商品详情
书名：量子人工智能：前沿进展
定价：99.8
ISBN：9787115693723
作者：李绿周
版次：第1版
出版时间：2026-07
内容提要：
量子人工智能是量子计算与人工智能交叉融合形成的新兴研究领域，其内涵一直在不断丰富和演变。本书对该领域的若干前沿研究进展进行梳理与总结，共分8 章。第1 章简要介绍人工智能和量子计算的背景知识；第2 章集中介绍基于线性代数的量子机器学习算法；第3章*阐述变分量子电路；第4 章重点介绍人工智能技术如何应用于量子架构搜索；第5 章聚焦量子生成对抗网络；第6 章探讨量子图机器学习；第7 章介绍量子特征选择；第8 章在受量子启发的算法与模型方面，重点介绍量子自然语言处理方面的理论、方法与进展。 本书既可供对量子人工智能领域感兴趣的科学研究或技术开发人员参考，也可供量子计算或人工智能相关专业的研究生及高年级本科生阅读。
作者简介：
李绿周，中山大学计算机学院教授、量子计算与软件研究所所长、CCF量子计算专业委员会副主任。长期从事量子计算理论研究，研究兴趣包括量子算法、量子线路编译与优化、量子机器学习等。在IEEE TIT，Information and Computation，npj Quantum Information等期刊，以及SODA、ICALP等会议发表论文百余篇，出版学术专著1部。 林倞，中山大学计算机学院二级教授，IEEE/IAPR/IET会士，获国家杰出青年科学基金支持。长期从事多模态人工智能、机器学习等领域研究，主持科技部人工智能重大项目、国家自然科学基金重点项目。谷歌学术引用近5万次，多次入选全球高被引学者榜单，5次获*期刊或会议的*或*论文奖；获CCF-ACM人工智能奖、广东省科技进步奖一等奖等。 黄合良，信息工程大学副教授。长期致力于量子计算前沿研究，在量子计算优越性、量子纠错及量子算法应用等方向取得系列成果。作为*作者或通信作者在PRL、Optica、IEEE TNNLS等期刊发表论文40余篇；总被引8000余次，h因子为31，其中4篇论文入选ESI高被引表单；获河南省杰出青年科学基金支持；获戈登贝尔奖、《麻省理工科技评论》亚太区“35岁以下科技创新35人”等荣誉。 严骏驰，上海交通大学人工智能学院教授，IAPR会士，曾任IBM研究院*研究员和*人工智能实验室*顾问。研究兴趣为机器学习及其前沿应用。获得IEEE人工智能十大新星奖（AI's 10 to Watch Award）、IEEE CIS杰出早期职业奖等。指导学生获挑战杯特等奖、CCF优博/CV新锐奖、交大学术之星等荣誉，以及本科生/博士生自然科学基金。 周日贵，上海海事大学二级教授、博士生导师、信息工程学院院长，国家重点研发计划*科学家。长期从事量子计算、量子通信等领域的研究工作。主持*项目7项、获省部级科技奖4项、国家一级学会科技奖5项，发表论文200余篇，出版专著6部；入选*新世纪*人才支持计划，交通运输行业中青年科技创新领军人才等。 张鹏，天津大学教授、博士生导师。长期致力于语言模型与量子物理的交叉学科研究，近期研究聚焦量子机器学习、AI辅助科学发现等领域。在Nature Communications、npj Quantum Information等期刊，以及ICML、NeurIPS、ACL、SIGIR等会议发表论文百余篇；入选*青年人才计划，主持国家自然科学基金原创探索项目。
目录：
目录
第 1 章绪论 1
11 人工智能发展趋势 1
111 新一代人工智能的范式转变 1
112 大模型和基础模型 3
113 多模态大模型 3
12 新一代人工智能如何迈向AGI 5
121 领域专业化不足 6
122 鲁棒性威胁 7
13 量子计算与人工智能 9
131 量子计算与*计算的区别 10
132 量子计算与人工智能的关系 10
133 量子计算与人工智能协作的未来展望 11
14 量子计算简介 11
141 量子计算的发展历程 12
142 量子力学的基本假设 14
143 量子计算的基础知识 14
参考文献 20
第 2 章基于线性代数的量子机器学习算法 24
21 基于稀疏矩阵的线性方程组求解算法 24
211 量子特征值变换算法 25
212 求解稀疏矩阵线性系统的量子算法 27
213 算法运行时间 29
214 矩阵求逆问题是BQP-完全问题 30
22 基于稠密矩阵的线性方程组求解算法 31
221 量子奇异值估计算法 31
222 求解稠密线性系统的量子算法 34
223 算法运行时间 35
23 量子主成分分析算法 35
231 量子主成分分析算法的背景 36
232 实现酉操作e iρt 36
233 提取密度矩阵的主成分 37
234 量子主成分分析算法的应用场景 38
24 量子回归算法 40
241 量子线性回归算法 40
242 量子线性回归算法的基本流程 41
243 量子线性回归算法的复杂度分析 43
25 量子岭回归算法 43
251 岭回归算法 43
252 量子岭回归算法的基本流程 44
253 量子岭回归算法的复杂度分析 46
26 量子支持向量机算法 46
261 支持向量机算法 47
262 基于量子主成分分析算法制备核矩阵 48
263 量子*小二乘法支持向量机 49
264 量子*小二乘法支持向量机的分类过程 51
265 量子*小二乘法支持向量机的复杂度分析 51
27 量子聚类算法 52
271 量子监督聚类算法 52
272 量子无监督聚类算法 53
273 量子聚类算法的复杂度分析 55
28 本章小结 56
参考文献 56
第3 章变分量子电路 58
31 变分量子电路的基本原理 58
32 量子电路拟设 59
321 问题启发型拟设 60
322 硬件*拟设 64
33 测量 66
331 基矢变换 66
332 测量分组 67
34 损失函数 70
35 参数优化 73
351 无导数优化 73
352 含梯度优化 74
353 梯度消失 79
36 数据编码 80
361 基矢编码 81
362 振幅编码 83
363 角度编码 85
364 其他编码方式 85
37 量子电路与函数模型 86
38 变分量子电路的应用 89
381 量子化学 89
382 量子组合优化问题 94
383 量子机器学习 99
39 本章小结 106
参考文献 106
第4 章量子架构搜索 109
41 搜索空间 110
42 搜索策略 111
421 基于强化学习的搜索策略 111
422 基于进化算法的搜索策略 113
423 基于梯度优化的搜索策略 114
43 性能评估 114
431 基于电路训练的性能评估 114
432 基于预测器的性能评估 115
433 基于*电路和参数共享的评估 117
434 无训练的性能评估 118
44 分布式量子架构搜索 120
45 本章小结 121
参考文献 121
第5 章量子生成对抗网络 124
51 生成对抗网络 124
52 量子生成对抗网络的研究 126
521 生成*数据的量子生成对抗网络的研究 127
522 生成量子数据的量子生成对抗网络的研究 129
53 量子生成对抗网络的原理 131
531 量子生成对抗网络生成*数据的原理 131
532 量子生成对抗网络生成量子数据的原理 134
54 量子生成对抗网络的应用 135
55 本章小结 138
参考文献 139
第6 章量子图机器学习 141
61 图与图机器学习 142
611 图的基本知识 142
612 图机器学习 144
62 图数据的量子态编码 146
621 结构化数据的量子态表示 147
622 基于量子随机游走的编码方式 148
623 基于变分量子电路的编码方式 152
63 量子图机器学习模型 155
631 量子图神经网络模型 155
632 量子图核模型 157
633 *–量子混合图机器学习模型 159
64 量子图机器学习的应用前景 161
65 本章小结 162
参考文献 163
第7 章量子特征选择 165
71 特征选择 165
72 基于绝热量子计算的特征选择 167
721 二次无约束二值优化的表述 168
722 二次无约束二值优化问题的求解 172
73 基于通用量子计算的特征选择 173
731 量子包裹式特征选择 173
732 量子过滤式特征选择 177
733 量子图论特征选择 183
74 本章小结 191
参考文献 191
第8 章量子自然语言处理 193
81 量子自然语言处理的概述 193
811 量子自然语言处理与传统自然语言处理 194
812 量子自然语言处理的语义空间 197
82 量子自然语言处理的语义建模 200
821 基于语法解析的语义建模 200
822 量子启发式的语义建模 204
83 量子自然语言处理的语义交互 207
831 基于相似度的语义交互 208
832 基于迹内积的语义交互 208
833 基于量子干涉的语义交互 209
84 量子自然语言处理的计算平台 210
85 本章小结 211
851 量子自然语言处理的总结 212
852 量子自然语言处理的展望 212
参考文献 214
定价：99.8
ISBN：9787115693723
作者：李绿周
版次：第1版
出版时间：2026-07
内容提要：
量子人工智能是量子计算与人工智能交叉融合形成的新兴研究领域，其内涵一直在不断丰富和演变。本书对该领域的若干前沿研究进展进行梳理与总结，共分8 章。第1 章简要介绍人工智能和量子计算的背景知识；第2 章集中介绍基于线性代数的量子机器学习算法；第3章*阐述变分量子电路；第4 章重点介绍人工智能技术如何应用于量子架构搜索；第5 章聚焦量子生成对抗网络；第6 章探讨量子图机器学习；第7 章介绍量子特征选择；第8 章在受量子启发的算法与模型方面，重点介绍量子自然语言处理方面的理论、方法与进展。 本书既可供对量子人工智能领域感兴趣的科学研究或技术开发人员参考，也可供量子计算或人工智能相关专业的研究生及高年级本科生阅读。
作者简介：
李绿周，中山大学计算机学院教授、量子计算与软件研究所所长、CCF量子计算专业委员会副主任。长期从事量子计算理论研究，研究兴趣包括量子算法、量子线路编译与优化、量子机器学习等。在IEEE TIT，Information and Computation，npj Quantum Information等期刊，以及SODA、ICALP等会议发表论文百余篇，出版学术专著1部。 林倞，中山大学计算机学院二级教授，IEEE/IAPR/IET会士，获国家杰出青年科学基金支持。长期从事多模态人工智能、机器学习等领域研究，主持科技部人工智能重大项目、国家自然科学基金重点项目。谷歌学术引用近5万次，多次入选全球高被引学者榜单，5次获*期刊或会议的*或*论文奖；获CCF-ACM人工智能奖、广东省科技进步奖一等奖等。 黄合良，信息工程大学副教授。长期致力于量子计算前沿研究，在量子计算优越性、量子纠错及量子算法应用等方向取得系列成果。作为*作者或通信作者在PRL、Optica、IEEE TNNLS等期刊发表论文40余篇；总被引8000余次，h因子为31，其中4篇论文入选ESI高被引表单；获河南省杰出青年科学基金支持；获戈登贝尔奖、《麻省理工科技评论》亚太区“35岁以下科技创新35人”等荣誉。 严骏驰，上海交通大学人工智能学院教授，IAPR会士，曾任IBM研究院*研究员和*人工智能实验室*顾问。研究兴趣为机器学习及其前沿应用。获得IEEE人工智能十大新星奖（AI's 10 to Watch Award）、IEEE CIS杰出早期职业奖等。指导学生获挑战杯特等奖、CCF优博/CV新锐奖、交大学术之星等荣誉，以及本科生/博士生自然科学基金。 周日贵，上海海事大学二级教授、博士生导师、信息工程学院院长，国家重点研发计划*科学家。长期从事量子计算、量子通信等领域的研究工作。主持*项目7项、获省部级科技奖4项、国家一级学会科技奖5项，发表论文200余篇，出版专著6部；入选*新世纪*人才支持计划，交通运输行业中青年科技创新领军人才等。 张鹏，天津大学教授、博士生导师。长期致力于语言模型与量子物理的交叉学科研究，近期研究聚焦量子机器学习、AI辅助科学发现等领域。在Nature Communications、npj Quantum Information等期刊，以及ICML、NeurIPS、ACL、SIGIR等会议发表论文百余篇；入选*青年人才计划，主持国家自然科学基金原创探索项目。
目录：
目录
第 1 章绪论 1
11 人工智能发展趋势 1
111 新一代人工智能的范式转变 1
112 大模型和基础模型 3
113 多模态大模型 3
12 新一代人工智能如何迈向AGI 5
121 领域专业化不足 6
122 鲁棒性威胁 7
13 量子计算与人工智能 9
131 量子计算与*计算的区别 10
132 量子计算与人工智能的关系 10
133 量子计算与人工智能协作的未来展望 11
14 量子计算简介 11
141 量子计算的发展历程 12
142 量子力学的基本假设 14
143 量子计算的基础知识 14
参考文献 20
第 2 章基于线性代数的量子机器学习算法 24
21 基于稀疏矩阵的线性方程组求解算法 24
211 量子特征值变换算法 25
212 求解稀疏矩阵线性系统的量子算法 27
213 算法运行时间 29
214 矩阵求逆问题是BQP-完全问题 30
22 基于稠密矩阵的线性方程组求解算法 31
221 量子奇异值估计算法 31
222 求解稠密线性系统的量子算法 34
223 算法运行时间 35
23 量子主成分分析算法 35
231 量子主成分分析算法的背景 36
232 实现酉操作e iρt 36
233 提取密度矩阵的主成分 37
234 量子主成分分析算法的应用场景 38
24 量子回归算法 40
241 量子线性回归算法 40
242 量子线性回归算法的基本流程 41
243 量子线性回归算法的复杂度分析 43
25 量子岭回归算法 43
251 岭回归算法 43
252 量子岭回归算法的基本流程 44
253 量子岭回归算法的复杂度分析 46
26 量子支持向量机算法 46
261 支持向量机算法 47
262 基于量子主成分分析算法制备核矩阵 48
263 量子*小二乘法支持向量机 49
264 量子*小二乘法支持向量机的分类过程 51
265 量子*小二乘法支持向量机的复杂度分析 51
27 量子聚类算法 52
271 量子监督聚类算法 52
272 量子无监督聚类算法 53
273 量子聚类算法的复杂度分析 55
28 本章小结 56
参考文献 56
第3 章变分量子电路 58
31 变分量子电路的基本原理 58
32 量子电路拟设 59
321 问题启发型拟设 60
322 硬件*拟设 64
33 测量 66
331 基矢变换 66
332 测量分组 67
34 损失函数 70
35 参数优化 73
351 无导数优化 73
352 含梯度优化 74
353 梯度消失 79
36 数据编码 80
361 基矢编码 81
362 振幅编码 83
363 角度编码 85
364 其他编码方式 85
37 量子电路与函数模型 86
38 变分量子电路的应用 89
381 量子化学 89
382 量子组合优化问题 94
383 量子机器学习 99
39 本章小结 106
参考文献 106
第4 章量子架构搜索 109
41 搜索空间 110
42 搜索策略 111
421 基于强化学习的搜索策略 111
422 基于进化算法的搜索策略 113
423 基于梯度优化的搜索策略 114
43 性能评估 114
431 基于电路训练的性能评估 114
432 基于预测器的性能评估 115
433 基于*电路和参数共享的评估 117
434 无训练的性能评估 118
44 分布式量子架构搜索 120
45 本章小结 121
参考文献 121
第5 章量子生成对抗网络 124
51 生成对抗网络 124
52 量子生成对抗网络的研究 126
521 生成*数据的量子生成对抗网络的研究 127
522 生成量子数据的量子生成对抗网络的研究 129
53 量子生成对抗网络的原理 131
531 量子生成对抗网络生成*数据的原理 131
532 量子生成对抗网络生成量子数据的原理 134
54 量子生成对抗网络的应用 135
55 本章小结 138
参考文献 139
第6 章量子图机器学习 141
61 图与图机器学习 142
611 图的基本知识 142
612 图机器学习 144
62 图数据的量子态编码 146
621 结构化数据的量子态表示 147
622 基于量子随机游走的编码方式 148
623 基于变分量子电路的编码方式 152
63 量子图机器学习模型 155
631 量子图神经网络模型 155
632 量子图核模型 157
633 *–量子混合图机器学习模型 159
64 量子图机器学习的应用前景 161
65 本章小结 162
参考文献 163
第7 章量子特征选择 165
71 特征选择 165
72 基于绝热量子计算的特征选择 167
721 二次无约束二值优化的表述 168
722 二次无约束二值优化问题的求解 172
73 基于通用量子计算的特征选择 173
731 量子包裹式特征选择 173
732 量子过滤式特征选择 177
733 量子图论特征选择 183
74 本章小结 191
参考文献 191
第8 章量子自然语言处理 193
81 量子自然语言处理的概述 193
811 量子自然语言处理与传统自然语言处理 194
812 量子自然语言处理的语义空间 197
82 量子自然语言处理的语义建模 200
821 基于语法解析的语义建模 200
822 量子启发式的语义建模 204
83 量子自然语言处理的语义交互 207
831 基于相似度的语义交互 208
832 基于迹内积的语义交互 208
833 基于量子干涉的语义交互 209
84 量子自然语言处理的计算平台 210
85 本章小结 211
851 量子自然语言处理的总结 212
852 量子自然语言处理的展望 212
参考文献 214
- 人民邮电出版社有限公司 （微信公众号认证）
- 人民邮电出版社微店，为您提供最全面，最专业的一站式购书服务
- 扫描二维码，访问我们的微信店铺
- 随时随地的购物、客服咨询、查询订单和物流...
