FAKULTETA ZA ELEKTROTEHNIKO, RAČUNALNIŠTVO IN INFORMATIKO


Učna enota
 NEVRO, NANO IN KVANTNO RAČUNALNIŠTVO 
https://aips.um.si/PredmetiBP5/UcnaEnotaInfo.asp?Zavod=15&Jezik=&Leto=2015&Nacin=&Predmet=61M021

Šifra učne enote    61M021 2015

Nivo Študijkski program ali njegov del Letnik Semester
1 BM20 RAČUNALNIŠTVO IN INFORMACIJSKE TEHNOLOGIJE 1 Poletni
1 BM20 RAČUNALNIŠTVO IN INFORMACIJSKE TEHNOLOGIJE 2 Poletni

ECTS točke 6

Ure - Predavanja 30
Ure - Seminarske vaje 2
Ure - Računalniške vaje 28
Ure - Samostojno delo študenta 120

Nosilci
red. prof. dr. HOLOBAR ALEŠ

Jeziki predavanj slovenski
Jeziki vaj slovenski

Pogoji za vključitev v delo oz. za opravljanje študijskih obveznosti
Osnovno znanje iz računalniške obdelave signalov. 
Vsebina
• Uvod: teorija izračunljivosti, poglavitni principi klasičnega računanja, Turingov stroj, teorija računske kompleksnosti. • Ocenjevanje parametrov iz biomedicinskih signalov, teorija cenilk in podatkovni modeli, multivariantna analiza signalov, statistično učenje, zmanjšanje dimenzij podatkov, analiza neodvisnih komponent. • Nevromorfno računanje: predstavitev in obdelava informacije na nivoju posameznega nevrona, na nivoju majhnih mrež nevronov, kortikalni stolpič – osnovna funkcijska enota možganov sesalcev, dekodiranje nevronskih in mišičnih signalov, vmesniki možgani-stroj, vmesniki mišice-stroj. • Hibridna nevroelektronika: nevronske mreže in mikroelektronska vezja, lastnosti membrane nevronov, električni vmesniki med polprevodniki in živimi celicami, mreže nevronov na integriranih vezjih. • Uvod v nanoračunalnišvo: prednosti in slabosti nanotehnologije, karbonske nanocevke, molekularna elektronika, elektronika verig atomov, integracija nano, mikro in makro vezij in povezljivost z biosistemi. • Kriptoanaliza in varovanje podatkov, asimetrični in simetrični kodirniki, pretočni in bločni kodirniki, algoritmi in protokoli za varno izmenjavo skritega ključa, kriptografske sekljalne funkcije in podpisovanje dokumentov. • Uvod v kvantno računalništvo: nanoračunalništvo in izzivi stohastičnega obnašanja nanostruktur, kvantna teorija računanja in kvantna teorija informacij, tipi kvantnega računanja, prednosti in slabosti kvantnega računanja, eksperimentalne in teoretične raziskave v kvantnem računalništvu, prihodnost kvantnih računalnikov, Deutschov, Shorov in Groverjev algoritem, kvantna omrežja.  
Temeljni literatura in viri
• J. Wolpaw, E. W. Wolpaw: Brain-Computer Interfaces: Principles and Practice, Oxford University Press, 2012 • I. Djordjevic: Quantum information processing and quantum error correction : an engineering approach, Elsevier/Academic Press, 2012. • J. B. Waldner: Nanocomputers and Swarm Intelligence, Wiley-ISTE, 2008. • N. D. Mermin: Quantum Computer Science: An Introduction, Cambridge University Press, 2007. • R. Merletti, P. A. Parker: Electromyography: Physiology, Engineering, and Non-Invasive Applications, Wiley, 2004  
Cilji
Predmet predstavi in povezuje tri alternative klasičnemu računalništvu, ki temelji na Turingovi arhitekturi: nevroračunalništvo, nanoračunalništvo in kvantno računalništvo. 
Predvideni študijski rezultati - znanje in razumevanje
Po zaključku tega predmeta bo študent sposoben • razumeti in reproducirati postopke za statistično učenje in ocenjevanje informacij iz živčnih in mišičnih signalov, • razumeti in ovrednotiti nevromorfna vezja algoritme ter njihovo uporabnost na področju razpoznavanja vzorcev, in biosenzorike, • razumeti algoritme za nano in kvantno računalništvo, ovrednotiti njihovo praktično uporabnost in dojeti njihove prednosti in slabosti v primerjavi s klasičnimi algoritmi.  
Predvideni študijski rezultati - Prenesljive/ključne spretnosti in drugi atributi
• Spretnosti komuniciranja: ustni zagovor laboratorijskih vaj, priprava in javna predstavitev raziskovalnega projekta, ustni izpit. • Uporaba informacijske tehnologije: uporaba programskih orodij in naprav za načrtovanje in razvoj izpopolnjenih postopkov za nevromorfno računalništvo, kriptografijo, nano in kvantno računalništvo. • Delo v skupini: skupinsko raziskovalno delo. • Reševanje problemov: načrtovanje in izvedba projekta.  
Metode poučevanja in učenja
• predavanja, • seminarske vaje, • projekt, • laboratorijske vaje, • reševanje domačih nalog.  

Načini ocenjevanja Delež (%)
Domače naloge 15  
Laboratorijske vaje 35  
Projekt 15  
1. vmesni pisni izpit 11  
2. vmesni pisni izpit 12  
3. vmesni pisni izpit 12  
Opombe
Če študent ni uspešno opravil vseh treh vmesnih izpitov, jih nadomesti z ustnim izpitom v deležu 35 %. 
[EOP]