量子計(jì)算與人工智能的交叉融合，促使量子人工智能的不斷發(fā)展。本書(shū)旨在采用對(duì)深度學(xué)習(xí)愛(ài)好者友好的方式，構(gòu)建量子人工智能應(yīng)用。
全書(shū)共13章，第1章和第2章系統(tǒng)介紹量子計(jì)算機(jī)發(fā)展脈絡(luò)和量子計(jì)算編程的基礎(chǔ)知識(shí)。第3~7章分別介紹不同的深度學(xué)習(xí)方法和在這些算法邏輯上構(gòu)建量子啟發(fā)算法的方式，用量子線路中的相位作為神經(jīng)網(wǎng)絡(luò)的可學(xué)習(xí)參數(shù)，重構(gòu)為量子神經(jīng)網(wǎng)絡(luò)算子。這些算子可以在PyTorch環(huán)境中直接調(diào)用。第8章和第9章是量子人工智能的進(jìn)階知識(shí)，講解不同量子算法的可行的評(píng)估方式和量子神經(jīng)網(wǎng)絡(luò)基于Torch.Script技術(shù)進(jìn)行算子化的內(nèi)容。第10~13章通過(guò)在原生的深度學(xué)習(xí)PyTorch環(huán)境中引入量子算法，帶來(lái)可能的量子增強(qiáng)，并分別實(shí)現(xiàn)了對(duì)材料晶體結(jié)構(gòu)相變過(guò)程搜索，冠狀病毒RNA序列變異預(yù)測(cè)、藥物虛擬篩選中親和能的預(yù)測(cè)及基因表達(dá)藥物設(shè)計(jì)等案例。
本書(shū)可作為量子人工智能初學(xué)者的入門(mén)書(shū)籍，PyTorch深度學(xué)習(xí)愛(ài)好者的參考書(shū)籍，也可作為從事量子人工智能相關(guān)工作技術(shù)人員的應(yīng)用指南。