Quantum Machine Learning : théorie et applications

Cette séance de cours, co-conçue par l'instructeur et son postdoc, explore le domaine de l'apprentissage automatique quantique, explorant l'interaction entre la théorie de l'apprentissage automatique et la physique quantique. La séance de cours couvre le voyage des données à l'information, la connaissance et la sagesse, soulignant l'importance du raisonnement inductif et déductif. Diverses représentations de molécules, telles que Coulomb Matrix et Spectrum de Lennard-Jones ou Taylor, sont discutées, ainsi que l'utilisation de la régression du noyau pour traiter la non-linéarité. La séance de cours aborde également les défis de l'injectivité dans les représentations et l'importance des noyaux covariables dans l'intégration de la physique dans les modèles d'apprentissage automatique.