• Home
  • Aktuelles
  • Technologie
  • Forschung
  • Lehre
  • Wirtschaft
  • Jobs
  • Home
  • Aktuelles
  • Technologie
  • Forschung
  • Lehre
  • Wirtschaft
  • Jobs
Kontakt
  • Deutsch
  • English

  • Home
  • Aktuelles
  • Technologie
  • Forschung
  • Lehre
  • Wirtschaft
  • Jobs
Kontakt
  • Deutsch
  • English

Unsere Forschungsschwerpunkte

Die Forschungsschwerpunkte des QAR-Labs sind Quantum Optimization und Quantum Artificial Intelligence. Ferner arbeiten wir aktuell mit der Software Plattform der Aqarios GmbH für einen einheitlichen und einfachen Zugriff auf Quantenhardware.

Forschung am QAR-Lab:

Publizierte Forschung
Laufende Forschung

Publizierte Forschungsergebnisse

Alle Quantum Optimization Quantum Artificial Intelligence Quantum Software Platform
Quality Diversity for Variational Quantum Circuit Optimization

Optimizing the architecture of variational quantum circuits (VQCs) is crucial for advancing quantum computing (QC) towards practical applications. Current methods range from static ansatz design and...

Weiterlesen

Optimizing Sensor Redundancy in Sequential Decision-Making Problems

Reinforcement Learning (RL) policies are designed to predict actions based on current observations to maximize cumulative future rewards. In real-world applications (i.e., non-simulated...

Weiterlesen

Investigating Parameter-Efficiency of Hybrid QuGANs Based on Geometric Properties of Generated Sea Route Graphs

The demand for artificially generated data for the development, training and testing of new algorithms is omnipresent. Quantum computing (QC), does offer the hope that its inherent probabilistic...

Weiterlesen

Accelerated VQE: Parameter Recycling for Similar Recurring Problem Instances

Training the Variational Quantum Eigensolver (VQE) is a task that requires substantial compute. We propose the use of concepts from transfer learning to considerably reduce the training time when...

Weiterlesen

From Problem to Solution: A General Pipeline to Solve Optimisation Problems on Quantum Hardware

On account of the inherent complexity and novelty of quantum computing (QC), as well as the expected lack of expertise of many of the stakeholders involved in its development, QC software development...

Weiterlesen

Qandle: Accelerating State Vector Simulation Using Gate-Matrix Caching and Circuit Splitting

To address the computational complexity associated with state-vector simulation for quantum circuits, we propose a combination of advanced techniques to accelerate circuit execution. Quantum gate...

Weiterlesen

QMamba: Quantum Selective State Space Models for Text Generation

Quantum machine learning offers novel paradigms to address limitations in traditional natural language processing models, such as fixed context lengths and computational inefficiencies. In this work,...

Weiterlesen

Quantum Circuit Construction and Optimization through Hybrid Evolutionary Algorithms

...

Weiterlesen

A Constant Measurement Quantum Algorithm for Graph Connectivity

We introduce a novel quantum algorithm for determining graph connectedness using a constant number of measurements. The algorithm can be extended to find connected components with a linear number of...

Weiterlesen

Challenges for Reinforcement Learning in Quantum Circuit Design

Quantum computing (QC) in the current NISQ era is still limited in size and precision. Hybrid applications mitigating those shortcomings are prevalent to gain early insight and advantages. Hybrid...

Weiterlesen

Towards Transfer Learning for Large-Scale Image Classification Using Annealing-Based Quantum Boltzmann Machines

Quantum Transfer Learning (QTL) recently gained popularity as a hybrid quantum-classical approach for image classification tasks by efficiently combining the feature extraction capabilities of large...

Weiterlesen

Evidence that PUBO outperforms QUBO when solving continuous optimization problems with the QAOA

Quantum computing provides powerful algorithmic tools that have been shown to outperform established classical solvers in specific optimization tasks. A core step in solving optimization problems...

Weiterlesen

Applying QNLP to Sentiment Analysis in Finance

As an application domain where the slightest qualitative improvements can yield immense value, finance is a promising candidate for early quantum advantage. Focusing on the rapidly advancing field of...

Weiterlesen

NISQ-Ready Community Detection Based on Separation-Node Identification

The analysis of network structure is essential to many scientific areas ranging from biology to sociology. As the computational task of clustering these networks into partitions, i.e., solving the...

Weiterlesen

Approximative Lookup-Tables and Arbitrary Function Rotations for Facilitating NISQ-Implementations of the HHL and Beyond

Many promising applications of quantum computing with a provable speedup center around the HHL algorithm. Due to restrictions on the hardware and its significant demand on qubits and gates in known...

Weiterlesen

Hybrid Quantum Machine Learning Assisted Classification of COVID-19 from Computed Tomography Scans

Practical quantum computing (QC) is still in its in-fancy and problems considered are usually fairly small, especially in quantum machine learning when compared to its classical counterpart. Image...

Weiterlesen

Influence of Different 3SAT-to-QUBO Transformations on the Solution Quality of Quantum Annealing: A Benchmark Study

To solve 3sat instances on quantum annealers they need to be transformed to an instance of Quadratic Unconstrained Binary Optimization (QUBO). When there are multiple transformations available, the...

Weiterlesen

Pattern QUBOs: Algorithmic Construction of 3SAT-to-QUBO Transformations

One way of solving 3sat instances on a quantum computer is to transform the 3sat instances into instances of Quadratic Unconstrained Binary Optimizations (QUBOs), which can be used as an input for...

Weiterlesen

Algorithmic QUBO formulations for k-SAT and hamiltonian cycles

Quadratic Unconstrained Binary Optimization (QUBO) can be seen as a generic language for optimization problems. QUBOs attract particular attention since they can be solved with quantum hardware, like...

Weiterlesen

Towards Multi-Agent Reinforcement Learning using Quantum Boltzmann Machines

Reinforcement learning has driven impressive advances in machine learning. Simultaneously, quantum-enhanced machine learning algorithms using quantum annealing underlie heavy developments. Recently,...

Weiterlesen

Modifying the quantum-assisted genetic algorithm

Modifying the quantum-assisted genetic algorithm Thomas Gabor, Michael Lachner, Nico Kraus, Christoph Roch, Jonas Stein, Daniel Ratke, Claudia Linnhoff-Popien Abstract Based on the quantum-assisted...

Weiterlesen

Solving Large Steiner Tree Problems in Graphs for Cost-efficient Fiber- To-The-Home Network Expansion

Internet traffic is constantly increasing over time due to growing digitization and the increasing use of bandwidth intensive applications. Internet consumers, be it large industry, small enterprises...

Weiterlesen

A Flexible Pipeline for the Optimization of Construction Trees

In this paper, we present a systematic comparison of newly developed and existing tree optimization methods and propose a flexible processing pipeline with a focus on tree editability. The pipeline...

Weiterlesen

The UQ Platform: A Unified Approach To Quantum Annealing

The UQ platform provides a unified interface to various means of solving QUBO that allows for a seamless switch between classical and quantum methods while implementing features such as load and user...

Weiterlesen

A Quantum Annealing Algorithm for Finding Pure Nash Equilibria in Graphical Games

We empirically evaluate Q-Nash on D-Wave’s Quantum Annealer 2000Q using different graphical game topologies. The results with respect to solution quality and computing time are compared to a Brute...

Weiterlesen

Approximating Archetypal Analysis Using Quantum Annealing

In this work, archetypal analysis is linked with quantum annealing. For both steps, i.e. the determination of archetypes and the assignment of data points, we derive a QUBO formulation which is...

Weiterlesen

The Dynamic Time Warping Distance Measure as QUBO Formulation

With this paper we investigate whether it is possible to transfer the DTW distance measure into a QUBO formulation. The motivation behind is the hope on an accelerated execution once the QA hardware...

Weiterlesen

Insights on Training Neural Networks for QUBO Tasks

Analyzing this representation via autoencoders shows that there is way more information included than necessary to solve the original TSP. Then we show that neural networks can be used to solve TSP...

Weiterlesen

The Holy Grail of Quantum Artificial Intelligence: Challenges in Accelerating the Machine Learning Pipeline

We discuss the synergetic connection between quantum computing and artificial intelligence. After surveying current approaches to quantum artificial intelligence and relating them to a formal model...

Weiterlesen

Approximate Approximation on a Quantum Annealer

In this paper, we explore how problems’ approximate versions of varying degree can be systematically constructed for quantum annealer programs, and how this influences result quality or the...

Weiterlesen

Optimizing Geometry Compression using Quantum Annealing

We describe existing Ising formulations for the maximum clique search problem and the smallest exact cover problem, both of which are important building blocks of the proposed compression pipeline....

Weiterlesen

Torwards understanding Approximation Complexity on a Quantum Annealer (Extended Abstract)

We experimentally investigate if and how the degree of approximability influences implementation and run-time performance. Our experiments indicate a discrepancy between classical approximation...

Weiterlesen

Integration and Evaluation of Quantum Accelerators for Data-Driven User Functions

In this work we propose a system architecture for the integration of quantum accelerators. In order to evaluate our proposed system architecture we implemented various algorithms including a...

Weiterlesen

Cross Entropy Hyperparameter Optimization for Constrained Problem Hamiltonians Applied to QAOA

In this study we apply a Cross-Entropy method to shape this landscape, which allows the classical optimizer to find better parameter more easily and hence results in an improved performance. We...

Weiterlesen

A Hybrid Solution Method for the Capacitated Vehicle Routing Problem Using a Quantum Annealer

This work presents a quantum-classic hybrid solution method for the CVRP. It clarifies whether the implementation of such a method pays off in comparison to existing classical solution methods...

Weiterlesen

Quantum Technology and Optimization Problems: First International Workshop

This book comprises a section containing a keynote and four sections with scientific papers. The sessions deal with the following topics that are crucial to the development of future improvements in...

Weiterlesen

Assessing Solution Quality of 3SAT on a Quantum Annealing Platform

We show that the phase transition regarding the computational complexity of the problem, which is well-known to occur for 3SAT on classical machines (where it causes a detrimental increase in...

Weiterlesen


Quality Diversity for Variational Quantum Circuit Optimization

Optimizing the architecture of variational quantum circuits (VQCs) is crucial for advancing quantum computing (QC) towards practical applications. Current methods range from static ansatz design and...

Weiterlesen

Accelerated VQE: Parameter Recycling for Similar Recurring Problem Instances

Training the Variational Quantum Eigensolver (VQE) is a task that requires substantial compute. We propose the use of concepts from transfer learning to considerably reduce the training time when...

Weiterlesen

From Problem to Solution: A General Pipeline to Solve Optimisation Problems on Quantum Hardware

On account of the inherent complexity and novelty of quantum computing (QC), as well as the expected lack of expertise of many of the stakeholders involved in its development, QC software development...

Weiterlesen

Quantum Circuit Construction and Optimization through Hybrid Evolutionary Algorithms

...

Weiterlesen

A Constant Measurement Quantum Algorithm for Graph Connectivity

We introduce a novel quantum algorithm for determining graph connectedness using a constant number of measurements. The algorithm can be extended to find connected components with a linear number of...

Weiterlesen

Towards Transfer Learning for Large-Scale Image Classification Using Annealing-Based Quantum Boltzmann Machines

Quantum Transfer Learning (QTL) recently gained popularity as a hybrid quantum-classical approach for image classification tasks by efficiently combining the feature extraction capabilities of large...

Weiterlesen

Evidence that PUBO outperforms QUBO when solving continuous optimization problems with the QAOA

Quantum computing provides powerful algorithmic tools that have been shown to outperform established classical solvers in specific optimization tasks. A core step in solving optimization problems...

Weiterlesen

Approximative Lookup-Tables and Arbitrary Function Rotations for Facilitating NISQ-Implementations of the HHL and Beyond

Many promising applications of quantum computing with a provable speedup center around the HHL algorithm. Due to restrictions on the hardware and its significant demand on qubits and gates in known...

Weiterlesen

Influence of Different 3SAT-to-QUBO Transformations on the Solution Quality of Quantum Annealing: A Benchmark Study

To solve 3sat instances on quantum annealers they need to be transformed to an instance of Quadratic Unconstrained Binary Optimization (QUBO). When there are multiple transformations available, the...

Weiterlesen

Pattern QUBOs: Algorithmic Construction of 3SAT-to-QUBO Transformations

One way of solving 3sat instances on a quantum computer is to transform the 3sat instances into instances of Quadratic Unconstrained Binary Optimizations (QUBOs), which can be used as an input for...

Weiterlesen

Algorithmic QUBO formulations for k-SAT and hamiltonian cycles

Quadratic Unconstrained Binary Optimization (QUBO) can be seen as a generic language for optimization problems. QUBOs attract particular attention since they can be solved with quantum hardware, like...

Weiterlesen

Modifying the quantum-assisted genetic algorithm

Modifying the quantum-assisted genetic algorithm Thomas Gabor, Michael Lachner, Nico Kraus, Christoph Roch, Jonas Stein, Daniel Ratke, Claudia Linnhoff-Popien Abstract Based on the quantum-assisted...

Weiterlesen

A Flexible Pipeline for the Optimization of Construction Trees

In this paper, we present a systematic comparison of newly developed and existing tree optimization methods and propose a flexible processing pipeline with a focus on tree editability. The pipeline...

Weiterlesen

A Quantum Annealing Algorithm for Finding Pure Nash Equilibria in Graphical Games

We empirically evaluate Q-Nash on D-Wave’s Quantum Annealer 2000Q using different graphical game topologies. The results with respect to solution quality and computing time are compared to a Brute...

Weiterlesen

Approximating Archetypal Analysis Using Quantum Annealing

In this work, archetypal analysis is linked with quantum annealing. For both steps, i.e. the determination of archetypes and the assignment of data points, we derive a QUBO formulation which is...

Weiterlesen

The Dynamic Time Warping Distance Measure as QUBO Formulation

With this paper we investigate whether it is possible to transfer the DTW distance measure into a QUBO formulation. The motivation behind is the hope on an accelerated execution once the QA hardware...

Weiterlesen

Approximate Approximation on a Quantum Annealer

In this paper, we explore how problems’ approximate versions of varying degree can be systematically constructed for quantum annealer programs, and how this influences result quality or the...

Weiterlesen

Optimizing Geometry Compression using Quantum Annealing

We describe existing Ising formulations for the maximum clique search problem and the smallest exact cover problem, both of which are important building blocks of the proposed compression pipeline....

Weiterlesen

Torwards understanding Approximation Complexity on a Quantum Annealer (Extended Abstract)

We experimentally investigate if and how the degree of approximability influences implementation and run-time performance. Our experiments indicate a discrepancy between classical approximation...

Weiterlesen

Cross Entropy Hyperparameter Optimization for Constrained Problem Hamiltonians Applied to QAOA

In this study we apply a Cross-Entropy method to shape this landscape, which allows the classical optimizer to find better parameter more easily and hence results in an improved performance. We...

Weiterlesen

A Hybrid Solution Method for the Capacitated Vehicle Routing Problem Using a Quantum Annealer

This work presents a quantum-classic hybrid solution method for the CVRP. It clarifies whether the implementation of such a method pays off in comparison to existing classical solution methods...

Weiterlesen

Quantum Technology and Optimization Problems: First International Workshop

This book comprises a section containing a keynote and four sections with scientific papers. The sessions deal with the following topics that are crucial to the development of future improvements in...

Weiterlesen

Assessing Solution Quality of 3SAT on a Quantum Annealing Platform

We show that the phase transition regarding the computational complexity of the problem, which is well-known to occur for 3SAT on classical machines (where it causes a detrimental increase in...

Weiterlesen


Quality Diversity for Variational Quantum Circuit Optimization

Optimizing the architecture of variational quantum circuits (VQCs) is crucial for advancing quantum computing (QC) towards practical applications. Current methods range from static ansatz design and...

Weiterlesen

Investigating Parameter-Efficiency of Hybrid QuGANs Based on Geometric Properties of Generated Sea Route Graphs

The demand for artificially generated data for the development, training and testing of new algorithms is omnipresent. Quantum computing (QC), does offer the hope that its inherent probabilistic...

Weiterlesen

Accelerated VQE: Parameter Recycling for Similar Recurring Problem Instances

Training the Variational Quantum Eigensolver (VQE) is a task that requires substantial compute. We propose the use of concepts from transfer learning to considerably reduce the training time when...

Weiterlesen

QMamba: Quantum Selective State Space Models for Text Generation

Quantum machine learning offers novel paradigms to address limitations in traditional natural language processing models, such as fixed context lengths and computational inefficiencies. In this work,...

Weiterlesen

Challenges for Reinforcement Learning in Quantum Circuit Design

Quantum computing (QC) in the current NISQ era is still limited in size and precision. Hybrid applications mitigating those shortcomings are prevalent to gain early insight and advantages. Hybrid...

Weiterlesen

Towards Transfer Learning for Large-Scale Image Classification Using Annealing-Based Quantum Boltzmann Machines

Quantum Transfer Learning (QTL) recently gained popularity as a hybrid quantum-classical approach for image classification tasks by efficiently combining the feature extraction capabilities of large...

Weiterlesen

Applying QNLP to Sentiment Analysis in Finance

As an application domain where the slightest qualitative improvements can yield immense value, finance is a promising candidate for early quantum advantage. Focusing on the rapidly advancing field of...

Weiterlesen

NISQ-Ready Community Detection Based on Separation-Node Identification

The analysis of network structure is essential to many scientific areas ranging from biology to sociology. As the computational task of clustering these networks into partitions, i.e., solving the...

Weiterlesen

Hybrid Quantum Machine Learning Assisted Classification of COVID-19 from Computed Tomography Scans

Practical quantum computing (QC) is still in its in-fancy and problems considered are usually fairly small, especially in quantum machine learning when compared to its classical counterpart. Image...

Weiterlesen

Towards Multi-Agent Reinforcement Learning using Quantum Boltzmann Machines

Reinforcement learning has driven impressive advances in machine learning. Simultaneously, quantum-enhanced machine learning algorithms using quantum annealing underlie heavy developments. Recently,...

Weiterlesen

Solving Large Steiner Tree Problems in Graphs for Cost-efficient Fiber- To-The-Home Network Expansion

Internet traffic is constantly increasing over time due to growing digitization and the increasing use of bandwidth intensive applications. Internet consumers, be it large industry, small enterprises...

Weiterlesen

Insights on Training Neural Networks for QUBO Tasks

Analyzing this representation via autoencoders shows that there is way more information included than necessary to solve the original TSP. Then we show that neural networks can be used to solve TSP...

Weiterlesen

The Holy Grail of Quantum Artificial Intelligence: Challenges in Accelerating the Machine Learning Pipeline

We discuss the synergetic connection between quantum computing and artificial intelligence. After surveying current approaches to quantum artificial intelligence and relating them to a formal model...

Weiterlesen

Integration and Evaluation of Quantum Accelerators for Data-Driven User Functions

In this work we propose a system architecture for the integration of quantum accelerators. In order to evaluate our proposed system architecture we implemented various algorithms including a...

Weiterlesen

Quantum Technology and Optimization Problems: First International Workshop

This book comprises a section containing a keynote and four sections with scientific papers. The sessions deal with the following topics that are crucial to the development of future improvements in...

Weiterlesen


From Problem to Solution: A General Pipeline to Solve Optimisation Problems on Quantum Hardware

On account of the inherent complexity and novelty of quantum computing (QC), as well as the expected lack of expertise of many of the stakeholders involved in its development, QC software development...

Weiterlesen

Qandle: Accelerating State Vector Simulation Using Gate-Matrix Caching and Circuit Splitting

To address the computational complexity associated with state-vector simulation for quantum circuits, we propose a combination of advanced techniques to accelerate circuit execution. Quantum gate...

Weiterlesen

Quantum Circuit Construction and Optimization through Hybrid Evolutionary Algorithms

...

Weiterlesen

Challenges for Reinforcement Learning in Quantum Circuit Design

Quantum computing (QC) in the current NISQ era is still limited in size and precision. Hybrid applications mitigating those shortcomings are prevalent to gain early insight and advantages. Hybrid...

Weiterlesen

The UQ Platform: A Unified Approach To Quantum Annealing

The UQ platform provides a unified interface to various means of solving QUBO that allows for a seamless switch between classical and quantum methods while implementing features such as load and user...

Weiterlesen


Laufende Forschungsarbeiten

Alle Quantum Optimization Quantum Artificial Intelligence Quantum Software Platform
Verwendung evolutionärer Algorithmen zur Optimierung von Quantenschaltkreisen unter der Berücksichtigung von Noise

Noise stellt eine allgegenwärtige Herausforderung in der NISQ-Ära des Quantum Computings dar. Seine starke Auswirkung auf die Hardware eines Quantencomputers verfälscht die Ergebnisse von...

Weiterlesen

Emergente Kooperation in Quantum Multi-Agenten Reinforcement Learning mittels Kommunikation

Emergente Kooperation im klassischen Multi-Agent Reinforcement Learning hat große Aufmerksamkeit erlangt, insbesondere im Zusammenhang mit sequenziellen sozialen Dilemmas. Während klassische...

Weiterlesen

Analyse der Parameteranpassung des Transfer Lernens in Variationellen Quanten-Eigensolvern

Mit der Verbreitung öffentlich verfügbarer, wenn auch rauschanfälliger Quantenprozessoren wurden viele Machine-Learning Ansätze entwickelt, um die neu aufgekommenen Möglichkeiten optimal zu...

Weiterlesen

Erforschung der Verschränkungsintensität in Variationellen Quanten-Eigensolver-Algorithmen für kombinatorische Optimierung

Diese Arbeit untersucht die Rolle der Verschränkung bei der Leistung des VQE, einem führenden Algorithmus zur Annäherung der Grundzustandsenergien von Quanten-Hamiltonians. Insbesondere wird...

Weiterlesen

Ermittlung von Verknüpfungen in Produktdaten mittels Quantum Restricted Boltzmann Machines

Der steigende Softwareanteil in Produkten treibt nicht nur Innovationen voran, sondern erhöht auch die Komplexität. Um das Risiko von Fehlfunktionen in softwarelastigen Produkten zu minimieren und...

Weiterlesen

Problem-Spezifisches Entanglement in Variationellen Quantum Circuits

Obwohl Verschränkung eine Schlüsseleigenschaft der Quantenmechanik ist, ist nicht gut erforscht, ob sie eine koordinierende Rolle im Ansatz-Schaltkreis von hybriden Quantenoptimierungsalgorithmen...

Weiterlesen

Emergente Kooperation durch Quanten Verschränkung in Multi-Agenten-Systemen

Diese Arbeit untersucht die Durchführbarkeit der Quantenverschränkung zur Verbesserung der Kooperation im Multi-Agenten Reinforcement Learning. Unter Verwendung des iterierten Gefangenendilemmas...

Weiterlesen

Verteiltes Quantum Machine Learning – Training und Auswertung eines ML Modells auf einem verteilten Quantencomputer Simulator

Die Anzahl der Qubits, die auf einem Quantencomputer zur Verfügung stehen, stellt in der Regel eine Einschränkung für das Training und die Ausführung von Quantum-Machine-Learning-Modellen dar....

Weiterlesen

QUBO-Generierung für (MAX-)3SAT mittels generativer KI-Methoden

Das Erstellen von QUBOs für 3-SAT Formeln mittels Pattern QUBOs bringt einige Herausforderungen. Das generieren der Pattern QUBOs und die Erstellung der QUBO ist aufgrund des Brute-Force Ansatzes...

Weiterlesen

Speichereffiziente Quanten-Optimierung für das Traveling Salesman Problem via binäre Kodierung von gültigen Lösungen

Das Traveling Salesperson Problem (TSP) ist eine klassische kombinatorische Optimierungsaufgabe mit zahlreichen Anwendungen in Logistik, Planung und Terminbestimmung. Quantenalgorithmen, insbesondere...

Weiterlesen

Minimierung der Teleportation und Verbesserung der Messqualität im verteilten Quantencomputing unter Verwendung eines evolutionären Multi-Objective Algorithmus

Quanten Computing gilt als eine vielversprechende Technologie, um Aufgaben zu lösen, die selbst für das klassische Computing nicht zu bewältigen sind. Allerdings stoßen einzelne Quantencomputer...

Weiterlesen

Bewertung parameterbasierter Trainingsleistungen von neuronalen Netzen und variationellen Quantum Circuits

In den vergangenen Jahren haben neuronale Netze (NN) bei den bedeutenden Fortschritten im Bereich des maschinellen Lernens eine zentrale Rolle gespielt. Mit zunehmender Komplexität der Aufgaben des...

Weiterlesen

Nutzung von Vorkonditionierung zur Beschleunigung Quantensimulations-basierter Optimierung

Simulationsbasierte Optimierung ist rechnerisch sehr aufwendig, da zahlreiche Auswertungen komplexer Simulationen erforderlich sind, um eine Zielfunktion zu optimieren. Quantenalgorithmen können...

Weiterlesen

Anwendung von Warmstarts von Variationellen Quantenalgorithmen für parametrisierte kombinatorische Optimierung

Um physikalische Systeme zu modellieren, enthalten Hamiltonians oft Parameter, die glob- ale Kräfte, wie z. B. Magnetfelder, steuern. Im Gegensatz dazu sind Hamiltonians, die kombinatorische...

Weiterlesen

Schaltkreispartitionierung und Genetische Optimierung für Effiziente Qubit Verteilung in Verteiltem Quantum Computing

Um große Schaltkreise auszuführen, können die Qubits auf verschiedene Quantencomputer verteilt werden. Die Verteilung von Qubits auf mehrere Quantencomputer wird im Rahmen des verteilten...

Weiterlesen

Reinforcement Learning-gestützte State Preparation mithilfe von parametrisierten Quantengattern

Diese Arbeit untersucht die Anwendung von Reinforcement Learning (RL) zur Optimierung der State Preparation in parametrisierten Quantenschaltkreisen. Durch den Einsatz von RL-Algorithmen wird ein...

Weiterlesen

Vergleich verschiedener hybrider Quantum Machine Learning Ansätze zur Klassifikation von Bildern auf Quantencomputern

Diese Arbeit untersucht die hybriden Ansätze Quanvolutional Neural Network (QCNN), Quantum Transfer Learning (QTL) und Variational Quantum Circuit (VQC). Dazu werden diese trainiert die Bilder des...

Weiterlesen

Evaluierung von Mutationstechniken in der auf genetischen Algorithmen basierenden Quantum circuit Synthese

Die Optimierung von quantum circuits ist entscheidend für den Fortschritt des quantum computing, insbesondere für momentane Noisy Intermediate-Scale Quantum (NISQ)-Geräte. Diese Geräte stehen vor...

Weiterlesen

Architektonische Einflüsse auf variationelle Quantenschaltkreise im Multi-Agenten Reinforcement Learning: Evolutionäre Optimierungsstrategien

Das Forschungsgebiet des Multi-Agenten Reinforcement Learning (MARL) gewinnt zunehmend an Bedeutung, insbesondere in Anwendungsbereichen wie autonomem Fahren und Robotik, in denen mehrere Akteure...

Weiterlesen

Trainierbarkeit des Quantum Federated Lernens

Diese Arbeit untersucht die Implementierung und Evaluierung von Quantum Federated Learning (QFL), bei dem Variational Quantum Circuits (VQCs) kollaborativ über mehrere mehreren Quanten-Clients...

Weiterlesen

Untersuchen der Lottery Ticket Hypothese für variationelle Quantenschaltkreise

Quantencomputing ist ein aufstrebendes Feld in der Informatik, welches in den letzten Jahren große Fortschritte erzielt hat, unteranderem im Bereich des maschinellen Lernens. Durch die Prinzipien...

Weiterlesen

Zustandsvorbereitung auf Quantenhardware unter Verwendung eines genetischen Inselalgorithmus

In dieser Arbeit werde die Unterschiede zwischen dem bevölkerungsbezogenen und dem inselbasierten Ansatz untersucht. Diese Ansätze unterscheiden sich darin, ob die Individuen Teil einer einzigen...

Weiterlesen

Quantum Reinforcement Learning via parametrisierten Quantum Walks

Diese Arbeit untersucht Random Walks in Grid Worlds und Glued Trees unter Verwendung klassischer Reinforcement Learning Strategien wie Proximal Policy Optimization oder Deep Q-learning Networks. In...

Weiterlesen

Erklärbare Zeitreihenprognosen mit exogenen Variablen – Wie sich das Wetter auf den Aktienmarkt auswirkt

Der Klimawandel ist real und beeinflusst das Wetter weltweit. Angesichts der sich ändernden Wetterbedingungen zielt diese Arbeit darauf ab, zu verstehen, wie Wetter genutzt werden kann, um...

Weiterlesen

CUAOA: Ein neues CUDA-beschleunigtes Simulationsframework für den Quantum Approximate Optimization Algorithmus

Der Quantum Approximate Optimization Algorithm (QAOA) ist ein bekannter Quantenalgorithmus, der entwickelt wurde, um Näherungslösungen für kombinatorische Optimierungsprobleme zu finden. In der...

Weiterlesen

Ein Weg zum Quantenvorteil für das Unit Commitment Problem

Diese Arbeit stellt eine Lösung für das Unit-Commitment-Problem (UCP) im Bereich des Energienetzmanagements vor. Dabei handelt es sich um ein Optimierungsproblem, bei dem ein Gleichungssystem...

Weiterlesen

Weniger gierige Quanten-Ansätze zur Generierung von Koalitionsstrukturen in Induzierten Subgraph-Spielen

Die Energiewende ist einer der wichtigsten Schritte im Kampf gegen den Klimawandel, den viele Nationen aktuell angehen. Jedoch stellt uns diese Umstellung auf 100 % erneuerbare Energien vor...

Weiterlesen

Evaluierung von metaheuristischen Optimierungsalgorithmen für Quantum Reinforcement Learning

Quantum Reinforcement Learning bietet das Potenzial für Vorteile gegenüber klassischem Reinforcement Learning, wie beispielsweise eine kompaktere Repräsentation des Zustandsraums durch...

Weiterlesen

Suche nach Arbitrage mit verschiedenen Quantenalgorithmen

Quantencomputing, eine Disziplin, die sich die Prinzipien der Quantenphysik zunutze macht, um komplexe Berechnungen durchzuführen, hat sich seit seiner ersten Konzeptualisierung durch Richard...

Weiterlesen

Optimierung von Variational Quantum Circuits für Hybride Quantum Proximal Policy Optimization Algorithmen

Quantencomputer, welche sich aktuell in der Entwicklung befinden, bieten in der Theorie neben der Hoffnung auf einen Quantenvorteil auch die Möglichkeit der Parameterreduktion. Diese ist...

Weiterlesen

Wegzusammenhang des Topologischen Randes zwischen Features, die von einem Einschichtigen Perzeptron, das zwischen Zwei Kategorien Differenziert, Unterschiedlich Kategorisiert Werden

Dank der bemerkenswerten Fortschritte im High-Performance-Computing können Maschinen immer größere Datenmengen verarbeiten, um zahlreiche Parameter eines Machine-Learning-Modells (ML-Modell)...

Weiterlesen

Konstruktion von Quantenschaltkreisen mit eingeschränkten Gattern

In der Praxis stehen bei einem Quantenrechner ähnlich wie zu den klassischen Rechnern nur eine eingeschränkte Menge an Grundoperationen zur Verfügung. Diese werden auch Quantengatter genannt und...

Weiterlesen

Effiziente halb-überwachte Erkennung von Quantenanomalien mit Hilfe von Einklassen-Support-Vektor-Maschinen

Quantencomputing ist eine aufstrebende Technologie, die verschiedene Aufgaben des maschinellen Lernens verbessern kann. Durch die Kombination der Darstellungsleistung eines klassisch harten...

Weiterlesen

Die Nutzung von Quantum Machine Learning zum Vorhersagen von Asset Preisen in finanziellen Märkten

Im Finanzwesen wird viel Aufwand betrieben, um zukünftige Vermögenspreise vorherzusagen. Schon eine kleine Steigerung der Prognosefähigkeit kann enorme Gewinne generieren. Einige statistische...

Weiterlesen

Eine Reinforcement Learning Umgebung für zielgerichtete Quantenschaltkreis-Synthese

Angesichts des steigenden Interesses an Quantencomputing-Technologien, gewinnen Themen wie das gezielte Design von Quantenschaltenkreisen einschließlich der zuverlässigen Erzeugung von...

Weiterlesen

Quanten Diffusions Modelle

Machine Learning Modelle zur Erzeugung von Bildern haben im letzten Jahr stark an Bekanntheit gewonnen. DALL-E, Craiyon und Stable Diffusion können hochauflösende Bilder erzeugen, indem die Nutzer...

Weiterlesen

Dimensionalitätsreduktion mit Autoencodern für effiziente Klassifizierung mit Variationellen Quantenschaltkreisen

Quantencomputing verspricht insbesondere bei datenintensiven und komplexen Berechnungen Leistungsvorteile. Allerdings befinden wir uns derzeit in der Noisy-Intermediate-Scale-Quantum Ära mit einer...

Weiterlesen

Annäherung an quadratische, uneingeschränkte binäre Optimierungsprobleme mit Neuronalen Graph-Netzen

Die derzeit verfügbare Quantum Annealing-Hardware hat aufgrund von Beschränkungen in Größe und Konnektivität noch nicht den Stand erreicht, um erfolgreich mit effizienten Algorithmen auf...

Weiterlesen

Anwendung von Graphpartitionierungsalgorithmen und Genetischen Algorithmen zur Optimierung der Teleportationskosten in verteilten Quantenschaltkreisen

Derzeit befinden wir uns in der Noisy Intermediate Scale Quantum (NISQ) - Ära, in der die Anzahl der Qubits, die in einem einzelnen Quantencomputer verwendet werden können, zunimmt. Mit dieser...

Weiterlesen

Community detection für gewichtete Graphen mittels Trennknotenerkennung in der NISQ Ära

Ein wichtiges Optimierungsproblem in der Informatik ist die Community Detection. Dabei können durch die Analyse von Netzwerken sogenannte Communities gefunden werden und wichtige Informationen in...

Weiterlesen

Einfluss von Embedding Methoden auf Generalisierbarkeit in Quantum Machine Learning

Quantum Machine Learning ist ein vielversprechendes Anwendungsgebiet für Quantum Computer. Um aber reale Vorteile gegenüber klassischen Computern zu sehen, benö- tigt es ausgereifte Quantum...

Weiterlesen

Quantum-Multi-Agent-Reinforcement-Learning mit Evolutionärer Optimierung

Multi-Agent-Reinforcement-Learning gewinnt in Zeiten des autonomen Fahrens und anderer intelligenter industrieller Anwendungen zunehmend an Bedeutung. Gleichzeitig entsteht ein vielversprechender...

Weiterlesen

Anomaly Detection using Quantum Circuit Born Machines

Die Erkennung von Anomalien ist eine wichtige Komponente in verschiedenen Bereichen, z. B. im Finanzwesen, in der medizinischen Diagnose und bei der Betrugserkennung. Da die Datensätze immer...

Weiterlesen

Efficient Quantum Circuit Architecture for Coined Quantum Walks on many Bipartite Graphs

Quantum-Walks, ein Quantenanalogon der klassischen Random-Walks, haben sich als leistungsfähiges Paradigma für Quantenberechnungen und -simulationen erwiesen. Während klassische Random Walks auf...

Weiterlesen

Analyzing Reinforcement Learning strategies from a parameterized quantum walker

Reinforcement Learning hat erhebliche Fortschritte bei der Lösung komplexer Probleme gemacht. Daher ist es nicht verwunderlich, dass es in verschiedenen Anwendungsbereichen zu finden ist. Auch die...

Weiterlesen


Verwendung evolutionärer Algorithmen zur Optimierung von Quantenschaltkreisen unter der Berücksichtigung von Noise

Noise stellt eine allgegenwärtige Herausforderung in der NISQ-Ära des Quantum Computings dar. Seine starke Auswirkung auf die Hardware eines Quantencomputers verfälscht die Ergebnisse von...

Weiterlesen

Analyse der Parameteranpassung des Transfer Lernens in Variationellen Quanten-Eigensolvern

Mit der Verbreitung öffentlich verfügbarer, wenn auch rauschanfälliger Quantenprozessoren wurden viele Machine-Learning Ansätze entwickelt, um die neu aufgekommenen Möglichkeiten optimal zu...

Weiterlesen

Erforschung der Verschränkungsintensität in Variationellen Quanten-Eigensolver-Algorithmen für kombinatorische Optimierung

Diese Arbeit untersucht die Rolle der Verschränkung bei der Leistung des VQE, einem führenden Algorithmus zur Annäherung der Grundzustandsenergien von Quanten-Hamiltonians. Insbesondere wird...

Weiterlesen

Problem-Spezifisches Entanglement in Variationellen Quantum Circuits

Obwohl Verschränkung eine Schlüsseleigenschaft der Quantenmechanik ist, ist nicht gut erforscht, ob sie eine koordinierende Rolle im Ansatz-Schaltkreis von hybriden Quantenoptimierungsalgorithmen...

Weiterlesen

QUBO-Generierung für (MAX-)3SAT mittels generativer KI-Methoden

Das Erstellen von QUBOs für 3-SAT Formeln mittels Pattern QUBOs bringt einige Herausforderungen. Das generieren der Pattern QUBOs und die Erstellung der QUBO ist aufgrund des Brute-Force Ansatzes...

Weiterlesen

Speichereffiziente Quanten-Optimierung für das Traveling Salesman Problem via binäre Kodierung von gültigen Lösungen

Das Traveling Salesperson Problem (TSP) ist eine klassische kombinatorische Optimierungsaufgabe mit zahlreichen Anwendungen in Logistik, Planung und Terminbestimmung. Quantenalgorithmen, insbesondere...

Weiterlesen

Minimierung der Teleportation und Verbesserung der Messqualität im verteilten Quantencomputing unter Verwendung eines evolutionären Multi-Objective Algorithmus

Quanten Computing gilt als eine vielversprechende Technologie, um Aufgaben zu lösen, die selbst für das klassische Computing nicht zu bewältigen sind. Allerdings stoßen einzelne Quantencomputer...

Weiterlesen

Nutzung von Vorkonditionierung zur Beschleunigung Quantensimulations-basierter Optimierung

Simulationsbasierte Optimierung ist rechnerisch sehr aufwendig, da zahlreiche Auswertungen komplexer Simulationen erforderlich sind, um eine Zielfunktion zu optimieren. Quantenalgorithmen können...

Weiterlesen

Anwendung von Warmstarts von Variationellen Quantenalgorithmen für parametrisierte kombinatorische Optimierung

Um physikalische Systeme zu modellieren, enthalten Hamiltonians oft Parameter, die glob- ale Kräfte, wie z. B. Magnetfelder, steuern. Im Gegensatz dazu sind Hamiltonians, die kombinatorische...

Weiterlesen

Schaltkreispartitionierung und Genetische Optimierung für Effiziente Qubit Verteilung in Verteiltem Quantum Computing

Um große Schaltkreise auszuführen, können die Qubits auf verschiedene Quantencomputer verteilt werden. Die Verteilung von Qubits auf mehrere Quantencomputer wird im Rahmen des verteilten...

Weiterlesen

Evaluierung von Mutationstechniken in der auf genetischen Algorithmen basierenden Quantum circuit Synthese

Die Optimierung von quantum circuits ist entscheidend für den Fortschritt des quantum computing, insbesondere für momentane Noisy Intermediate-Scale Quantum (NISQ)-Geräte. Diese Geräte stehen vor...

Weiterlesen

Untersuchen der Lottery Ticket Hypothese für variationelle Quantenschaltkreise

Quantencomputing ist ein aufstrebendes Feld in der Informatik, welches in den letzten Jahren große Fortschritte erzielt hat, unteranderem im Bereich des maschinellen Lernens. Durch die Prinzipien...

Weiterlesen

Zustandsvorbereitung auf Quantenhardware unter Verwendung eines genetischen Inselalgorithmus

In dieser Arbeit werde die Unterschiede zwischen dem bevölkerungsbezogenen und dem inselbasierten Ansatz untersucht. Diese Ansätze unterscheiden sich darin, ob die Individuen Teil einer einzigen...

Weiterlesen

Erklärbare Zeitreihenprognosen mit exogenen Variablen – Wie sich das Wetter auf den Aktienmarkt auswirkt

Der Klimawandel ist real und beeinflusst das Wetter weltweit. Angesichts der sich ändernden Wetterbedingungen zielt diese Arbeit darauf ab, zu verstehen, wie Wetter genutzt werden kann, um...

Weiterlesen

CUAOA: Ein neues CUDA-beschleunigtes Simulationsframework für den Quantum Approximate Optimization Algorithmus

Der Quantum Approximate Optimization Algorithm (QAOA) ist ein bekannter Quantenalgorithmus, der entwickelt wurde, um Näherungslösungen für kombinatorische Optimierungsprobleme zu finden. In der...

Weiterlesen

Ein Weg zum Quantenvorteil für das Unit Commitment Problem

Diese Arbeit stellt eine Lösung für das Unit-Commitment-Problem (UCP) im Bereich des Energienetzmanagements vor. Dabei handelt es sich um ein Optimierungsproblem, bei dem ein Gleichungssystem...

Weiterlesen

Weniger gierige Quanten-Ansätze zur Generierung von Koalitionsstrukturen in Induzierten Subgraph-Spielen

Die Energiewende ist einer der wichtigsten Schritte im Kampf gegen den Klimawandel, den viele Nationen aktuell angehen. Jedoch stellt uns diese Umstellung auf 100 % erneuerbare Energien vor...

Weiterlesen

Evaluierung von metaheuristischen Optimierungsalgorithmen für Quantum Reinforcement Learning

Quantum Reinforcement Learning bietet das Potenzial für Vorteile gegenüber klassischem Reinforcement Learning, wie beispielsweise eine kompaktere Repräsentation des Zustandsraums durch...

Weiterlesen

Suche nach Arbitrage mit verschiedenen Quantenalgorithmen

Quantencomputing, eine Disziplin, die sich die Prinzipien der Quantenphysik zunutze macht, um komplexe Berechnungen durchzuführen, hat sich seit seiner ersten Konzeptualisierung durch Richard...

Weiterlesen

Optimierung von Variational Quantum Circuits für Hybride Quantum Proximal Policy Optimization Algorithmen

Quantencomputer, welche sich aktuell in der Entwicklung befinden, bieten in der Theorie neben der Hoffnung auf einen Quantenvorteil auch die Möglichkeit der Parameterreduktion. Diese ist...

Weiterlesen

Konstruktion von Quantenschaltkreisen mit eingeschränkten Gattern

In der Praxis stehen bei einem Quantenrechner ähnlich wie zu den klassischen Rechnern nur eine eingeschränkte Menge an Grundoperationen zur Verfügung. Diese werden auch Quantengatter genannt und...

Weiterlesen

Effiziente halb-überwachte Erkennung von Quantenanomalien mit Hilfe von Einklassen-Support-Vektor-Maschinen

Quantencomputing ist eine aufstrebende Technologie, die verschiedene Aufgaben des maschinellen Lernens verbessern kann. Durch die Kombination der Darstellungsleistung eines klassisch harten...

Weiterlesen

Anwendung von Graphpartitionierungsalgorithmen und Genetischen Algorithmen zur Optimierung der Teleportationskosten in verteilten Quantenschaltkreisen

Derzeit befinden wir uns in der Noisy Intermediate Scale Quantum (NISQ) - Ära, in der die Anzahl der Qubits, die in einem einzelnen Quantencomputer verwendet werden können, zunimmt. Mit dieser...

Weiterlesen

Community detection für gewichtete Graphen mittels Trennknotenerkennung in der NISQ Ära

Ein wichtiges Optimierungsproblem in der Informatik ist die Community Detection. Dabei können durch die Analyse von Netzwerken sogenannte Communities gefunden werden und wichtige Informationen in...

Weiterlesen

Efficient Quantum Circuit Architecture for Coined Quantum Walks on many Bipartite Graphs

Quantum-Walks, ein Quantenanalogon der klassischen Random-Walks, haben sich als leistungsfähiges Paradigma für Quantenberechnungen und -simulationen erwiesen. Während klassische Random Walks auf...

Weiterlesen


Emergente Kooperation in Quantum Multi-Agenten Reinforcement Learning mittels Kommunikation

Emergente Kooperation im klassischen Multi-Agent Reinforcement Learning hat große Aufmerksamkeit erlangt, insbesondere im Zusammenhang mit sequenziellen sozialen Dilemmas. Während klassische...

Weiterlesen

Ermittlung von Verknüpfungen in Produktdaten mittels Quantum Restricted Boltzmann Machines

Der steigende Softwareanteil in Produkten treibt nicht nur Innovationen voran, sondern erhöht auch die Komplexität. Um das Risiko von Fehlfunktionen in softwarelastigen Produkten zu minimieren und...

Weiterlesen

Emergente Kooperation durch Quanten Verschränkung in Multi-Agenten-Systemen

Diese Arbeit untersucht die Durchführbarkeit der Quantenverschränkung zur Verbesserung der Kooperation im Multi-Agenten Reinforcement Learning. Unter Verwendung des iterierten Gefangenendilemmas...

Weiterlesen

Verteiltes Quantum Machine Learning – Training und Auswertung eines ML Modells auf einem verteilten Quantencomputer Simulator

Die Anzahl der Qubits, die auf einem Quantencomputer zur Verfügung stehen, stellt in der Regel eine Einschränkung für das Training und die Ausführung von Quantum-Machine-Learning-Modellen dar....

Weiterlesen

QUBO-Generierung für (MAX-)3SAT mittels generativer KI-Methoden

Das Erstellen von QUBOs für 3-SAT Formeln mittels Pattern QUBOs bringt einige Herausforderungen. Das generieren der Pattern QUBOs und die Erstellung der QUBO ist aufgrund des Brute-Force Ansatzes...

Weiterlesen

Bewertung parameterbasierter Trainingsleistungen von neuronalen Netzen und variationellen Quantum Circuits

In den vergangenen Jahren haben neuronale Netze (NN) bei den bedeutenden Fortschritten im Bereich des maschinellen Lernens eine zentrale Rolle gespielt. Mit zunehmender Komplexität der Aufgaben des...

Weiterlesen

Reinforcement Learning-gestützte State Preparation mithilfe von parametrisierten Quantengattern

Diese Arbeit untersucht die Anwendung von Reinforcement Learning (RL) zur Optimierung der State Preparation in parametrisierten Quantenschaltkreisen. Durch den Einsatz von RL-Algorithmen wird ein...

Weiterlesen

Vergleich verschiedener hybrider Quantum Machine Learning Ansätze zur Klassifikation von Bildern auf Quantencomputern

Diese Arbeit untersucht die hybriden Ansätze Quanvolutional Neural Network (QCNN), Quantum Transfer Learning (QTL) und Variational Quantum Circuit (VQC). Dazu werden diese trainiert die Bilder des...

Weiterlesen

Architektonische Einflüsse auf variationelle Quantenschaltkreise im Multi-Agenten Reinforcement Learning: Evolutionäre Optimierungsstrategien

Das Forschungsgebiet des Multi-Agenten Reinforcement Learning (MARL) gewinnt zunehmend an Bedeutung, insbesondere in Anwendungsbereichen wie autonomem Fahren und Robotik, in denen mehrere Akteure...

Weiterlesen

Trainierbarkeit des Quantum Federated Lernens

Diese Arbeit untersucht die Implementierung und Evaluierung von Quantum Federated Learning (QFL), bei dem Variational Quantum Circuits (VQCs) kollaborativ über mehrere mehreren Quanten-Clients...

Weiterlesen

Untersuchen der Lottery Ticket Hypothese für variationelle Quantenschaltkreise

Quantencomputing ist ein aufstrebendes Feld in der Informatik, welches in den letzten Jahren große Fortschritte erzielt hat, unteranderem im Bereich des maschinellen Lernens. Durch die Prinzipien...

Weiterlesen

Quantum Reinforcement Learning via parametrisierten Quantum Walks

Diese Arbeit untersucht Random Walks in Grid Worlds und Glued Trees unter Verwendung klassischer Reinforcement Learning Strategien wie Proximal Policy Optimization oder Deep Q-learning Networks. In...

Weiterlesen

Optimierung von Variational Quantum Circuits für Hybride Quantum Proximal Policy Optimization Algorithmen

Quantencomputer, welche sich aktuell in der Entwicklung befinden, bieten in der Theorie neben der Hoffnung auf einen Quantenvorteil auch die Möglichkeit der Parameterreduktion. Diese ist...

Weiterlesen

Wegzusammenhang des Topologischen Randes zwischen Features, die von einem Einschichtigen Perzeptron, das zwischen Zwei Kategorien Differenziert, Unterschiedlich Kategorisiert Werden

Dank der bemerkenswerten Fortschritte im High-Performance-Computing können Maschinen immer größere Datenmengen verarbeiten, um zahlreiche Parameter eines Machine-Learning-Modells (ML-Modell)...

Weiterlesen

Die Nutzung von Quantum Machine Learning zum Vorhersagen von Asset Preisen in finanziellen Märkten

Im Finanzwesen wird viel Aufwand betrieben, um zukünftige Vermögenspreise vorherzusagen. Schon eine kleine Steigerung der Prognosefähigkeit kann enorme Gewinne generieren. Einige statistische...

Weiterlesen

Quanten Diffusions Modelle

Machine Learning Modelle zur Erzeugung von Bildern haben im letzten Jahr stark an Bekanntheit gewonnen. DALL-E, Craiyon und Stable Diffusion können hochauflösende Bilder erzeugen, indem die Nutzer...

Weiterlesen

Dimensionalitätsreduktion mit Autoencodern für effiziente Klassifizierung mit Variationellen Quantenschaltkreisen

Quantencomputing verspricht insbesondere bei datenintensiven und komplexen Berechnungen Leistungsvorteile. Allerdings befinden wir uns derzeit in der Noisy-Intermediate-Scale-Quantum Ära mit einer...

Weiterlesen

Annäherung an quadratische, uneingeschränkte binäre Optimierungsprobleme mit Neuronalen Graph-Netzen

Die derzeit verfügbare Quantum Annealing-Hardware hat aufgrund von Beschränkungen in Größe und Konnektivität noch nicht den Stand erreicht, um erfolgreich mit effizienten Algorithmen auf...

Weiterlesen

Einfluss von Embedding Methoden auf Generalisierbarkeit in Quantum Machine Learning

Quantum Machine Learning ist ein vielversprechendes Anwendungsgebiet für Quantum Computer. Um aber reale Vorteile gegenüber klassischen Computern zu sehen, benö- tigt es ausgereifte Quantum...

Weiterlesen

Quantum-Multi-Agent-Reinforcement-Learning mit Evolutionärer Optimierung

Multi-Agent-Reinforcement-Learning gewinnt in Zeiten des autonomen Fahrens und anderer intelligenter industrieller Anwendungen zunehmend an Bedeutung. Gleichzeitig entsteht ein vielversprechender...

Weiterlesen

Anomaly Detection using Quantum Circuit Born Machines

Die Erkennung von Anomalien ist eine wichtige Komponente in verschiedenen Bereichen, z. B. im Finanzwesen, in der medizinischen Diagnose und bei der Betrugserkennung. Da die Datensätze immer...

Weiterlesen

Analyzing Reinforcement Learning strategies from a parameterized quantum walker

Reinforcement Learning hat erhebliche Fortschritte bei der Lösung komplexer Probleme gemacht. Daher ist es nicht verwunderlich, dass es in verschiedenen Anwendungsbereichen zu finden ist. Auch die...

Weiterlesen


CUAOA: Ein neues CUDA-beschleunigtes Simulationsframework für den Quantum Approximate Optimization Algorithmus

Der Quantum Approximate Optimization Algorithm (QAOA) ist ein bekannter Quantenalgorithmus, der entwickelt wurde, um Näherungslösungen für kombinatorische Optimierungsprobleme zu finden. In der...

Weiterlesen

Eine Reinforcement Learning Umgebung für zielgerichtete Quantenschaltkreis-Synthese

Angesichts des steigenden Interesses an Quantencomputing-Technologien, gewinnen Themen wie das gezielte Design von Quantenschaltenkreisen einschließlich der zuverlässigen Erzeugung von...

Weiterlesen

Anomaly Detection using Quantum Circuit Born Machines

Die Erkennung von Anomalien ist eine wichtige Komponente in verschiedenen Bereichen, z. B. im Finanzwesen, in der medizinischen Diagnose und bei der Betrugserkennung. Da die Datensätze immer...

Weiterlesen

Efficient Quantum Circuit Architecture for Coined Quantum Walks on many Bipartite Graphs

Quantum-Walks, ein Quantenanalogon der klassischen Random-Walks, haben sich als leistungsfähiges Paradigma für Quantenberechnungen und -simulationen erwiesen. Während klassische Random Walks auf...

Weiterlesen


QAR-Lab – Quantum Applications and Research Laboratory
Ludwig-Maximilians-Universität München
Oettingenstr. 67
80538 München
Telefon: +49 89 2180-9153
E-Mail: qar-lab@mobile.ifi.lmu.de

© Copyright 2025

Allgemein

Team
Kontakt
Impressum

Social Media

Twitter Linkedin Github

Sprache

  • Deutsch
  • English
Cookie-Zustimmung verwalten
Wir verwenden Cookies, um unsere Website und unseren Service zu optimieren.
Funktional Immer aktiv
Die technische Speicherung oder der Zugang ist unbedingt erforderlich für den rechtmäßigen Zweck, die Nutzung eines bestimmten Dienstes zu ermöglichen, der vom Teilnehmer oder Nutzer ausdrücklich gewünscht wird, oder für den alleinigen Zweck, die Übertragung einer Nachricht über ein elektronisches Kommunikationsnetz durchzuführen.
Vorlieben
Die technische Speicherung oder der Zugriff ist für den rechtmäßigen Zweck der Speicherung von Präferenzen erforderlich, die nicht vom Abonnenten oder Benutzer angefordert wurden.
Statistiken
Die technische Speicherung oder der Zugriff, der ausschließlich zu statistischen Zwecken erfolgt. Die technische Speicherung oder der Zugriff, der ausschließlich zu anonymen statistischen Zwecken verwendet wird. Ohne eine Vorladung, die freiwillige Zustimmung deines Internetdienstanbieters oder zusätzliche Aufzeichnungen von Dritten können die zu diesem Zweck gespeicherten oder abgerufenen Informationen allein in der Regel nicht dazu verwendet werden, dich zu identifizieren.
Marketing
Die technische Speicherung oder der Zugriff ist erforderlich, um Nutzerprofile zu erstellen, um Werbung zu versenden oder um den Nutzer auf einer Website oder über mehrere Websites hinweg zu ähnlichen Marketingzwecken zu verfolgen.
Optionen verwalten Dienste verwalten Verwalten von {vendor_count}-Lieferanten Lese mehr über diese Zwecke
Einstellungen anzeigen
{title} {title} {title}