témavezető: Kozsik Tamás
társ-témavezető: Zimborás Zoltán
helyszín (magyar oldal): Eötvös Loránd Tudományegyetem helyszín rövidítés: ELTE
A kutatási téma leírása:
A hallgató feladata feltérképezni, hogy a gépi tanulással kapcsolatos ötletek, technikák, valamint kvantumszámítási módszerek hogyan segíthetik egymást. A projekt során kifejlesztésre kerül egy
szoftvercsomag gépi tanulás alapú kapufelbontáshoz és hibamérséklési sémákhoz, mely a jelenleg elérhető módszerek felskálázását teszik lehetővé. Konkrét célunk gépi tanulási algoritmusok fejlesztése és optimalizálása a Rydberg platformhoz, mely során a hallgató megismeri az erősen korrelált rendszerek kapcsán a kvantumdinamika kezelésére alkalmas legkorszerűbb variációs módszereket.
Feladatok: (1) Neurális hálózat alapú technikák kidolgozása a kiolvasási hibák megtanulására, tesztelésük prototípus kvantumprocesszorokon, valamint alkalmazásuk variációs kvantum algoritmusokra; (2) Kapufelbontók optimalizálása megerősítéses tanulással (RL); (3) RL alapú kapu dekompozíció testreszabása a közeljövő kvantumszámítógépeihez, a natív kapuk és a kvantumszámítógéo jellemzőinek figyelembevételével; (4) A kifejlesztett kapu-dekompozíciós módszerek közeljövőbeli alkalmazása, például variációs kvantumalgoritmusok esetén.
előírt nyelvtudás: angol ajánlott nyelvtudás (magyar oldal): középfok további elvárások: Informatikus, fizikus, matematikus, vagy egyéb kapcsolódó témában mesterszakos diploma. Hatékony programozási ismeretek, erős alapok lineáris algebrában és gépi tanulásban, esetleg valószínűségszámításban és algoritmuselméletben. Megfelelő angol tudá