iT邦幫忙

鐵人檔案

2026 iThome 鐵人賽
回列表
AI Engineering

從 AI Engineering 到 Quantum Machine Learning:30 天打造 QML 實驗與加速開發流程 系列

本系列將以 AI Engineering 的工程實作角度,從零開始探索 Quantum Machine Learning(QML)。30 天內容涵蓋量子運算與 QML 基礎、量子電路與資料編碼、Variational Quantum Circuit、Quantum Neural Network、混合式 Classical-Quantum 模型,以及 QML 實驗設計與模型評估。同時嘗試結合 GPU、CUDA 與現有開源工具改善模擬與運算流程,並透過 Python、實驗程式與 GitHub 專案,記錄一名 AI 工程師進入 Quantum AI 世界的完整學習與實作歷程。

參賽天數 18 天 | 共 18 篇文章 | 1 人訂閱 訂閱系列文 RSS系列文 |團隊Ad Astra
DAY 1

Day 01|AI 工程師為什麼要理解量子機器學習?|Why Should AI Engineers Understand Quantum Machine Learning?

說明 本次以 「從 AI 工程到量子機器學習:30 天 CUDA-Q 實作」 為主題,從 AI Engineer 的工程視角出發,使用 Python 與 NV...

2026-09-14 ‧ 由 kancheng 分享
DAY 2

Day 02|從 Bit 到 Qubit:量子狀態與量測機率|From Bit to Qubit: Quantum States and Measurement Probabilities

Day1 用花卉分類說明:量子電路可以把輸入轉成量測結果,再由一般電腦整理成預測分數。如果執行 1,000 次,有大約一半量到 1,便能得到接近 0.5 的分...

2026-09-15 ‧ 由 kancheng 分享
DAY 3

Day 03|量子閘如何改變量子狀態?|How Do Quantum Gates Change Quantum States?

Day2 說明了如何從振幅算出量測機率。例如,狀態 [0.6, 0.8]ᵀ 量到 0 的機率是 36%,量到 1 的機率是 64%。今天往前走一步:如果想改變...

2026-09-16 ‧ 由 kancheng 分享
DAY 4

Day 04|疊加、糾纏與量測:建立第一個貝爾態|Superposition, Entanglement, and Measurement: Building the First Bell State

假設兩個人各拿到一張卡片,上面只寫著 0 或 1。打開後,他們發現自己的數字有時是 0、有時是 1,但兩張卡片的數字總是相同。這代表卡片之間存在特殊的量子關係...

2026-09-17 ‧ 由 kancheng 分享
DAY 5

Day 05|從一般機器學習流程看懂 QML 流程|Understanding QML Through the Classical ML Workflow

前四天,我們已經會用向量描述量子狀態、用量子閘改變振幅,也能從量測結果整理機率。今天把這些步驟接起來:給程式一個普通數字,它如何經過量子電路,再回到一般電腦可...

2026-09-18 ‧ 由 kancheng 分享
DAY 6

Day 06|CUDA-Q、CUDA、cuQuantum 有何不同?|What’s the Difference Between CUDA-Q, CUDA, and cuQuantum?

假設 Day5 的程式能在 CPU 上執行,但改成 GPU 後卻失敗。這時終端機可能同時出現 CUDA-Q、CUDA、cuQuantum、driver 等名稱...

2026-09-19 ‧ 由 kancheng 分享
DAY 7

Day 07|第一個 CUDA-Q 量子核心程式:量子位元、參數與流程控制|First CUDA-Q Quantum Kernel: Qubits, Parameters & Control Flow

Day4 建立了兩個量子位元的貝爾態。現在,如果想改成三個、四個位元,還想選擇是否連接它們、是否翻轉最後一位,需要為每種情況各寫一份程式嗎? 我們可以把操作寫...

2026-09-20 ‧ 由 kancheng 分享
DAY 8

Day 08|sample、run、observe:同一電路的三種執行方式|sample, run, and observe: Three Ways to Run a Circuit

電路寫好之後,下一步不是「再多加幾個閘」,而是決定:結果要長什麼樣子? 有時你想看各種答案各出現幾次;有時想留下每一次實驗的原始紀錄;有時只需要一個可放進模型...

2026-09-21 ‧ 由 kancheng 分享
DAY 9

Day 09|參數化量子電路:把資料與可訓練參數分開|Parameterized Quantum Circuits: Data vs. Trainable Parameters

Day 8 已經能從電路拿到數字。接下來常見的問題是:這些數字裡,哪些該跟著這筆資料變,哪些該留給之後的訓練一起調? 想像一個簡單的天氣預報器:今天的濕度、氣...

2026-09-22 ‧ 由 kancheng 分享
DAY 10

Day 10|第一個 CUDA-Q 訓練迴圈:依預測誤差更新權重|CUDA-Q Training Loop: Updating Weights from Prediction Error

Day 9 的權重還是人指定的。今天補上訓練真正缺的兩步:怎麼衡量「預測差多少」,以及要不要接受下一組權重。 想像調收音機:每次微微轉一個旋鈕,聽雜訊有沒有變...

2026-09-23 ‧ 由 kancheng 分享