ماذا ستتعلم
- تتبّع خوارزميتي دويتش–جوزا وغروفر وفهم مصدر الكفاءة النظرية.
- اختيار طريقة ترميز مناسبة وتقدير كلفتها.
- حساب نواة كمّية وتدريب SVC بها.
- تدريب مصنّف ومنحدِر كمّيين متغيّرين وتقييمهما دون تسرّب بيانات.
- قراءة الدقة والخسارة ومصفوفة الالتباس بنظرة نقدية.
الدروس
1 الخوارزميات الكمّية Quantum Algorithms أنجزته
اختبار الدرس (3 أسئلة)
اختبار الدرس
يحتاج الاختبار إلى JavaScript.
2 ترميز البيانات الكمّية Quantum Data Encoding أنجزته
اختبار الدرس (3 أسئلة)
اختبار الدرس
يحتاج الاختبار إلى JavaScript.
3 التعلّم الآلي الكمّي Quantum Machine Learning أنجزته
اختبار الدرس (2 أسئلة)
اختبار الدرس
يحتاج الاختبار إلى JavaScript.
4 النوى الكمّية Quantum Kernels أنجزته
اختبار الدرس (2 أسئلة)
اختبار الدرس
يحتاج الاختبار إلى JavaScript.
5 الدوائر الكمّية المتغيّرة Variational Quantum Circuits أنجزته
اختبار الدرس (2 أسئلة)
اختبار الدرس
يحتاج الاختبار إلى JavaScript.
6 التصنيف الكمّي Quantum Classification أنجزته
اختبار الدرس (2 أسئلة)
اختبار الدرس
يحتاج الاختبار إلى JavaScript.
7 الانحدار الكمّي Quantum Regression أنجزته
اختبار الدرس (1 أسئلة)
اختبار الدرس
يحتاج الاختبار إلى JavaScript.
المشروع الختامي
شغّل دفتر «آلة متجهات الدعم الكمّية»، ثم كرّر التجربة بـ reps = 1 و3 وبخمس بذور، واكتب تقريراً قصيراً يقارن QSVC بنواة RBF بالمتوسط والانحراف المعياري.
المراجع
- Vojtěch Havlíček et al. (2019). Supervised learning with quantum-enhanced feature spaces. Nature 567:209–212 doi:10.1038/s41586-019-0980-2
- Maria Schuld; Alex Bocharov; Krysta M. Svore; Nathan Wiebe (2020). Circuit-centric quantum classifiers. Phys. Rev. A 101:032308 doi:10.1103/PhysRevA.101.032308
- Maria Schuld; Nathan Killoran (2019). Quantum Machine Learning in Feature Hilbert Spaces. Phys. Rev. Lett. 122:040504 doi:10.1103/PhysRevLett.122.040504
- Lov K. Grover (1996). A fast quantum mechanical algorithm for database search. Proc. 28th ACM STOC, pp. 212–219 doi:10.1145/237814.237866
- Maria Schuld; Francesco Petruccione (2021). Machine Learning with Quantum Computers. Springer (Quantum Science and Technology) doi:10.1007/978-3-030-83098-4
