Rozwój komputerów kwantowych w erze NISQ (Noisy Intermediate-Scale Quantum) napotyka na fundamentalną barierę: dekoherencję i wysoki poziom szumu, które ograniczają głębokość realizowanych obwodów. Tradycyjne metody korekcji błędów wymagają tysięcy kubitów fizycznych na jeden kubit logiczny, co wykracza poza dzisiejsze możliwości sprzętowe. Odpowiedzią na ten problem jest synergia ze sztuczną inteligencją.
Podczas tego seminarium prof. Thomas Monz z Uniwersytetu w Innsbrucku przedstawi przełomowe podejście polegające na wykorzystaniu klasycznych modeli uczenia maszynowego (Machine Learning) do łagodzenia błędów (error mitigation) bezpośrednio na poziomie sprzętowym. Skupimy się na praktycznych eksperymentach przeprowadzonych na procesorach opartych na pułapkach jonowych, pokazując, w jaki sposób sieci neuronowe potrafią modelować, przewidywać i kompensować szum systemowy.
Agenda spotkania:
- 10:00 – 10:15: Wprowadzenie: Ograniczenia architektury NISQ i problem skalowalności.
- 10:15 – 11:00: Algorytmy uczenia maszynowego w charakterystyce szumu kwantowego.
- 11:00 – 11:30: Case study: Integracja środowiska HPC z procesorem jonowym.
- 11:30 – 12:00: Sesja Q&A.
Do kogo skierowane jest seminarium? Wydarzenie jest dedykowane inżynierom oprogramowania kwantowego, badaczom sztucznej inteligencji, architektom systemów HPC oraz studentom kierunków ścisłych, którzy chcą zgłębić temat hybrydowych algorytmów kwantowo-klasycznych.