Percorsi di apprendimento di IBM Quantum
Questi percorsi di apprendimento sono di IBM. IBM Quantum li pubblica su IBM Quantum Learning: ciascuno è un ordine in cui seguire i corsi, i tutorial e le guide di IBM per un'area, a uno o più livelli. I passaggi, il loro ordine e le stime dei tempi qui sotto sono di IBM; doQumentation si limita a collegare ogni passaggio alla sua pagina qui.
Perché seguirli su doQumentation
- Esegui il codice di ogni passaggio direttamente nella pagina, senza installare nulla.
- Inizia senza un account IBM Quantum: per impostazione predefinita il codice viene eseguito su un simulatore.
- Vedi i tuoi progressi in ogni passaggio, salvati nel tuo browser senza registrazione.
- Apri qualsiasi notebook in Google Colab o JupyterLab.
- Insegna un percorso in classe, dal cloud oppure offline da un Raspberry Pi.
- Leggi i percorsi in 17 lingue oltre all'inglese.
Introduzione al quantistico
I termini chiave, i tuoi primi circuiti e dove si usa oggi il calcolo quantistico.
- Avvio rapidoGuida · ≈1 h
- Esegui il tuo primo circuito sull'hardwareGuida · ≈0.5 h
- IBM Quantum ComposerGuida · ≈0.5 h
- Calcolo quantistico nella praticaCorso · ≈8 h
- Fondamenti dell'informazione quantisticaCorso · ≈15 h
- Disuguaglianza di CHSHTutorial · ≈1 h
Ottimizzazione
QAOA per problemi come Max-Cut e metodi per gli autovalori più bassi, poi applicazioni come il problema della suddivisione del mercato.
- Calcolo quantistico nella praticaCorso · ≈8 h
- Algoritmo di ottimizzazione approssimata quantisticaTutorial · ≈1 h
- Algoritmi di diagonalizzazione quantisticaCorso · ≈10 h
- Tecniche avanzate per QAOATutorial · ≈1.5 h
- Risolvere il problema Market Split con l'Iskay Quantum Optimizer di Kipu QuantumTutorial · ≈1 h
- Ottimizzazione dinamica di portfolio con l'Ottimizzatore di Portfolio di Global Data QuantumTutorial · ≈1.5 h
- Codifica di correlazione di Pauli per ridurre i requisiti del max-cutTutorial · ≈1.5 h
Data science
Ricerca quantistica, kernel e machine learning, poi la trasformata di Fourier quantistica e l'algoritmo di Shor.
- Fondamenti degli algoritmi quantisticiCorso · ≈15 h
- Algoritmo di GroverTutorial · ≈1 h
- Apprendimento automatico quantisticoCorso · ≈10 h
- Addestramento del kernel quantisticoTutorial · ≈1 h
- Migliorare la classificazione delle caratteristiche usando i kernel quantistici proiettatiTutorial · ≈2.5 h
- Trasformata di Fourier quantisticaModulo · ≈2 h
- Algoritmo di ShorTutorial · ≈1 h
Fisica e chimica
VQE per molecole e catene di spin, poi diagonalizzazione basata su campionamento e di Krylov su scala di utilità.
- Chimica quantistica con VQECorso · ≈5 h
- Stima dell'energia dello stato fondamentale della catena di Heisenberg con VQETutorial · ≈1.5 h
- Calcolo quantistico su scala industrialeCorso · ≈15 h
- Algoritmi di diagonalizzazione quantisticaCorso · ≈10 h
- Stima dell'energia dello stato fondamentale della catena di Heisenberg con VQETutorial · ≈1.5 h
- Diagonalizzazione quantistica basata su campioni di un Hamiltoniano chimicoTutorial · ≈1.5 h
- Diagonalizzazione quantistica di Krylov di Hamiltoniane su reticoloTutorial · ≈2 h
- Diagonalizzazione quantistica di Krylov basata su campioni di un modello reticolare fermionicoTutorial · ≈1.5 h
Sviluppo di algoritmi quantistici
Dai fondamenti degli algoritmi quantistici alla diagonalizzazione, al QAOA e alla correzione degli errori, in tre livelli.
- Fondamenti degli algoritmi quantisticiCorso · ≈15 h
- Calcolo quantistico su scala industrialeCorso · ≈15 h
- Algoritmo di ShorTutorial · ≈1 h
- Algoritmo di GroverTutorial · ≈1 h
- Algoritmi di diagonalizzazione quantisticaCorso · ≈10 h
- Formulazione generale dell'informazione quantisticaCorso · ≈15 h
- Algoritmo di ottimizzazione approssimata quantisticaTutorial · ≈1 h
- Diagonalizzazione quantistica basata su campioni di un Hamiltoniano chimicoTutorial · ≈1.5 h
- Diagonalizzazione quantistica di Krylov di Hamiltoniane su reticoloTutorial · ≈2 h
- Diagonalizzazione quantistica di Krylov basata su campioni di un modello reticolare fermionicoTutorial · ≈1.5 h
- Tecniche avanzate per QAOATutorial · ≈1.5 h
- Codifica di correlazione di Pauli per ridurre i requisiti del max-cutTutorial · ≈1.5 h
- Mitigazione degli errori su scala di utilità con amplificazione probabilistica dell'erroreTutorial · ≈1.5 h
- Fondamenti della correzione degli errori quantisticiCorso · ≈15 h
Scienza e ingegneria dell'informazione quantistica (QISE)
Algoritmi, teoria generale dell'informazione quantistica e correzione degli errori.
- Fondamenti degli algoritmi quantisticiCorso · ≈15 h
- Algoritmo di GroverTutorial · ≈1 h
- Stima dell'energia dello stato fondamentale della catena di Heisenberg con VQETutorial · ≈1.5 h
- Formulazione generale dell'informazione quantisticaCorso · ≈15 h
- Mitigazione degli errori su scala di utilità con amplificazione probabilistica dell'erroreTutorial · ≈1.5 h
- Fondamenti della correzione degli errori quantisticiCorso · ≈15 h
- Codici di ripetizioneTutorial · ≈1.5 h
Domande frequenti
Questi percorsi di apprendimento sono di doQumentation?
No. Sono di IBM Quantum, pubblicati su IBM Quantum Learning, e doQumentation li mostra così come li pubblica IBM. Ciò che doQumentation aggiunge è il modo in cui li segui: codice eseguibile, un simulatore senza account, il monitoraggio dei progressi e le traduzioni.
Che cos'è un percorso di apprendimento?
Un elenco ordinato di corsi, tutorial e guide per un'area, come l'ottimizzazione o la chimica, con una stima del tempo richiesto da ogni passaggio. Li pubblica IBM Quantum Learning; doQumentation collega ogni passaggio alla sua pagina eseguibile.
Come vengono conteggiati i miei progressi?
Un passaggio è completato quando hai letto tutte le sue pagine: una pagina per un tutorial o una guida, ogni lezione per un corso. I progressi restano nel tuo browser, senza account.
Ricevo il badge di IBM?
No. I badge di IBM si ottengono su IBM Quantum Learning con un account IBM Quantum. doQumentation è un mirror indipendente dei contenuti open source.
Devo seguire l'ordine?
No, ma l'ordine è valido: ogni passaggio si basa su quelli precedenti. All'interno di un percorso, il livello principiante viene per primo.