Update trainings.md

trainings.md

@@ -15,4 +15,32 @@ active: true
 
 # Kwantowe sieci neuronowe i kwantowe metody jądrowe
 
-# Kwantowe wyżarzanie kombinatorycznych problemów optymalizacyjnych
+# Kwantowe wyżarzanie kombinatorycznych problemów optymalizacyjnych
+
+## Zagadnienia teoretyczne
+- Klasyczny model Isinga: kodowanie / zmienne, znaczenie, stany nisko-energetyczne.
+- Interpretacja fizyczna modelu Isinga: znaczenie oddziaływań i pól magnetycznych.
+- Model QUBO: znaczenie, przykłady, równoważność z modelem Isinga.
+- Kodowanie dyskretnych problemów optymalizacyjnych za pomocą QUBO / Isinga.
+- Algorytm wyczerpującego przeszukiwania (Brute-Force): certyfikacja, ograniczenia.
+- Analiza złożoności problemu poszukiwania stanu podstawowego: trudności i wyzwania.
+- Podejście heurystycznie: przegląd klasycznych algorytmów inspirowanych fizycznie.
+- Kwantowanie modelu Isinga: kwantowy model Isinga z poprzecznym polem.
+- Związek pomiędzy klasycznym a kwantowym modelem Isinga: problem własny a sortowanie.
+- Twierdzenie adiabatyczne w mechanice kwantowej oraz kwantowe wyżarzanie.
+- Kwantowy procesor wyżarzający D-Wave: opis, dostępne topologie, osadzanie problemów.
+## Praktyka
+- Rozwiązywanie modelu Isinga z wykorzystaniem kwantowego wyżarzania.
+- Praktyczne wykorzystanie biblioteki D-Wave Ocean.
+- Implementacja algorytmu wyczerpującego przeszukiwania.
+- Implementacja algorytmu typu "Branch & Bound".
+- Implementacja algorytmu symulowanej bifurkacji.
+- Implementacja algorytmu symulowanego wyżarzania.
+- Implementacja algorytmu równoległego wyżarzania.
+- Wykorzystanie procesorów graficznych (GPU) w algorytmach heurystycznych.
+- Analiza porównawcza algorytmów dla wybranych instancji problemów Isinga.
+## Zagadnienia dodatkowe
+- Sieci tensorowe: rodzaje, konstrukcja, zwężanie.
+- Siec tensorowa typu MPS (1D) oraz PEPS (2D).
+- Emulacja procesorów wyżarzających za pomocą sieci tensorowych.
+- Różnorodność stanów nisko-energetycznych, droplety oraz ich znaczenie.