Ir al contenido principal

Boltzmann Law: Physics to Computing

Provides a unified perspective connecting equilibrium statistical mechanics with stochastic neural networks and quantum computing.

Hay una sesión disponible:

After a course session ends, it will be archivado.
Comienza el Nov 1
Termina el Dec 9
6 semanas estimadas
5–6 horas por semana
Al ritmo del instructor
Dictado por un instructor según un cronograma
Gratis
Cambio opcional de categoría disponible

Sobre este curso

Omitir Sobre este curso

A unique course that connects three diverse fields using the unifying concept of a state-space with 2^N dimensions defined by N binary bits. We start from the seminal concepts of statistical mechanics like entropy, free energy and the law of equilibrium that have been developed with the purpose of describing interacting systems occurring in nature. We then move to the concept of Boltzmann machines (BM) which are interacting systems cleverly engineered to solve important problems in machine learning. Finally, we move to engineered quantum systems stressing the phenomenon of quantum interference which can lead to awesome computing power.

De un vistazo

  • Institución: PurdueX
  • Tema:Ingeniería
  • Nivel:Advanced
  • Prerrequisitos:

    This course is designed for students who have an undergraduate degree in engineering or the physical sciences and have knowledge of differential equations and linear algebra.

  • Idioma:English
  • Transcripción de video:English

Lo que aprenderás

Omitir Lo que aprenderás
  • Boltzmann Law
  • Boltzmann Machines
  • Transition Matrix
  • Quantum Boltzmann Law
  • Quantum Gates

Plan de estudios

Omitir Plan de estudios

Week 1: Boltzmann Law

1.1 State Space

1.2 Boltzmann Law

1.3 Shannon Entropy

1.4 Free Energy

1.5 Self-consistent Field

1.6 Summary for Exam 1

Week 2: Boltzmann Machines

2.1. Sampling

2.2. Orchestrating Interactions

2.3. Optimization

2.4. Inference

2.5. Learning

Week 3: Transition Matrix

3.1. Markov Chain Monte Carlo

3.2. Gibbs Sampling

3.3. Sequential versus Simultaneous

3.4. Bayesian Networks

3.5. Feynman Paths

3.6 Summary for Exam 2

Week 4: Quantum Boltzmann Law

4.1. Quantum Spins

4.2. One q-bit Systems

4.3. Spin-spin Interactions

4.4. Two q-bit Systems

4.5. Quantum Annealing

Week 5: Quantum Transition Matrix

5.1. Adiabatic to Gated Computing

5.2. Hadamard Gates

5.3. Grover Search

5.4. Shor's Algorithm

5.5. Feynman Paths

5.6 Summary for Exam 3

Epilogue

Testimonios de los estudiantes

Omitir Testimonios de los estudiantes

"The way that this professor explains the material very well. All of this was very new to me but he explained it in a way that made the course interesting and engaging. I also enjoy the quizzes after every lecture video. It’s very helpful in ensuring that I learn the material properly. " - Student, Fall 2020 semester

Acerca de los instructores

¿Quién puede hacer este curso?

Lamentablemente, las personas residentes en uno o más de los siguientes países o regiones no podrán registrarse para este curso: Irán, Cuba y la región de Crimea en Ucrania. Si bien edX consiguió licencias de la Oficina de Control de Activos Extranjeros de los EE. UU. (U.S. Office of Foreign Assets Control, OFAC) para ofrecer nuestros cursos a personas en estos países y regiones, las licencias que hemos recibido no son lo suficientemente amplias como para permitirnos dictar este curso en todas las ubicaciones. edX lamenta profundamente que las sanciones estadounidenses impidan que ofrezcamos todos nuestros cursos a cualquier persona, sin importar dónde viva.

¿Te interesa este curso para tu negocio o equipo?

Capacita a tus empleados en los temas más solicitados con edX para Negocios.