量子人工智能 金賢敏 胡俊傑 9787302619192 【台灣高等教育出版社】

*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202306*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：量子人工智能
ISBN：9787302619192
出版社：清華大學
著編譯者：金賢敏 胡俊傑
頁數：255
所在地：中國大陸 *此為代購商品
書號：1539940
可大量預訂，請先連絡。

內容簡介

量子計算與人工智能的交叉融合，促使量子人工智能不斷發展。本書旨在採用對深度學習愛好者友好的方式，構建量子人工智能應用。 全書共13章，第1章和第2章系統介紹量子計算機發展脈絡和量子計算編程的基礎知識。第3～7章分別介紹不同的深度學習方法和在這些演算法邏輯上構建量子啟發演算法的方式，用量子線路中的相位作為神經網絡的可學習參數，重構為量子神經網絡運算元。這些運算元可以在PyTorch環境中直接調用。第8章和第9章是量子人工智能的進階知識，講解不同量子演算法的可行評估方式和量子神經網絡基於TorchScript技術進行運算元化的內容。第10～13章通過在原生的深度學習PyTorch環境中引入量子演算法，帶來可能的量子增強，並分別實現了對材料晶體結構相變過程的搜索、冠狀病毒RNA序列變異預測、藥物虛擬篩選中親和能力的預測及基因表達藥物設計等案例。 本書可作為量子人工智能初學者的入門書和PyTorch深度學習愛好者的參考書，也可作為從事量子人工智能相關工作技術人員的應用指南。

作者簡介

金賢敏，上海交通大學長聘教授，博士生導師，集成量子信息技術研究中心主任，獲上海市青年科技英才獎、全國百篇優秀博士論文獎、中國科學院百篇優秀博士論文獎，區域光纖通信網與新型光通信系統國家重點實驗室學術帶頭人。

目錄

第1章 量子計算和人工智能
1 1 量子計算機體系各個物理進展
1 2 量子線路介紹
1 3 量子神經網絡及其應用
參考文獻
第2章 量子計算基礎框架
2 1 量子計算基本概念
2 1 1 復內積空間
2 1 2 狄拉克符號
2 1 3 量子比特
2 2 矩陣的張量積
2 3 封閉量子系統中量子態的演化（酉運算元）
2 4 量子門
2 5 量子電路
2 6 量子測量
2 7 密度運算元
2 8 含參數的量子門表示
2 9 約化密度運算元
2 10 量子信息的距離度量
2 11 經典的量子演算法和工具
第3章 量子自編碼網路
3 1 經典自編碼網路
3 2 變分自編碼網路
3 3 量子自編碼網路的量子信息學基礎
3 3 1 量子信息學中的偏跡運算
3 3 2 保真度與量子自編碼網路的損失函數
3 4 量子自編碼網路
3 5 案例
參考文獻
第4章 卷積、圖、圖神經網絡相關演算法
4 1 卷積神經網絡
4 1 1 經典卷積神經網絡
4 1 2 AlexNet
4 2 量子卷積神經網絡
4 2 1 回顧經典卷積
4 2 2 量子卷積
4 2 3 代碼實現
4 3 量子圖循環神經網絡
4 3 1 背景介紹
4 3 2 經典GGRU
4 3 3 基於QuGRU實現的QuGGRU
4 3 4 循環圖神經網絡補充介紹
參考文獻
第5章 注意力機制
5 1 注意力機制背景
5 1 1 Self Attention
5 1 2 Multi Head Attention
5 1 3 量子注意力機制
5 1 4 量子注意力機制的代碼實現
5 2 圖注意力機制
5 2 1 圖注意力網路
5 2 2 經典演算法的代碼實現
5 2 3 量子圖注意力網路
第6章 量子對抗自編碼網路
6 1 經典生成對抗網路
6 1 1 生成對抗網路介紹
6 1 2 GAN的訓練過程及代碼
6 1 3 GAN的損失函數
6 2 量子判別器
6 3 對抗自編碼網路
6 3 1 對抗自編碼網路架構
6 3 2 對抗自編碼網路的代碼實現
6 3 3 完全監督的對抗自編碼網路架構
6 3 4 完全監督的對抗自編碼網路的代碼實現
6 3 5 量子有監督對抗自編碼網路
第7章 強化學習的概念與理論
7 1 強化學習的概念
7 1 1 什麼是強化學習
7 1 2 馬爾可夫決策過程
7 2 基於值函數的強化學習方法
7 2 1 基於蒙特卡洛的強化學習方法
7 2 2 基於時間差分的強化學習方法
7 2 3 基於值函數逼近的強化學習方法
7 3 基於策略的強化學習方法
7 4 基於參數化量子邏輯門的強化學習方法
7 4 1 量子態編碼方法
7 4 2 Q Policy Gradient方法
第8章 量子機器學習模型評估
第9章 基於TorchScript量子運算元編譯
9 1 TorchScript語義和語法
9 1 1 術語及類型
9 1 2 類型註釋
9 2 PyTorch模塊轉換為TorchScript
9 2 1 跟蹤量子及經典神經網絡
9 2 2 script()方法編譯量子模型及其函數
9 2 3 混合編譯、跟蹤及保存載入模型
9 3 Torch自動求導機制
9 3 1 自動求導機制的使用方法
9 3 2 自動求導的微分及有向無環圖
9 3 3 量子運算元及編譯原理
9 3 4 量子求導及編譯
第10章 量子StyleGAN預測新冠毒株Delta的變異結構
10 1 經典StyleGAN模型
10 1 1 移除傳統輸入
10 1 2 添加映射網路
10 1 3 生成網路與特徵控制
10 2 StyleGAN部分代碼
10 3 量子QuStyleGAN模型
10 3 1 QuStyleGAN模型構建
10 3 2 量子啟發模糊卷積
10 3 3 量子漸進式訓練
10 4 QuStyleGAN部分代碼
10 5 QuStyleGAN生成表現
第11章 模擬材料相變過程路徑搜索
11 1 建模方法
11 2 實現方案
第12章 蛋白質生物分子親和能力預測
第13章 基因表達
附錄A 神經網絡基礎簡介
A 1 感知機
A 2 多層感知機
A 3 神經網絡
A 4 激活函數
A 5 損失函數
A 6 誤差反向傳播
A 7 參數更新
A 8 模型優化
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。