• 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 an einer Software Plattform, deren Kernstück die Middleware UQO für einen einheitlichen und einfachen Zugriff auf Quantenhardware darstellt.

Forschung am QAR-Lab:

Publizierte Forschung
Laufende Forschung

Publizierte Forschungsergebnisse

Alle Quantum Optimization Quantum Artificial Intelligence Quantum Software Platform
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

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 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


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

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 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


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


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
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


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


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


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 2023

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 Manage {vendor_count} vendors Lese mehr über diese Zwecke
Einstellungen anzeigen
{title} {title} {title}