未來算力，量子AI技術與應用︰材料結構模擬、癲癇腦波預警、基因表達分析……解決傳統AI算力瓶頸，重構未來產業版圖-FindBook 找書網 ISBN:9786267708668

圖書名稱：未來算力，量子AI技術與應用︰材料結構模擬、癲癇腦波預警、基因表達分析……解決傳統AI算力瓶頸，重構未來產業版圖

量子運算與人工智慧融合的嶄新視野
走進次世代科技，掌握跨領域競爭優勢
一書在手，擁抱計算科學新紀元
⚑　一場技術革命
隨著摩爾定律逐漸失效，傳統半導體技術面臨物理極限，資料密集型應用對算力的需求日益劇增。本書以「智慧算力的下一步」為核心視角，深入探討量子運算作為新一代算力支柱的可行性，並展現量子技術如何重塑人工智慧的演算法與應用。

⚑　量子AI核心技術全揭露
本書介紹量子AI的主要架構與技術模組，包括量子自編碼網路、量子卷積神經網路、量子注意力機制、量子對抗網路與量子強化學習等。讀者能清楚看見傳統AI技術如何轉化為量子版本，並掌握其潛在優勢。
特別值得一提的是，書中引介了參數化量子線路與量子神經網路等關鍵架構，展示其在減少參數數量、提升學習穩定性與抗干擾能力上的優勢，為深度學習的下一階段提供新方向。

⚑　應用導向的實務案例與程式實作
本書並非僅止於理論推導，而是強調「落地應用」與「可操作性」。透過多個跨領域案例，包括新冠病毒RNA變異預測、蛋白質靶點親和力分析、太陽能材料結構設計、癲癇腦波分析等，作者展示了量子AI在各種產業的實際潛力。

⚑　面向未來的量子AI生態與開源願景
書中提及，量子AI要真正落地，不只需要硬體突破，還需建立可普及的開發框架與生態系。因此，書中特別介紹了如何基於PyTorch架構打造類Qiskit風格的量子神經網路開發平台，降低跨領域開發者進入門檻。
量子AI的學術與產業價值已逐漸受到全球重視，但其門檻亦高。本書以開源、模組化、跨語言整合的方式，鋪設出一條從理論、技術到應用的完整道路，為後續研究與開發提供可複製、可擴展的框架參考。

⚑　適合對象與學習價值
本書適合AI開發者、資訊工程師等具備數學與程式基礎的讀者閱讀。它不僅是一部技術參考書，更是一扇通往未來智慧算力世界的大門。透過本書，讀者能掌握量子AI的基礎邏輯與發展藍圖，並獲得實作與應用層面的具體指引。
隨著量子計算逐漸走出實驗室並邁向產業落地，量子人工智慧勢必成為21世紀最具顛覆性的科技之一。本書是理解與參與這場革命的起點。

本書特色：本書結合量子運算與人工智慧兩大尖端科技，深入淺出地介紹了量子電腦與AI的融合趨勢。涵蓋量子自編碼器、量子卷積神經網路、量子注意力機制等前沿技術，並搭配PyTorch與Qiskit實作範例。特別收錄新冠病毒變異預測、藥物設計、基因表達等應用，展現量子AI在醫療與材料科學的潛力，是探索未來智慧算力的入門寶典。

作者簡介：

金賢敏，大學長聘教授，博士生指導教授，量子資訊技術研究中心主任，獲獎無數，國家級實驗室學術帶頭人。

胡俊杰，現就職於量子資訊技術研究中心，主要研究方向為在實驗室光子晶片平臺上進行量子類比與量子機器學習。博士畢業，研究方向為機器學習與材料模擬的交叉方向。

章節試閱

第1章　量子運算和人工智慧
　　追溯當今文明的起源，技術進步中總是伴隨著計算工具的革新。無論是出現在中、西方早期文明中的易學術數和神祕學占星術，還是近代歐洲數學家發明的乘法電腦機械裝置，都能看到借用可觀測、可控的自然系統的規律演化來推演那個時代生活中的大小事情。小到計算時間，大到部落戰爭，或是生產製造，可觸及的角落不缺算術和計算工具的影子。
　　21世紀以來，科技的發展大步邁入資訊時代新技術革命的巔峰，人工智慧是湧現出的眾多新興科技中最讓人興奮的，引人無限遐思。過去十年，卷積神經網路在圖像分類上的成功應用使深度學習受到矚目，生成對抗網路的提出又再次擴展了大家對人工智慧處理邊界問題的了解，深度強化學習模型AlphaGo系列與專業棋手博弈中的勝利更是使人工智慧成為目前社會最流行的科技詞彙之一[1]。在那之後，AI技術席捲各個領域，不但被用於自動駕駛、設計新藥物和新材料、交通規劃、金融交易等領域，GPT-3和AlphaFold更是在自然語言處理和類似情境下獲得了成功並已經顛覆了特定的技術產業。這其中也有新提出的Transformer模型和注意力機制發揮作用，而這兩者的潛在應用將不只局限在傳統自然語言處理任務。
　　隨著經濟社會生活資訊化程度的不斷提高，大量使用者資料及多樣性的需求都在以超越指數的方式進行迭代，這些是人工智慧的溫床，卻導致了支撐這一大座廈的根基──傳統電子位元受到挑戰。在過去這些年，積體電路晶片提供的算力一直隨著半導體製造技術的提升以摩爾定律不斷迭代。0-1電子位元需要經由電子能量的控制確定性區分半導體裝置的不同狀態，隨著三星和台積電等先進半導體企業的製造技術進入1nm及以下，製造技術和晶片運作的能耗提升，更為重要的是，原子半徑通常在埃（1／10nm）的尺度下，當製造技術接近原子半徑極限時，量子效應將發揮關鍵作用，挑戰傳統物理運作規律，0-1不再是確定性保持的傳統數位訊號，反而會轉換為糾纏在一起的量子態的線性疊加。
　　量子物理誕生於20世紀，是舉世矚目眾多科學家集體智慧的結晶。大自然的微觀物理機制被進一步揭示，經過多次科學論證，量子理論成為當代物理學的基礎之一。「二戰」後大量優秀科學家在匯聚於美國，其中猶太裔天才物理學家理查．費曼（Richard Feynman）在一次報告中最早提出，用量子物理演化過程模擬目標物理系統概念，這被廣泛認為是量子運算的原型。量子位元作為高維布洛赫球面上的態向量，在希爾伯特空間下產生了更強的針對資料的表現能力，透過量子態在包含可控參數下的演化，使量子程式高度並行。在某些問題上，遵循量子規律對資訊進行計算處理，即使用量子電腦，將擁有大幅超越傳統電腦的表現。量子運算真正廣為人知是在彼得．秀爾（Peter Shor）提出質因數分解演算法之後，Shor質因數分解演算法相較於傳統演算法的指數加速及其在密碼學上廣泛而重大的現實意義，使該演算法的提出成為量子運算的里程碑。
　　量子電腦的基礎理論早已成熟，並基於電腦系統架構發展了一系列的程式設計和量子軟體編譯工具。近年來以IBM和Google公司的超導量子電腦為代表，使量子運算逐漸受到矚目。理性看待量子運算展現的量子運算優勢，並比較不同取向目前的局限性，能夠更好地挖掘有潛力的技術方向。

顯示全部內容

前言
第1章　量子運算與人工智慧
第2章　量子運算的基礎框架
第3章　量子化自編碼網路
第4章　卷積、圖與圖神經網路相關演算法
第5章　關於注意力機制
第6章　量子化對抗自編碼網路
第7章　強化學習的概念和理論
第8章　量子機器的學習模型評估
第9章　TorchScript量子運算元編譯
第10章　量子StyleGAN預測新冠毒株Delta變異結構
第11章　模擬材料相變過程的路徑搜尋
第12章　蛋白質－生物分子親和能力預測
第13章　關於基因表達
附錄A　神經網路的基礎簡介