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。
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...
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...
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...
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...
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...
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...
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...
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...
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...
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...