O obxectivo deste módulo de formación é dobre. Primeiro, revisaremos o tema da aleatoriedade, como se xera a aleatoriedade e como funcionan os xeradores cuánticos de números aleatorios Quside ™. En segundo lugar, revisaremos a aplicación da aleatoriedade cuántica nas técnicas de simulación de Monte Carlo e como aproveitar o servizo CESGA QRNG recentemente implementado (baseado na tecnoloxía Quside QRNG) nas cargas de traballo aleatorias.
Título: Aleatoriedade cuántica e Monte Carlo
Impartido por: Quside
Datas: Luns 29 de novembro, de 10:00 h a 13:00 h.
Lugar: En liña, os detalles de conexión proporcionaranse na conformación da praza
Requisitos: Coñecementos básicos de Python
Prazas: a cantidade de prazas dispoñibles é limitada
Contidos do curso:
1.- Aplicacións da aleatoriedade: Primeiro revisaremos as aplicacións da aleatoriedade en varios campos, incluíndo seguridade, criptografía e computación.
2.- Tecnoloxías de xeración de aleatoriedade: aprenderás diversas ferramentas e técnicas de xeración de aleatoriedade e cales son as vantaxes de cada método para diferentes aplicacións. Exploraremos cal é a base da aleatoriedade, como se xera a aleatoriedade e cales son as limitacións para:
– Xeradores de números pseudoaleatorios e xeradores de números case aleatorios
– Xeradores de números aleatorios verdadeiros e xeradores de números aleatorios cuánticos
3.- Xeradores de números aleatorios cuánticos Quside ™: Aquí discutiremos os produtos QRNG de Quside e algunhas características únicas que se ofrecen. En particular, aprenderá:
– Descrición xeral do produto: cales son as bases do QRNG de difusión de fase Quside ™?
– Metroloxía de aleatoriedad: cal é a importancia de medir a calidade da aleatoriedad e como afecta iso aos estándares
– Benchmarks de desempeño. Comprender as probas de rendemento que pasou o QRNG de Quside
4.- Repasaremos a técnica de cálculo de Monte Carlo e por que a aleatoriedade é un recurso chave nelas.
5.- Aprenderás a utilizar as librerías de Quside para obter aleatoriedade cuántica, a utilizala nos teus códigos e a medir a calidade dos números aleatorios que utilices.
6.- Aprenderá como se utilizan os QRNG nun exemplo práctico específico para calcular π utilizando métodos de Monte Carlo e obter métricas de rendemento.
7.- Executaremos e discutiremos exemplos máis elaborados en finanzas e ciencia dunha maneira práctica.
Rexistro pechado