量子運算：貓神獸與科技奇異點
Quantum Computing: From Schrödinger's Cat to the Technological Singularity
| 節 | 週四 |
|---|---|
A 18:30–19:20 | 量子運算：貓神獸與科技奇異點 CS-PC3 3 節連堂 |
B 19:30–20:20 | |
C 20:30–21:20 |
* 根據陽明交大上課時間表所列
1. 講授主題:量子運算與仿生型人工智慧。 量子運算 (Quantum Computing) 是資訊科技的重大發展趨勢。相較於現有電腦受制於傳統位元於單一時間只能承載一筆資料,量子電腦透過量子位元的「疊加」與「糾纏」等現象,能在單一時間承載多筆,因而具備強大平行運算能力,將成為處理海量資料與高度複雜問題的關鍵技術。針對某些特定主題,量子運算相較於傳統電腦運算,速度可有百萬倍以上之提升。 本課程由量子力學發展史談至水丁格的貓,引入量子疊加態運算的概念,接著以Python程式語言講授量子演算法實作,搭配仿生型人工智慧單元,如量子機器學習 (Quantum Machine Learning) 及量子神經網路 (Quantum Neural Networks),協助學生由淺入深,了解並逐步駕馭量子運算。 *#*: : =*=*#- =*#+ *+==*%= :##=-#: :*====*%= =%+==-*= :*===+=*%=::----: *%==+=-++ :*===+==#%##########==+==-=+ :*===++==+*=**=+*++-=*===-=+ :*==+*+*=++=*+=*==: :-*+=-=+ :*-+*==*=+++*=+*=- :++-++ -*+*===+=+++*=*=- :+=++ :*#======++*+=+=: :**= *#===+====+===- =%- :: **+=+*+=======: :#: -*##+ -*=+==-=======- -+=: *- -####%- +*===++=======- =%%%*: += :######+ :: **+==%*+======::#%%%%= ++ ++=+##%- :++*#*+=+%#*======:-%%%%%* ++ *===+#+ :#+*=+%%*==++==:-%%%%%+ ::*+ :#++=+* :=++#*+==**-:###=-::#%%%%- -+*#*=-###*#- --:-#++==-: =#*: : -#%#= :::#-:-#+++# *+++: =::*: -: :-: -++# :*===* +#=: -***++*: :::=%**- *===*: :#: :: -=: : =**+*## :- ****#- -#- -=*=+#+=%%#: +#*##= :-+##*-: : :=*++-:*%%=: =*==*+ :=*##***#%*-::::: :-*#%###*+=-++==+= :=*##*******#=-------:-+*#**####***##%#*+#*- *%#********##*+-::---:-=++=+*#++%*****#*##*+#: =*=+*###****+=+*+- -===+***+=+#%***%#*+=--++ :#=---=+*###=====*=: -+++**+=====***###*==--==-*- *+-===----*+====+*+ -*: =#+==+**+**+=--=====-=* =*-=======-+*+=+=###=*: :+*==*#*+=---=======--*+ :#=---=====-=##****==**-::: :-****+=--========--=**- :***+=----==-=*##*=--=*+ =::***+=---=======---+**- :-*#*+=---=--===-==-*#-*-*%#---========--=+*## -#*##*+=-----====-=*####*#*-=======--=+##*+* -*+++**#*+=---====-===#+*+#+-====--=+#*++++* -*==++++**##*==---==-**=*=+#=-=--=*#*++++++* -*--===+++++*##*+=--+#+=*==**--=*#*++++++++* -*-===-====++++*##*+#+=-*==+#+*#*+++++++++** -*-======-====++++*#*+=-*==++#*++++++++++++* -*-=========-====++++=-=*==+++++++++++++++**:: :#==--==========-=======*==+++++++++++++*#*-: -+**==--===========-==-*=-+++++++++++*#+-: :-+**+=--============*=-+++++++++*#+-: :-+**+=---========*==+++++++**+:: -+**+=---=====*==++++*#*=:: -+**+=---==*==++*#*=:: :=**+==-*=+*#*-:: :=***#*#+-: :=+=: 2. 課程目標:培育量子演算法開發人才,推動臺灣接軌量子運算時代,引領科技潮流。 全球科技快速發展,各領域軟硬體跳躍式升級導致資料海量暴漲,讓各行業遭遇前所未有的大數據處理壓力。面對以指數型增長且關聯性日益複雜的龐大資料量,傳統電腦的平行運算效能瓶頸日益明顯,量子運算技術之興起,提供了解決複雜計算問題的新契機,並將為人工智慧、生醫、金融等領域帶來革命性影響。 仿生型人工智慧為目前主流AI演算法形式,若結合量子運算,可望開創全新技術突破與商業機會。全球科技界領導者亦預見,在通用型量子電腦與量子人工智慧技術成熟之時,人類文明將邁向空前的科技大爆炸,即「科技奇異點」(Technological Singularity) ── 一個科技快速自我演進,深刻改變社會與生活樣貌的轉捩點。 本課程以國際通用之量子演算法開發模擬器Qiskit為平台,透過實務導向之教材設計,循序漸進引導,讓學生由基礎概念(量子位元、邏輯閘、量子糾纏)起步,進入實作層面,包括Deutsch–Jozsa演算法、Grover搜尋演算法、量子神經網路等,並透過量子最佳化演算法之前瞻案例,理解量子運算於跨領域整合應用之潛力。期盼透過本課程之系統化訓練,培養學生兼具量子運算基礎知識與跨域解題能力,未來於人工智慧、生物科技、金融工程與高科技產業具備掌握前沿技術與創新應用之競爭優勢。
無
課堂講授為主,每堂課都有作業。期中、期末評量為上機考。作業與考試由老師與助教們評分。於資訊技術服務中心教室授課,每次三節課。第一段兩節課,為當週進度講授。第二段一節課,為作業演習。第一段授課,學生們的螢幕主要處於廣播鎖定狀態,每一小主題講授完後解鎖開放練習。作業演習有兩部份:當週進度之程式設計示範及上週作業擇要講解。若有剩餘時間,視進度安排,可能是隨堂練習、小考、小組討論或答題競賽。 所有課程由開課老師講授。助教協助作業與考試之評分、課間輔導學生們跟上進度、維護課堂秩序、處理課程瑣雜事務。 教材規劃: 1. 教學投影片一組,規劃有14章,含概論與總結。期中、期末考各跨七章範圍。 2. 隨堂例題12章,配合投影片使用。 3. 作業12章,配合各章教學使用。 4. 考試題庫一份,配合期中、期末考使用。 5. 教學伺服器一台,並於其上搭建教學網站。
評量形式 / 所佔比例 / 相關說明(如執行方式、質與量要求、次數等) 作業、隨堂測驗 / 60% / 每週都有作業(首週有期初報告),隨堂測驗視教學進展配合課堂活動舉行。 期中考 / 15% / 量子運算概念紙筆測驗 & 程式設計上機考。 期末考 / 15% / 量子運算程式設計上機考。 其他 / 10% / 課堂表現如回答問題、發問、討論、協助同學等。
- 量子運算基礎
- 量子演算法與應用挑戰
- 量子機器學習
- 量子最佳化與生物科技應用
| 週次 | 主題 |
|---|---|
| 第 1 週 | ***請注意,加退選期間乃師生互選。第一堂課未到者,不具修課資格。 課程簡介:量子運算與水丁格的貓、仿生型人工智慧與人類科技奇點 =>量子電腦、量子運算及未來應用,量子運算與仿生型人工智慧之結合前景 授課重點: 量子電腦及量子運算概念 仿生型人工智慧演算法概念 課程規劃及評量方式 期初報告交件與評分方式 |
| 第 2 週 | 初探量子世界 =>量子力學簡史、量子運算基本概念,Qiskit環境設置 授課重點: 量子力學發展史簡述 量子位元與經典位元的差異:多狀態特性 作業系統基本操作 Qiskit環境設置與初始化程式實作 |
| 第 3 週 | 操作量子位元 =>量子位元疊加特性,疊加特性的數學表示法,Hadamard閘功能,Hadamard閘的Qiskit實作 授課重點: 量子位元疊加特性:同時表示0與1的狀態 看懂狄拉克符號 Hadamard閘功能:生成疊加態的原理與作用 Bloch球視覺化量子位元狀態:直觀理解量子狀態 Qiskit Hadamard 閘生成疊加態實作:建立單量子位元電路,應用H閘並測量結果 |
| 第 4 週 | 量子糾纏 =>量子糾纏特性,貝爾態的生成與性質,量子糾纏與量子通訊,貝爾態Qiskit實作 授課重點: 量子糾纏特性:貝爾態的生成與性質 糾纏於通訊中的應用:量子通訊的基本原理 Qiskit糾纏態電路實作:生成雙量子位元貝爾態,觀察糾纏測量結果 |
| 第 5 週 | 量子測量 =>量子測量的狀態崩潰與機率性質,測量對量子位元狀態的影響,量子測量Qiskit實作,機率分佈觀察 授課重點: 量子測量:狀態崩潰與機率的基礎原理 測量對量子位元的影響:測量後狀態變化 Qiskit測量程式實作:對單量子位元疊加態進行測量,觀察機率分佈 |
| 第 6 週 | 量子電路與邏輯閘 =>量子電路的設計與量子閘組合,CNOT閘的條件邏輯功能,含CNOT閘的Qiskit電路實作 授課重點: 簡單量子電路設計:量子閘的組合方式 CNOT閘功能 Qiskit含CNOT電路實作:建立雙量子位元電路,應用CNOT並測量 |
| 第 7 週 | 量子邏輯與邏輯閘設計 =>X閘與CNOT閘的邏輯功能,量子邏輯閘在運算中的角色,含X與CNOT的Qiskit電路實作 授課重點: 簡單量子邏輯閘結構:X閘與CNOT閘的邏輯功能 量子邏輯閘於運算中的作用:實現條件運算 Qiskit簡單量子邏輯閘實作:設計包含X閘與CNOT閘的電路,觀察邏輯輸出 |
| 第 8 週 | 期中考 =>整合前六週基礎觀念與模擬操作能力,完成紙筆與程式實作測驗 考核項目: 紙筆測驗:概念、表示法、邏輯閘與糾纏原理 上機測驗 |
| 第 9 週 | 量子演算法實作:Deutsch =>量子平行運算優勢,Deutsch演算法原理,Deutsch演算法Qiskit程式實作 授課重點: 量子平行運算優勢:同時處理多個狀態 以Deutsch演算法解決簡單問題:判斷函數性質 Deutsch演算法於基因序列性質判斷之應用 Qiskit Deutsch程式實作 |
| 第 10 週 | 量子搜尋演算法實作:Grover =>Grover演算法的搜尋優勢,Grover電路設計原理,Grover演算法之Qiskit實作 授課重點: Grover演算法的搜尋優勢:平方級加速 量子搜尋應用前景:基因資料庫快速搜尋特定片段 Qiskit Grover程式實作 |
| 第 11 週 | 自寫量子演算法 & 類神經網路機器學習概論 (ANN) =>本週為承前啟後的緩衝週。 可能主題一:不透過內建函式,自寫Qiskit Deutsch及Grover程式。 可能主題二:了解類神經網路、理解量子機器學習與經典機器學習的運算方式差異 授課重點: Qiskit Deutsch演算法自寫程式實作:設計雙量子位元電路,包含H閘, X閘, CNOT閘, 填入關鍵閘順序,觀察結果 Qiskit Grover演算法自寫程式實作:設計三量子位元電路,包含H閘、oracle (簡單X閘組合)、擴散算子,填入關鍵閘順序,觀察搜尋結果 量子機器學習與經典機器學習之比較 量子機器學習於醫療影像分類之應用前景 |
| 第 12 週 | 量子機器學習:神經網路 (QNN) =>量子神經網路的運算方式與應用潛力,QNN電路設計原理,QNN的Qiskit程式實作 授課重點: 量子神經網路QNN於圖像分類的潛力 Qiskit QNN程式實作:設計雙量子位元H閘與旋轉閘變分電路,填入變分層數,結合TwoLayerQNN完成分類,觀察結果 |
| 第 13 週 | 量子機器學習:醫療影像分類 QNN 實作 =>量子運算在醫療影像分類中的應用潛力,噪音對分類的影響,QNN的醫學應用初體驗 授課重點: 量子運算於醫療影像分類的應用前景:病灶辨識 醫療影像分類的生物科技案例:如臺灣醫療影像資料分析 量子運算的挑戰:噪音對醫療影像分類的影響 Qiskit QNN實作:使用Qiskit內建QSVC與TwoLayerQNN函式,實作醫療影像分類程式,觀察結果 |
| 第 14 週 | 量子最佳化 (QAOA):基因序列與藥物設計應用概述 =>量子運算在基因序列與藥物設計最佳化中的應用潛力,QAOA基本原理,QAOA之Qiskit實作 授課重點: 量子運算於基因序列最佳化的應用前景:基因比對與蛋白質摺疊 量子最佳化於藥物設計的應用前景:分子結構模擬 基因序列最佳化的生物科技案例:臺灣基因資料庫分析 QAOA實作:使用Qiskit內建QAOA函式,運行最佳化,觀察結果 |
| 第 15 週 | 期末考 =>檢驗全學期學習成果,包括基礎概念與Qiskit程式設計能力,須完成簡單量子電路與應用實作 |
| 第 16 週 | 期末考演習 =>檢討期末考,分享量子運算之多元應用前景 授課重點: 由期末考題可衍生的相關應用 量子運算實際應用前待解決之難題 初代商用量子運算系統之可能形式 通用量子電腦之開發前景 |
投影片、講義及練習題庫,由開課教師羅惟正設計。參考書目: 1. Ciaran Hughes, et al. (2021) Quantum Computing for the Quantum Curious. Springer Nature Link (開放式授權教材) 2. Thomas G. Wong (2020) Introduction to Classical and Quantum Computing. National Q-12 Education (開放式授權教材) 3. 羅惟正等人 (2019)。分散式運算方法與管理系統。中華民國專利:發明第I661312號。 (平行運算參考技術) 4. 羅惟正等人 (2019)。以機器學習為基礎之最佳化預測模型的建立與預測結果的取得系統及方法。中華民國專利:發明第I676940號。 (人工智慧參考技術)
- 地點
- 週一:博愛校區賢齊館401室 週五:光復校區科學三館226室
- 時間
- 每週一:10AM – 16PM 每週五:10AM – 13PM
- 聯絡方式
- 分機:56922, 56923 WadeLo@nycu.edu.tw