Quantencomputing Ringvorlesung: Machine Learning

 Vor 100 Jahren wurden die grundlegenden, theoretischen Formulierungen zur Quantenmechanik entwickelt. Heute beeinflusst die Quantenmechanik zahlreiche Lebensbereiche, von Kultur und Kunst bis hin zur Informatik. Die Quanteninformatik steht an der Spitze der aktuellen Entwicklungen und hat das Potenzial, viele Bereiche zu revolutionieren. Obwohl sie sich noch in den Anfängen befindet, verspricht ihre Entwicklung tiefgreifende Auswirkungen auf die Computerwissenschaften und darüber hinaus.

Diese Vorlesungsreihe beleuchtet, wie sich Teilgebiete der Informatik transformieren und anpassen müssen, um zukunftsfähig zu bleiben. Einzelne Beiträge werfen einen Blick auf angrenzende Disziplinen und erkunden die Möglichkeiten, die Quantencomputing beispielsweise in der Medizin oder den Materialwissenschaften bieten könnte.

Quanten-Maschinelles Lernen (QML) ist ein innovatives Feld der Informatik, das versucht, Quantencomputer zur Verbesserung von Modellen des Maschinellen Lernens einzusetzen. QML könnte exponentielle Beschleunigungen für bestimmte Aufgaben bieten. Forschende erwarten dadurch Durchbrüche bei der Verarbeitung großer Datensätze, der Optimierung komplexer Modelle und der Durchführung effizienter Mustererkennung. Dies hätte insbesondere auf die Bereiche Auswirkungen, die auf Big Data angewiesen sind: Die Erkennung und Verarbeitung natürlicher Sprache beispielsweise oder auch in der Diagnostik von Erkrankungen durch die Verarbeitung von Genomdaten.

Die Ringvorlesung und zählt mit der Anwesenheit von Dr. Christian Tutschku, Leiter des Teams Quantencomputing des Fraunhofer IAOs, und richtet sich an Studierende, Forschende, Fachleute aus der Industrie und alle Interessierten, die mehr über die aufregenden Möglichkeiten des Quantencomputings erfahren möchten.

Sie können sich kostenfrei hier anmelden.