering och presentation, samtidigt som man utforskar aktuell forskning och nya riktningar inom QML.

Innehåll

• Grundläggande principer för kvantdatorer: kretsbaserad kvantdatoranvändning och viktiga kvantalgoritmer.

• Kvantprogrammeringsgränssnitt: praktisk erfarenhet med PennyLane och Qiskit på simulatorer och verkliga kvantprocessorenheter (QPU:er).

• Klassiska, kvant- och hybrida maskininlärningsmodeller: översikt över centrala koncept och arbetsflöden.

• Variationskvantkretsar: metoder för datakodning, parameterisering och träningsstrategier.

• Quantum Approximate Optimization Algorithm (QAOA).

• Variational Quantum Eigensolver (VQE).

• Kvantneuronätverk (QNNs): arkitektur, träning och tillämpningar.

• Kvantannealing och Ising-modellbaserad optimering.

• Kvantensembleinlärning och klustringsmetoder.

• Kvantkernmetoder: förbättrade tekniker för klassificering och regression.

• Tillämpningar inom fysik och teknik.

Undervisning

Föreläsningar, workshops, laborationer, handledning av projekt

Examination

Skriftliga inlämningsuppgifter. Skriftlig tentamen. Skriftlig projektrapport.

Om särskilda skäl finns får examinator göra undantag från det angivna examinationssättet och medge att en enskild student examineras på annat sätt. Särskilda skäl kan t.ex. vara besked om särskilt pedagogiskt stöd från universitetets samordnare för studenter med funktionsnedsättning.