Quantum Machine Learning (eBook)

Quantum Machine Learning (eBook)

Claudio Conti
Claudio Conti
Prezzo:
€ 112,31
Compra EPUB
Prezzo:
€ 112,31
Compra EPUB

Formato

:
EPUB
Cloud: Scopri di più
Lingua: en
Editore: Springer
Collana: Quantum Science and Technology
Codice EAN: 9783031442261
Anno pubblicazione: 2024
Scopri QUI come leggere i tuoi eBook

Note legali

NOTE LEGALI

a) Garanzia legale, Pagamenti, Consegne, Diritto di recesso
b) Informazioni sul prezzo
Il prezzo barrato corrisponde al prezzo di vendita al pubblico al lordo di IVA e al netto delle spese di spedizione
Il prezzo barrato dei libri italiani corrisponde al prezzo di copertina.
I libri in inglese di Libraccio sono di provenienza americana o inglese.
Libraccio riceve quotidianamente i prodotti dagli USA e dalla Gran Bretagna, pagandone i costi di importazione, spedizione in Italia ecc.
Il prezzo in EURO è fissato da Libraccio e, in alcuni casi, può discostarsi leggermente dal cambio dollaro/euro o sterlina/euro del giorno. Il prezzo che pagherai sarà quello in EURO al momento della conferma dell'ordine.
In ogni caso potrai verificare la convenienza dei nostri prezzi rispetto ad altri siti italiani e, in moltissimi casi, anche rispetto all'acquisto su siti americani o inglesi.
c) Disponibilità
I termini relativi alla disponibilità dei prodotti sono indicati nelle Condizioni generali di vendita.

Disponibilità immediata
L'articolo è immediatamente disponibile presso Libraccio e saremo in grado di procedere con la spedizione entro un giorno lavorativo.
Nota: La disponibilità prevista fa riferimento a singole disponibilità.

Disponibile in giorni o settimane (ad es. "3-5-10 giorni", "4-5 settimane" )
L'articolo sarà disponibile entro le tempistiche indicate, necessarie per ricevere l'articolo dai nostri fornitori e preparare la spedizione.
Nota: La disponibilità prevista fa riferimento a singole disponibilità.

Prenotazione libri scolastici
Il servizio ti permette di prenotare libri scolastici nuovi che risultano non disponibili al momento dell'acquisto.

Attualmente non disponibile
L'articolo sarà disponibile ma non sappiamo ancora quando. Inserisci la tua mail dalla scheda prodotto attivando il servizio Libraccio “avvisami” e sarai contattato quando sarà ordinabile.

Difficile reperibilità
Abbiamo dei problemi nel reperire il prodotto. Il fornitore non ci dà informazioni sulla sua reperibilità, ma se desideri comunque effettuare l'ordine, cercheremo di averlo nei tempi indicati. Se non sarà possibile, ti avvertiremo via e-mail e l'ordine verrà cancellato.
Chiudi

Descrizione

This book presents a new way of thinking about quantum mechanics and machine learning by merging the two. Quantum mechanics and machine learning may seem theoretically disparate, but their link becomes clear through the density matrix operator which can be readily approximated by neural network models, permitting a formulation of quantum physics in which physical observables can be computed via neural networks. As well as demonstrating the natural affinity of quantum physics and machine learning, this viewpoint opens rich possibilities in terms of computation, efficient hardware, and scalability. One can also obtain trainable models to optimize applications and fine-tune theories, such as approximation of the ground state in many body systems, and boosting quantum circuits’ performance. The book begins with the introduction of programming tools and basic concepts of machine learning, with necessary background material from quantum mechanics and quantum information also provided. This enables the basic building blocks, neural network models for vacuum states, to be introduced. The highlights that follow include: non-classical state representations, with squeezers and beam splitters used to implement the primary layers for quantum computing; boson sampling with neural network models; an overview of available quantum computing platforms, their models, and their programming; and neural network models as a variational ansatz for many-body Hamiltonian ground states with applications to Ising machines and solitons. The book emphasizes coding, with many open source examples in Python and TensorFlow, while MATLAB and Mathematica routines clarify and validate proofs. This book is essential reading for graduate students and researchers who want to develop both the requisite physics and coding knowledge to understand the rich interplay of quantum mechanics and machine learning.