BRANCHINI PAOLO
Obiettivi
Lo studente acquisirà le conoscenze di base su come è strutturata la costruzione di un esperimento di fisica nucleare in base alla raccolta dei dati dal rivelatore, al controllo dell'apparecchiatura e dell'esperimento, e alla qualità dei dati acquisiti. Verrà introdotta la simulazione di semplici componenti hardware in sessioni di laboratorio.Risultati Apprendimento Attesi
Conoscenze matematiche di base: algebra, funzioni e nozioni elementari di probabilità.Conoscenze fondamentali di fisica a livello di scuola secondaria superiore.
Familiarità con l'uso del computer e dei principali strumenti software.
Non sono richieste conoscenze pregresse di programmazione, elettronica digitale, machine learning o calcolo quantistico.
Programma
Il corso introduce i principali sistemi di acquisizione dati e i fondamenti dell'elettronica digitale, partendo dall'algebra di Boole e dalle porte logiche fino ad arrivare a memorie e processori. Verranno inoltre presentati i concetti di base del calcolo quantistico e delle porte logiche quantistiche.La seconda parte del corso sarà dedicata alla programmazione scientifica in Python, con esercitazioni di laboratorio finalizzate all'acquisizione e all'elaborazione dei dati e al controllo di un braccio robotico.
Saranno quindi introdotti i principi del machine learning, partendo dai modelli di Ising, utilizzati anche in applicazioni di trigger e selezione degli eventi negli esperimenti di fisica. Le esercitazioni pratiche riguarderanno problemi di classificazione e l'addestramento di modelli di apprendimento automatico.
Il corso si concluderà con un'introduzione al quantum computing attraverso l'utilizzo del simulatore IBM Quantum e di sistemi quantistici reali, mostrando le basi del quantum machine learning e le sue applicazioni elementari alla classificazione dei dati.
Risultati di apprendimento attesi: al termine del corso lo studente avrà acquisito competenze di base sui sistemi di acquisizione dati, sull'elettronica digitale, sulla programmazione in Python, sulle tecniche fondamentali di machine learning e sui principi del calcolo e dell'apprendimento automatico quantistico.
Prerequisiti
Il corso richiede una preparazione di base nelle discipline scientifiche, in particolare conoscenze elementari di matematica (algebra, funzioni e concetti introduttivi di probabilità) e di fisica. È inoltre richiesta una familiarità di base con l'utilizzo del computer e degli strumenti informatici più comuni. Non sono richieste conoscenze pregresse di programmazione, elettronica digitale, machine learning o calcolo quantistico, in quanto tali argomenti saranno introdotti e sviluppati durante il corso.Testi Adottati
Per gli argomenti relativi all'elettronica digitale, ai sistemi di acquisizione dati (DAQ) e trigger, nonché all'introduzione al calcolo quantistico, il docente fornirà dispense e materiale didattico integrativo.Come testi di riferimento e approfondimento si consigliano:
a) M. A. Nielsen, I. L. Chuang, Quantum Computation and Quantum Information, Cambridge University Press.
b) J. Watrous, Understanding Quantum Information and Computation, Cambridge University Press.
c) Dispense del corso di Elettronica Digitale.
d) Appunti e materiale didattico del corso sui sistemi di Data Acquisition (DAQ) e Trigger.
Il materiale fornito dal docente sarà comunque sufficiente per la preparazione dell'esame e per lo svolgimento delle attività di laboratorio.
Modalità Frequenza
la frequenza non è obbligatoria ma sempre fortemente consigliataModalità Valutazione
La verifica dell'apprendimento consisterà in una prova pratica e in una prova orale, che si svolgeranno nella medesima giornata. La prova pratica sarà finalizzata a valutare le competenze acquisite nell'ambito della programmazione, dell'analisi dei dati e delle attività di laboratorio svolte durante il corso. La prova orale verterà sugli argomenti teorici trattati, con particolare riferimento ai sistemi di acquisizione dati, all'elettronica digitale, al machine learning e ai fondamenti del calcolo quantistico. La valutazione finale terrà conto dell'esito complessivo di entrambe le prove.Esempi Domande
vedere la sezione di "modalità di svolgimento esami"