📖 模块一：导论（第1讲）

第1讲课程概览 — 量子计算·类脑计算·智能汽车的交汇

学习内容：
  • 1.1 三大前沿领域简介（量子计算、类脑计算、智能汽车安全）
  • 1.2 三者交叉：为什么放在一起学？
  • 1.3 课程安排概览（六大模块）
你之前听说过量子计算或类脑计算吗？它们和你想象中的"计算"有什么不同？
智能汽车的安全问题为什么比传统网络安全更复杂？
如果你是自动驾驶工程师，你认为哪些安全威胁最值得关注？
⚛️ 模块二：量子计算基础（第2-4讲）

第2讲量子计算基础（上）— 从经典比特到量子比特

学习内容：经典比特 vs 量子比特、叠加态与测量、布洛赫球表示、量子纠缠、退相干与量子纠错、量子计算的潜力与局限
为什么叠加态是量子计算加速的根源？
量子纠缠和经典关联有什么本质区别？
退相干为什么是量子计算最大的敌人之一？

第3讲量子门与量子线路

学习内容：逻辑门与量子门的对比、幺正变换、Pauli-X门、Hadamard门、旋转门、CNOT门、变分量子线路（编码层/Ansatz/测量层）
为什么量子门必须是可逆的？这和经典逻辑门有什么不同？
Hadamard门为什么能把|0⟩变成叠加态？
变分量子线路中的"变分"是什么意思？

第4讲量子算法与应用

学习内容：Deutsch-Jozsa算法、Grover搜索算法、Shor因子分解算法、量子优势与量子霸权、近期应用场景
Grover搜索算法为什么只能实现平方加速而不是指数加速？
Shor算法为什么对现代密码学构成威胁？
你认为量子计算在智能汽车领域最有前景的应用是什么？
🧠 模块三：类脑计算基础（第5-7讲）

第5讲从生物到人工神经网络

学习内容：生物神经元结构、感知机与多层感知机、反向传播、CNN与RNN、深度学习三要素、ANN的局限性
人工神经网络的"神经元"和生物神经元有哪些关键差异？
反向传播为什么是深度学习的关键突破？
ANN在处理时序数据时面临哪些挑战？

第6讲脉冲神经网络与类脑芯片

学习内容：SNN vs DNN对比、LIF神经元模型（积分-泄漏-发放）、训练方法（替代梯度/STDP/ANN转SNN）、类脑芯片（TrueNorth/Loihi/天机/Lynxi）
SNN的事件驱动机制为什么比ANN更节能？
LIF神经元的"泄漏"项起到什么作用？
类脑芯片在汽车场景中能发挥什么优势？

第7讲类脑计算的现状与挑战

学习内容：类脑计算技术路线图、SNN性能差距、学习算法瓶颈、硬件生态、产业应用现状、未来发展路径
当前SNN在大规模任务上性能不如ANN的原因是什么？
STDP这种生物学习规则在工程实现上有什么困难？
如果你来设计下一代类脑芯片，你会优先考虑什么特性？
🚗 模块四：智能汽车安全（第8-10讲）

第8讲自动驾驶技术概述

学习内容：SAE自动驾驶分级（L0-L5）、核心技术栈（感知/定位/决策/控制）、单目深度估计、智能汽车安全威胁全景
为什么特斯拉选择纯视觉方案而其他公司多采用融合方案？
单目深度估计的核心困难是什么？
如果让你设计自动驾驶安全架构，你会优先考虑哪些威胁？

第9讲对抗攻击：数字世界与物理世界

学习内容：对抗攻击原理、白盒vs黑盒攻击、FGSM/PGD/CW/AutoAttack、物理世界攻击（对抗补丁/伪装/3D攻击）、车辆安全四类挑战
为什么深度神经网络容易受到对抗攻击？
物理世界攻击比数字世界攻击难在哪里？
对抗补丁为什么能骗过不同角度的摄像头？

第10讲防御策略与安全体系

学习内容：对抗训练、输入变换防御、检测方法、认证防御、车载安全体系架构、纵深防御策略
对抗训练为什么不能完全解决对抗攻击问题？
为什么在安全critical的场景中需要"检测+防御"双保险？
你觉得未来智能汽车应该建立怎样的安全标准？
🔗 模块五：交叉前沿（第11-13讲）

第11讲量子+类脑的融合

学习内容：量子神经网络（QNN）、变分量子线路、参数平移规则、量子-经典混合计算、PennyLane框架、量子脉冲神经网络（QSNN）
量子神经网络和经典神经网络在架构上有什么本质区别？
参数平移规则在量子梯度计算中扮演什么角色？
QSNN结合了量子和类脑的哪些优势？

第12讲量子技术在自动驾驶中的应用

学习内容：量子优化在路径规划中的应用、量子感知与传感器、量子机器学习在环境理解中的潜力、量子通信与V2X安全
量子退火在路径规划优化上相比经典方法的优势是什么？
量子传感技术如何提升自动驾驶的环境感知能力？
量子通信能否解决V2X的安全问题？

第13讲类脑计算在智能汽车安全中的应用

学习内容：SNN在对抗鲁棒性方面的天然优势、类脑芯片在车载环境中的低功耗优势、事件驱动感知系统、SNN用于异常检测与攻击识别
SNN为什么比ANN对对抗攻击更鲁棒？
类脑芯片的低功耗特性对L4/L5自动驾驶意味着什么？
事件驱动传感器+SNN的组合在汽车安全中有什么独特价值？
🔭 模块六：实践与展望（第14-16讲）

第14讲案例分析

学习内容：5个典型案例：BMW×NVIDIA量子ML、类脑芯片在自动驾驶中的应用、停车标志对抗攻击事件、QSNN防御框架、中国量子/类脑产业现状
从BMW与NVIDIA的合作案例中，你看到了什么产业趋势？
停车标志对抗攻击事件带来了哪些启示？
中国在量子计算和类脑芯片领域处于什么地位？

第15讲未来展望与伦理思考

学习内容：量子计算发展路线图、类脑计算远景、L5自动驾驶何时到来？跨领域融合趋势、AI伦理与责任、科技向善
你认为L5自动驾驶在未来10年内能否实现？关键瓶颈是什么？
如果自动驾驶发生事故，责任应该由谁承担？
作为未来的科技工作者，你如何平衡技术创新与伦理责任？

第16讲课程总结与学生展示

学习内容：课程知识全景回顾、知识图谱、拓展学习资源（在线课程/开源工具/书籍/会议）、期末报告选题建议
回顾整个课程，三个领域之间的最大交汇点是什么？
通过本课程的学习，你对"计算"的理解发生了哪些变化？
你打算用什么主题来完成期末报告？