※ 本文是否可提供臺大同學轉作其他非營利用途？（須保留原作者 ID）
（是／否／其他條件）：是
哪一學年度修課： 111-1
ψ 授課教師 (若為多人合授請寫開課教師，以方便收錄) 鄭皓中
λ 開課系所與授課對象 (是否為必修或通識課 / 內容是否與某些背景相關)
電機系必修（十選二實驗）
δ 課程大概內容
分成 quantum 和 classical 兩部分。前半的部分是
quantum computing (including but not limited to quantum teleportation,
superdense coding, BB84 protocol, Shor's algorithm)，lab 用到的工具是 IBM
Qiskit (with the aid of Python)； 後半則是介紹傳統的 source coding, channel
coding, modulation，coding 用到的工具主要是 Matlab。
Ω 私心推薦指數(以五分計) ★★★★★
★★★★★
η 上課用書(影印講義或是指定教科書)
Lecture based on slides, notes, and reference books
1. The QISKit Textbook
2. Proakis: Digital Communications, 5ed
μ 上課方式(投影片、團體討論、老師教學風格)
上課時老師會講解理論背景及原理；下課後自行實作 labwork。
我覺得老師說話邏輯十分清晰，會用平板輔助講解，雖然語速自帶 1.5 倍速，但是習慣
之後就會覺得這樣也很好，很接近思維運作的速度，完全沒有拖沓感；而且下課後老師也
會很耐心的一一為學生解答問題。
σ 評分方式(給分甜嗎？是紮實分？)
- Labs 60%
- Literature survey 15%
- Final project 25%
六次 lab 中，前三次是 quantum，後三次是 classical。
Final project 需要繳交 presentation slide 以及 report。
每次 lab 占 10%，不過因為有加分題的存在，所以有時候在一次作業中也可以拿到超過
100% 的分數。Literature survey 一部分是同學互評，一部分是教授給分。大約 2/3
的同學 A+。
ω 其它(是否注重出席率？如果為外系選修，需先有什麼基礎較好嗎？老師個性？
加簽習慣？嚴禁遲到等…)
不注重出席。加簽方式為第一堂課出席和教授討論。
建議有 Python 和 Matlab 的基礎會比較如魚得水。
Ψ 總結
Literature survey 是我覺得很有趣的一個環節，就像
小型學術沙龍一樣，可以聽到大家分享各個領域與 communication 的交集研究（今年
13 組中甚至有 4 組跟 ML 相關，可以看出機器學習越來越熱門的趨勢）。
Final project 建議實作 literature survey 的內容，這樣比較有連貫性。我們這組這
次做的是 Privacy Amplification ，Quantum Key Distribution (QKD) 中的一個環節，
與量子加密有關。今年出現的其他主題還有 Quantum Neural Network, Quantum
Machine Learning, Quantum Cryptography, Quantum Random Walk Algorithms, Image
Processing, Error Correction, Post-Quantum Cryptography, Graph Signal
Processing 等等，可以從中感受到多元並立的學術氛圍。
總而言之，這是一門收穫滿滿的好課。雖然在 coding 的過程中，很常一不小心週末兩天
就過去了，不過成功跑出結果的當下會很有成就感ＸＤ