量子人工智能 - 城邦阅读花园


	量子計算與人工智慧的交叉融合，促使量子人工智慧的不斷發展。本書旨在採用對深度學習愛好者友好的方式，構建量子人工智慧應用。全書共13章，第1章和第2章系統介紹量子電腦發展脈絡和量子計算程式設計的基礎知識。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路的可學習參數，重構為量子神經網路運算元。這些運算元可以在PyTorch環境中直接調用。第8章和第9章是量子人工智慧的進階知識，講解不同量子演算法的可行的評估方式和量子神經網路基於Torch.Script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搜索，冠狀病毒RNA序列變異預測、藥物虛擬篩選中親和能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慧初學者的入門書籍，PyTorch深度學習愛好者的參考書籍，也可作為從事量子人工智慧相關工作技術人員的應用指南。



	購買中國簡體書籍請注意： 1. 因裝幀品質及貨運條件未臻完善，中國簡體書可能有出現磨痕、凹痕、折痕等問題，故簡體字館除封面破損、內頁脫落、缺頁等較嚴重的狀態外，其餘所有商品將正常出貨。


	目錄第1章量子計算和人工智能 1.1量子電腦體系各個物理進展 1.2量子線路介紹 1.3量子神經網路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複內積空間 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 2.1量子資訊的距離度量 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資訊學基礎 3.3.1量子資訊學中的偏跡運算 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、圖神經網路相關演算法 4.1卷積神經網路 4.1.1經典卷積神經網路 4.1.2AlexNet 4.2量子卷積神經網路 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量子圖迴圈神經網路 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循環圖表神經網路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 5.1.1SelfAttention 5.1.2Multi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 6.1.2GAN的訓練過程及代碼 6.1.3GAN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瑪律可夫決策過程 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 7.4.2Q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 9.1TorchScript語義和語法 9.1.1術語及類型 9.1.2類型注釋 9.2PyTorch模組轉換為TorchScript 9.2.1跟蹤量子及經典神經網路 9.2.2script（）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 9.3Torch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 1.1經典StyleGAN模型 1.1.1移除傳統輸入 1.1.2添加映射網路 1.1.3生成網路與特徵控制 1.2StyleGAN部分代碼 1.3量子QuStyleGAN模型 1.3.1QuStyleGAN模型構建 1.3.2量子啟發模糊卷積 1.3.3量子漸進式訓練 1.4QuStyleGAN部分代碼 1.5QuStyleGAN生成表現第11章類比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神經網路基礎簡介 A.1感知機 A.2多層感知機 A.3神經網路 A.4啟動函數 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