99248 - QUANTUM COMPUTING

Conoscenze e abilità da conseguire

At the end of the course students will acquire some fundamental knowledge on: - the theoretical framework for quantum information processing; - theory and applications of quantum programming; - models and methods of quantum machine learning. Students will be able to: - analyze quantum circuits and algorithms, hybrid quantum-classical protocols and quantum machine learning models; - use these tools to solve simple problems in fundamental and applied physics, also with the use of quantum emulators.

Contenuti

Il corso è organizzato in tre moduli, che descrivono i fondamenti teorici dell'informatica quantistica e del machine learning quantistico e introducono gli studenti alle applicazioni attraverso sessioni pratiche.

• Il primo modulo (Prof. Calarco, 24 ore) inizia con i fondamenti dell'informatica quantistica, concentrandosi sul calcolo digitale universale. Approfondisce poi argomenti più avanzati, tra cui algoritmi quantistici e schemi di correzione degli errori.

Argomenti

- Nozioni di base di meccanica quantistica per la computazione.

I qubit: stati, evoluzione e misurazioni.

Separabilità e entanglement.

Applicazioni a semplici protocolli di elaborazione delle informazioni quantistiche.

- Circuiti quantistici.

Introduzione ai computer universali basati su circuiti.

Gate quantistici semplici e universali.

Esempi di algoritmi semplici.

Teorema di non clonabilità e calcolo classico.

- Algoritmi quantistici.

Esempi di algoritmi avanzati (trasformata di Fourier quantistica; ricerca quantistica; stima di fase quantistica).

Correzione degli errori.

• Il secondo modulo (Prof. Ercolessi, 12 ore) presenta i diversi paradigmi dell'informatica quantistica e comprende sessioni pratiche con l'obiettivo di apprendere le basi di due diversi kit di sviluppo software che funzionano su piattaforme fisiche ed emulatori diversi.

Argomenti

- Paradigmi dell'informatica quantistica.

Simulazioni e calcoli.

Computer digitali e analogici.

Protocolli ibridi

- Esercitazioni pratiche con Qiskit.

Circuiti semplici.

Alcuni esempi di protocolli più avanzati.

- Esercitazioni pratiche con Pulser

Circuiti analogici e digitali con piattaforme di atomi di Rydberg.

Problemi di ottimizzazione e formulazione QUBO.

• Il terzo modulo (Prof. Bonacorsi, 28 ore) è un'introduzione al Quantum Machine Learning.

Argomenti

- Richiami sul machine learning classico.

- Modelli e metodi del quantum machine learning.

- Applicazioni, tramite sessioni pratiche.

Testi/Bibliografia

• M.A. Nielsen and I.L. Chuang, Quantum Computation and Quantum information, Cambridge
• J. Preskill, Quantum information and Computation and Quantum, http://theory.caltech.edu/~preskill/

Le diapositive di alcune lezioni, notebooks delle sessioni pratiche e i suggerimenti di letture aggiuntive sono disponibili nella pagina del corso su Virtuale.

Metodi didattici

Il corso è organizzato in tre moduli, che comprendono sia lezioni frontali (tutti i moduli) che sessioni di laboratorio informatico (secondo e terzo modulo). Durante queste ultime, gli studenti dovranno portare i propri computer portatili e saranno guidati nello sviluppo, individualmente o in gruppo, di metodologie e software per l'implementazione di protocolli quantistici digitali, analogici e di apprendimento automatico per diversi tipi di applicazioni.

Modalità di verifica e valutazione dell'apprendimento

L'esame è suddiviso in due parti: una per i moduli 1 e 2 e una per il modulo 3.

Entrambe le parti possono essere sostenute in due modalità distinte, come descritto di seguito.

Esame orale tradizionale, con domande sul programma del corso.

Durante l'esame, agli studenti verrà chiesto di introdurre uno o due argomenti scelti tra quelli presenti nel programma e:

1. presentare e fornire argomentazioni a sostegno dei risultati principali;
2. discutere le implicazioni, in termini di vantaggi/svantaggi rispetto ad altri metodi, compresi quelli classici.

Presentazione orale di un articolo di ricerca: l'argomento può essere scelto tra le letture suggerite che saranno pubblicate su Virtuale o tra altri lavori di ricerca pubblicati. In ogni caso, la scelta deve essere discussa e concordata con la Prof. Ercolessi (per i moduli 1 e 2) e il Prof. Bonacorsi (per il modulo 3).

La presentazione dovrà affrontare i seguenti aspetti:

1. problema di ricerca affrontato,
2. metodologia utilizzata,
3. risultati ottenibili.

Il voto finale è il risultato della media dei voti delle due parti, valutate secondo il seguente schema:

Voto 18-19: conoscenze di base e capacità di analizzare solo un numero molto limitato di argomenti trattati nel corso; linguaggio complessivamente corretto.

Voto 20-25: conoscenza discreta e capacità di analizzare solo un numero limitato di argomenti trattati nel corso; linguaggio complessivamente corretto.

Voto: 26-28: buona conoscenza e capacità di analizzare un numero elevato di argomenti trattati nel corso; padronanza del linguaggio scientifico e uso corretto della terminologia specifica.

Voto: 29-30: preparazione completa sugli argomenti trattati nel corso, che dimostra una conoscenza e una capacità di analisi molto buona/eccellente; padronanza del linguaggio scientifico e uso corretto della terminologia specifica.

La lode è concessa agli studenti che dimostrano la capacità di organizzare analisi comparative e di rielaborazione personale/critica dell'argomento.

Secondo le regole generali dell'Università, gli studenti potranno rifiutare il voto una sola volta, ma potranno ritirarsi in qualsiasi momento durante l'esame.

Gli studenti con disturbi specifici dell'apprendimento (DSL) o disabilità temporanee/permanenti sono invitati a contattare tempestivamente l'ufficio universitario competente (https://site.unibo.it/studenti-con-disabilita-e-dsa/en ). L'ufficio sarà responsabile di proporre agli studenti interessati gli adattamenti necessari. Tali soluzioni devono essere sottoposte all'approvazione del docente con almeno 15 giorni di anticipo e saranno valutate alla luce degli obiettivi didattici del corso.

Orario di ricevimento

Consulta il sito web di Tommaso Calarco

Consulta il sito web di Elisa Ercolessi

Consulta il sito web di Daniele Bonacorsi