Course Syllabus
Obiettivi
(DdD 1) Conoscenza e capacità di comprensione
Al termine del corso, lo studente sarà in grado di:
- Comprendere le peculiarità dell’informazione quantistica e la loro rilevanza teorica e applicativa.
- Conoscere i principali protocolli crittografici utilizzati nella comunicazione quantistica.
- Comprendere in profondità i principi di funzionamento dei modelli computazionali quantistici.
(DdD 2) Capacità di applicare conoscenza e comprensione
Al termine del corso, lo studente sarà in grado di:
- Analizzare e classificare le principali classi di algoritmi quantistici.
- Implementare algoritmi quantistici utilizzando i formalismi appropriati e i linguaggi di programmazione dedicati all’informatica quantistica.
(DdD 3) Autonomia di giudizio
Durante il corso, lo studente svilupperà la capacità di:
- Valutare criticamente le potenzialità e i limiti degli algoritmi quantistici in relazione a problemi computazionali concreti.
- Giudicare l’adeguatezza di diversi modelli e tecnologie quantistiche per la risoluzione di problemi specifici.
(DdD 4) Abilità comunicative
Durante le attività del corso, lo studente sarà in grado di:
- Comunicare con chiarezza, rigore e proprietà di linguaggio risultati teorici e applicativi dell’informatica quantistica, anche in contesti interdisciplinari.
- Presentare relazioni su algoritmi o protocolli quantistici, rivolgendosi a un pubblico tecnico o accademico.
(DdD 5) Capacità di apprendere
Al termine del corso, lo studente avrà acquisito la capacità di:
- Proseguire in modo autonomo lo studio dell’informatica quantistica, anche accedendo alla letteratura scientifica avanzata e a nuove piattaforme tecnologiche.
- Aggiornare le proprie conoscenze in un ambito in rapida evoluzione, integrando autonomamente competenze teoriche e pratiche.
Contenuti sintetici
Il corso fornisce un'introduzione a temi rappresentativi delle seguenti aree tematiche:
- Teoria dell'Informazione Quantistica (elementi di base)
- Crittografia Quantistica (distribuzione quantistica di chiavi)
- Comunicazione Quantistica (canali non ideali e codici per la correzione dell'errore)
- Calcolo Quantistico (algoritmi avanzati selezionati, algoritmi di Machine Learning)
- Elementi di Calcolo Quantistico Distribuito
Programma esteso
-
Teoria dell'Informazione Quantistica (elementi di base rivisitati)
- Dalle Computazioni Classiche a quelle Probabilistiche a quelle Quantistiche
- Correlazioni Classiche vs. Quantistiche
- Quantità di Informazione nei Sistemi Classici e Quantistici
-
Crittografia Quantistica (distribuzione quantistica di chiavi)
- L'Entanglement come Risorsa per la Crittografia: Teletrasporto e Codifica Densa
- Protocolli di Distribuzione delle Chiavi Quantistiche: Bennet & Brassard 84, Bennet 92, Ekert 91
-
Comunicazione Quantistica (canali non ideali e codici per la correzione dell'errore)
- Teoria delle matrici densità
- Decoerenza e Canali Non Ideali
- Codici per la Correzione degli Errori Quantistici
-
Computazione Quantistica (algoritmi avanzati selezionati)
- Richiamo dei concetti fondamentali
- "Subroutine" Quantistiche (es. phase kick-back)
- Revisione del "Canone", gli algoritmi più noti e alcune varianti (es. Fixed-Point Grover)
- Ulteriori algoritmo rilevanti: l'algoritmo di fattorizzazione di Shor
- Introduzione al Quantum Machine Learning
-
Elementi di Calcolo Quantistico Distribuito
- CNOT Distribuito
- Le primitive del Calcolo Quantistico Distribuito
- Il paradigma dell'Internet Quantistico
Prerequisiti
Algebra lineare e argomenti matematici trattati nei corsi di laurea triennale in discipline STEM.
Familiarità con i concetti di base di Statistica e Apprendimento Automatico
Aver seguito l'insegnamento Fundations of Quantum Computing (Primo Anno Magistrale, anche denominato fino all'AA 23/24 Quantum Simulations), o un insegnamento equivalente.
Modalità didattica
L’insegnamento è composto da
- lezioni frontali, in modalità didattica erogativa (DE 32 ore)
- attività di programmazione in laboratorio in modalità didattica interattiva (DI 24 ore)
Tutte le attività si svolgeranno in presenza.
Il corso sarà erogato in Inglese.
Materiale didattico
Note e articoli scientifici forniti dai docenti.
Per approfondire ulteriormente gli argomenti sono utili i seguenti testi:
- Vathsan - Introduction to Quantum Physics and Infromation Processing - CRC Press 2016
- Hayashi - Introduction to Quantum Information Science - Springer-Verlag Berlin Heidelberg 2015
- Polak & Rieffel: Quantum Computing : A Gentle Introduction. MIT Press, 2011
- Schuld & Petruccione: Machine Learning with Quantum Computers. Springer 2021
- Schuld & Petruccione: Supervised Learning with Quantum Computers. Springer 2018
Periodo di erogazione dell'insegnamento
Secondo Anno, Primo Semestre
Modalità di verifica del profitto e valutazione
La valutazione dell'apprendimento si basa su un colloquio orale, sui temi trattati in aula durante il corso.
Criteri di Valutazione:
- Comprensione dei Concetti (comprensione approfondita e completa degli argomenti del corso)
- Capacità di Risolvere Problemi (applicazione della conoscenza teorica e creatività)
- Capacità di Spiegare e Discutere (chiarezza, sintesi e capacità critica)
Orario di ricevimento
Su appuntamento.
Sustainable Development Goals
Aims
(DdD 1) Knowledge and understanding
By the end of the course, the student will be able to:
- Understand the peculiarities of quantum information and their theoretical and practical relevance.
- Demonstrate knowledge of the main cryptographic protocols used in quantum communication.
- Acquire an in-depth understanding of the operating principles of quantum computational models.
(DdD 2) Applying knowledge and understanding
By the end of the course, the student will be able to:
- Analyze and classify the main classes of quantum algorithms.
- Implement quantum algorithms using appropriate formalisms and quantum-specific programming languages.
(DdD 3) Making judgements
Throughout the course, the student will develop the ability to:
- Critically assess the potential and limitations of quantum algorithms with respect to specific computational problems.
- Judge the appropriateness of various quantum models and technologies for solving concrete problems.
(DdD 4) Communication skills
Through course activities, the student will be able to:
- Communicate theoretical and practical results in quantum computing with clarity, precision, and appropriate technical language, including in interdisciplinary contexts.
- Present reports on quantum algorithms or protocols to a technical or academic audience.
(DdD 5) Learning skills
By the end of the course, the student will have developed the ability to:
- Pursue further study in quantum computing independently, including through engagement with advanced scientific literature and emerging technological platforms.
- Continuously update their knowledge in a rapidly evolving field, autonomously integrating both theoretical and practical competencies.
Contents
The course provides an introduction to representative topics in the following thematic areas:
- Quantum Information Theory (basic elements)
- Quantum Cryptography (quantum key distribution)
- Quantum Communication (non-ideal channels and error-correcting codes)
- Quantum Computation (selected advanced algorithms, Machine Learning algorithms)
- Elements of Distributed Quantum Computing
Detailed program
-
Quantum Information Theory (basic elements reviewed)
- From Classical to Probabilistic to Quantum Computations
- Classical vs. Quantum Correlations
- Information Quantities in Classical and Quantum Systems
-
Quantum Cryptography (quantum key distribution)
- Entanglement as a Resource for Cryptography: Teleportation and Dense coding
- Quantum Key Distribution Protocols: Bennet & Brassard 84, Bennet 92, Ekert 91
-
Quantum Communication (non-ideal channels and error-correcting codes)
- Density matrix theory
- Decoherence and Non-Ideal Channels
- Quantum Error Correcting Codes
-
Quantum Computation (selected advanced algorithms)
- Recall of the fundamental concepts
- Quantum “Subroutines” (e.g. phase kick-back)
- Review of “the Canon”, the most well-known algorithms and some variants (ex. Fixed-Point Grover)
- Further notable algorithms: the Shor factorization algorithm
- Introduction to Quantum Machine Learning
-
Elements of Distributed Quantum Computing (DQC)
- The non-local CNOT
- The DQC primitives
- The Quantum Internet Paradigm
Prerequisites
Linear algebra, and mathematical topics covered in undergraduate courses held in STEM bachelor degrees. Understanding of basic concepts in statistics and machine learning.
Attendance of the course Fundations of Quantum Computing (1st year M.Sc., called, until AA 23/24, Quantum Simulations), or an equivalent course.
Teaching form
The course consists of
- classroom lectures (DE 32 hours)
- interactive laboratory programming activity (DI 24 hours)
All activities will be held in presence.
The course will be delivered in English.
Textbook and teaching resource
Lecture notes and scientific papers provided by the lecturers.
To further explore the topics in greater detail, the following texts are useful:
- Vathsan - Introduction to Quantum Physics and Infromation Processing - CRC Press 2016
- Hayashi - Introduction to Quantum Information Science - Springer-Verlag Berlin Heidelberg 2015
- Wolfgang Polak, Eleanor Rieffel: Quantum Computing : A Gentle Introduction. MIT Press, 2011
- Schuld & Petruccione: Machine Learning with Quantum Computers. Springer 2021
- Schuld & Petruccione: Supervised Learning with Quantum Computers. Springer 2018
Semester
Second Year, First Semester
Assessment method
The learning assessment is based on an oral interview, on the subjects exposed in class during the course.
Evaluation criteria:
- Understanding of Concepts (in-depth and comprehensive understanding of course topics)
- Problem-Solving Skills (application of theoretical knowledge and creativity)
- Ability to Explain and Discuss (clarity, synthesis and critical thinking)
Office hours
Upon appointment.
Sustainable Development Goals
Staff
-
Gabriele Gianini
