QLearning: Quantenprozessoren für das bestärkende Lernen
Ziel Wir untersuchen die Eignung von Quantenprozessoren aus der DLR Quantencomputing-Initiative für die Implementierung von Quantenalgorithmen für das bestärkende Lernen. Maschinelles Lernen und insbesondere bestärkendes Lernen wird in der digitalen Welt immer wichtiger. Beim bestärkenden Lernen führt ein sogenannter…
31. Oktober 2022
BASIQ: Batteriematerial-Simulation mit Quantencomputern
Ziel Wir simulieren Batteriematerialien auf atomistischer Ebene und Batteriezellen auf Kontinuumsebene mit Quantencomputern der DLR Quantencomputing-Initiative und passen die Quantensimulation an spezifische Hardware an. Unser Ziel ist die Entwicklung von Materialsimulationen für gatterbasierte Quantencomputer im Hinblick auf Batteriematerialien. Dabei…
31. Oktober 2022
AQuRA: Entwicklung eines analogen Quantenrechenautomaten
Ziel Wir konzipieren einen neuartigen analogen Quanten-Rechenautomaten (AQuRA) auf Basis von kontinuierlichen Quantenvariablen. Dazu erstellen wir Quantenalgorithmen und entwickeln Software zur Simulation des AQuRA und der zugehörigen Algorithmen auf klassischen Computing-Systemen. Unser Ziel ist die Entwicklung des Funktionskonzept…
31. Oktober 2022
Quant²AI: Quantifizierung von Quantenvorteilen von KI-Systemen
Ziel Wir machen die komplette End-to-End-Pipeline von Quanten-KIs vergleichbar, quantifizieren eventuelle Quantenvorteile gegenüber klassischen Methoden, entwickeln einen Demonstrator und stoßen so eine Standardisierung im Quanten-KI-Umfeld an. Obwohl das Interesse an KI-Methoden auf Quantenhardware für praxisrelevante Anwendungen stetig steigt,…