Uso di tecniche di machine learning per caratterizzare il rumore che affligge un computer quantistico ad atomi neutri, utilizzo di computer quantistici basati su atomi neutri per l'implementazione di algoritmi di quantum machine learning e presentazione di due casi d'uso. Simulazioni volte a indagare proprietà di protocolli di correzione di errori su computer quantistici. Application of machine learning techniques to characterize noise affecting a neutral atom quantum computer, use and implementation of neutral atom quantum computers for quantum machine learning algorithms, and demonstration of two use cases. Simulations to investigate properties of error correction protocols on quantum computers.
Quantum Machine Learning for Neutral-Atom Quantum Processors / Canonici Ettore. - (2025).
Quantum Machine Learning for Neutral-Atom Quantum Processors
Canonici Ettore
2025
Abstract
Uso di tecniche di machine learning per caratterizzare il rumore che affligge un computer quantistico ad atomi neutri, utilizzo di computer quantistici basati su atomi neutri per l'implementazione di algoritmi di quantum machine learning e presentazione di due casi d'uso. Simulazioni volte a indagare proprietà di protocolli di correzione di errori su computer quantistici. Application of machine learning techniques to characterize noise affecting a neutral atom quantum computer, use and implementation of neutral atom quantum computers for quantum machine learning algorithms, and demonstration of two use cases. Simulations to investigate properties of error correction protocols on quantum computers.File | Dimensione | Formato | |
---|---|---|---|
PhD THESIS.pdf
accesso aperto
Descrizione: Uso di tecniche di machine learning per caratterizzare il rumore che affligge un computer quantistico ad atomi neutri, utilizzo di computer quantistici basati su atomi neutri per l'implementazione di algoritmi di quantum machine learning e presentazione di due casi d'uso. Simulazioni volte a indagare proprietà di protocolli di correzione di errori su computer quantistici.
Tipologia:
Tesi di dottorato
Licenza:
Open Access
Dimensione
4.27 MB
Formato
Adobe PDF
|
4.27 MB | Adobe PDF |
I documenti in FLORE sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.