Einführung in Quantum Machine Learning

Quantum Machine Learning (QML) nutzt grundlegende Phänomene der Quantenphysik, um Herausforderungen in den Bereichen Machine Learning und Künstliche Intelligenz zu lösen – wobei entsprechende Algorithmen bereits in der NISQ-Ära vielversprechende Anwendung finden. Der allgemeine Status-Quo des Felds wird aufgezeigt und potenzielle Vorteile diskutiert.

Die grundlegenden Methodenklassen der Quanten Neuronalen Netze und Quanten Kernelmethoden werden erörtert und die aktuellen Herausforderungen in der Forschung, als auch der Anwendung diskutiert.

Nutzen für die Besucher:innen :

Teilnehmende dieses Vortrags erhalten eine fundierte Einführung in Quantum Machine Learning (QML) und dessen transformative Potenziale für die Bereiche Machine Learning und Künstliche Intelligenz. Sie lernen grundlegende Konzepte und Methoden wie Quanten Neuronale Netze und Quanten Kernelmethoden kennen und verstehen deren Anwendungen und Vorteile in der aktuellen NISQ-Ära. Durch die Diskussion aktueller Forschungs- und Anwendungsherausforderungen werden die Teilnehmer befähigt, die Möglichkeiten von QML in eigenen Projekten zu erkennen und zu evaluieren, wodurch sie einen Vorsprung in der Nutzung dieser fortschrittlichen Technologie erlangen.

Speaker:

Frederic Rapp, Fraunhofer IPA

Frederic Rapp ist Wissenschaftlicher Mitarbeiter im Team Quantencomputing am Fraunhofer IPA. Sein Forschungsschwerunkt liegt auf dem Entwurf von problemorientierten Quanten Machine Learning Modellen. Vor seinem Start am Fraunhofer IPA absolvierte er ein Masterstudium der Luft- und Raumfahrttechnik an der Universität Stuttgart mit einer Spezialisierung in numerischen Methoden.