isa-carinvesting.com Open in urlscan Pro
95.213.216.231  Public Scan

Form analysis
1 forms found in the DOM

GET http://eqai.eu/

<form role="search" aria-label="Search for:" method="get" class="search-form" action="http://eqai.eu/">
  <label for="search-form-1">
    <span class="screen-reader-text">Szukaj:</span>
    <input type="search" id="search-form-1" class="search-field" placeholder="Search …" name="s">
  </label>
  <input type="submit" class="search-submit" value="Search">
</form>

Text Content

Skip to the content
Szukaj
EQAI
Menu
 * Strona główna
 * Komitet
 * Prelegenci i program
 * Zadzwoń na dla plakatów
 * Lokalizacja
 * Wstęp i zakwaterowanie

Szukaj
Szukaj:
Wyszukiwanie ścisłe
Zamknij menu
 * Home
 * Committee
 * Speakers and Program
 * Call for Posters
 * Location
 * Admission and Accomodation




EQAI 2022
LETNIA SZKOŁA EUROPEJSKA
W SPRAWIE KWANTOWEJ SZTUCZNEJ INTELIGENCJI



QUANTUM MACHINE LEARNING: OD PODSTAW DO ZASTOSOWAŃ


12-16 WRZEŚNIA 2022 UDINE, WŁOCHY


Możliwości doktoratu. Jeśli jesteś przyszłym doktorantem zainteresowanym
uczeniem maszynowym w kwantach Uczenie maszynowe, sztuczna inteligencja i
głębokie uczenie na University of Udine, prosimy o kontakt z nami (Giuseppe
Serra – giuseppe.serra@uniud.it)

Przewiń w dół


ORGANIZOWANE PRZEZ


Poznaj
głośniki
Plakat
sesja
Zarejestruj się
teraz!



MOTYWACJA

Quantum Machine Learning to najbardziej obiecująca, zrównoważona przyszłość dla
sztucznej inteligencji. Inteligencji.

Zastosowanie Quantum Computing do ML/AI jest jednym z najbardziej ekscytujących
perspektywicznych zastosowań badań kwantowych. Wynika ono z połączenie fizyka,
matematyka, teoria informacji oraz informatyka i ma potencjał, aby zapewnić
wysoką moc obliczeniową, mniejsze zużycie energii i wykładniczy wzrost prędkości
w stosunku do klasycznych komputerów.
Ten Pozwoli to na niewiarygodny postęp w różnych dziedzinach, zajmując się
różnymi takich jak złożone symulacje fizyczne i problemy optymalizacyjne..

Kluczowe jest zbadanie sposobów opracowania wydajnych i skutecznych algorytmów
Quantum ML w celu wykorzystania tej nowej technologii. wykorzystać tę nową
technologię.
Jest też wiele otwartych wyzwania: wyjście obliczeń kwantowych jest hałaśliwe, a
obecne komputery kwantowe komputery mają naprawdę ograniczoną pamięć. Dlatego
niezwykle ważne jest ważne, aby rozpowszechnić wiedza o tym temacie i
zaangażować nowych badaczy, którzy mogą przyczynić się do jego postęp.




CEL POMOCY

Ten szkoła letnia ma na celu zapewnienie zarówno obiektywnego i przejrzystego
przeglądu, jak i dogłębną analizę najnowszego stanu badań w Kwantowe uczenie
maszynowe oraz Kwantowa Sztuczna Inteligencja.
Kursy będą prowadzone przez światowej sławy ekspertów w dziedzinie dziedzinie,
zarówno z uczelnia oraz przemysł, i obejmie zarówno teoretyczna oraz praktyczne
aspekty rzeczywistych problemów.

Szkoła dąży do zapewnienia stymulujących możliwości dla młodzi naukowcy i
doktoranci. studenci. Uczestnicy skorzystają z bezpośredniej interakcji i
dyskusji z ekspertami w tej dziedzinie. Uczestnicy będą mieli również możliwość
zaprezentowania wyników swoich badań oraz interakcji z rówieśnikami, w
przyjaznym i konstruktywnym środowisku. naukowymi rówieśnikami, w przyjaznym i
konstruktywnym środowisku.



KRÓTKI KONTEKST

Pojawienie się komputerów zrewolucjonizowało naukę, technologię i społeczeństwo
w ostatnim stuleciu. century. Pierwszy komputer około XX wieku nie był zdolny do
wykonywania obliczeń na własną rękę, podczas gdy obecnie kieszonkowe kawałki
technologii technologii mogą natychmiast i dokładnie rozwiązać złożone problemy
(biorąc pod uwagę odpowiednie dane wejściowe i zestawy instrukcji).
Komputery i ich fizyczne części były stale optymalizowane pod względem
wydajności, prędkości i rozmiarów, ale dochodzimy do punktu, w którym jedynym
sposobem na upakowanie w nich więcej mocy obliczeniowej jest praca na poziomie
atomowym. To uwalnia zarówno niesamowity potencjał, jak i wielkie wyzwania.
Quantum Obliczenia kwantowe to nowy rodzaj obliczeń oparty na mechanice
kwantowej, który wykorzystuje cząstki subatomowe (np. atomy, elektrony, fotony)
jako bity i wykorzystuje ich probabilistyczną naturę. Mogą one rozwiązać każdy
problem, który klasyczny komputer, i odwrotnie. Ale komputery kwantowe mogą
rozwiązywać takie problemy w rozsądnie i wykładniczo niższych złożonościach
czasowych ("Quantum Supremacy"). Ten wykładniczy wzrost szybkości jest zmianą
gry w dziedzinie dziedzinie uczenia maszynowego, gdzie wydajność modeli jest
często związana z wielkością zbioru danych treningowych i czasem przeznaczonym
na procesowi szkolenia. Im więcej danych i czasu poświęca się modelowi, tym tym
lepsze wyniki. W dzisiejszych czasach modele są często trenowane na mniejszych
zbiorach danych danych z powodu ograniczeń czasowych, ale model uczenia maszyn
kwantowych pozwoliłoby nam na trenowanie modeli na większych zbiorach danych,
nie zabierając przy tym wykładniczego czasu.

SKONTAKTOWAĆ SIĘ Z NAMI POD ADRESEM:

INFO.EQAI@GMAIL.COM

(INFORMACJE O SZKOLE LETNIEJ)

INFO@CISM.IT

(PYTANIA DOTYCZĄCE REJESTRACJI, ZAKWATEROWANIA I LOKALIZACJI)

© 2022 EQAI

Zasilany przez WordPress

Do góry ↑ Do góry ↑