Quantencomputing

Workshop / 18. Juni 2026 - 02. Juli 2026, 17:00 Uhr

Vortragsreihe „Angewandtes Quantencomputing“

Das Zentrum für Angewandtes Quantencomputing (ZAQC) bietet im Juni und Juli eine Vortragsreihe zu ausgewählten Themen des angewandten Quantencomputings an. Die drei Vorträge behandeln folgende Themen:

„Tensor trains und ihre Anwendungen“ (Donnerstag, 18. Juni 2026),
„Quanteninspirierte Optimierung“ (Donnerstag, 25. Juni 2026) und
„Einführung in die Quanten-Fehlermitigation“ (Donnerstag, 2. Juli 2026).

Die Vorträge finden online via Teams statt und werden auf Englisch gehalten, jeweils um 17:00 Uhr. Bitte registrieren Sie sich über den Anmeldelink.

Veranstaltungsdetails

Anmeldung

Hier kostenfrei anmelden

Veranstaltungsort

Online

Datum

18. Juni 2026 - 02. Juli 2026, 17:00 Uhr

Diesen Termin als iCal herunterladen

Sprache

Englisch

Reiternavigation

Alle ausklappen Alle einklappen

Tensor trains und ihre Anwendungen (18. Juni 2026)

Tensor trains und ihre Anwendungen

Gute Approximationen sind ein wesentlicher Bestandteil moderner numerischer Methoden und daher besonders bei hochdimensionalen Datensätzen von großer Bedeutung. Ein Werkzeug zur Approximation solcher Daten sind Tensor-Netzwerke. Ursprünglich in den frühen 1990er Jahren zur Simulation von Quantenspin-Ketten eingeführt, haben sich Tensor-Netzwerke auch für klassische Daten als geeignet erwiesen und bieten ein etabliertes Framework zur Verarbeitung komprimierter Daten.

In diesem Vortrag stellen wir lineare Tensor-Netzwerke vor, die in der Literatur auch als Tensorzüge bezeichnet werden, und zeigen ihre Anwendungen im Umgang mit klassischen Daten und Simulationen. Ausgehend von den Grundlagen der Datenapproximation gehen wir auf die Arithmetik komprimierter Daten ein. Besonderes Augenmerk legen wir auf den Vergleich von Tensor-Netzwerk-Bibliotheken mit etablierten Bibliotheken wie NumPy oder Torch sowie auf deren Vor- und Nachteile.

Themen des Vortrags:

Einführung in lineare Tensor-Netzwerke
Quantics-Repräsentation
Arithmetik komprimierter Daten
Tensor-Netzwerke als Erweiterung klassischer Tensoren
Funktionen als Tensor-Netzwerke
Beispiele: Datenkompression, neuronale Netze, Simulationen

Quanteninspirierte Optimierung (25. Juni 2026)

Quanteninspirierte Optimierung

Die quanteninspirierte Optimierung nutzt Prinzipien der Quantenmechanik, um klassische Algorithmen zu verbessern und neue Ansätze zur effizienteren Lösung komplexer binärer Optimierungsprobleme zu ermöglichen. Binäre Optimierung findet in vielen Bereichen Anwendung, darunter Logistik, Finanzwesen, maschinelles Lernen und Pharmazie.

In diesem Vortrag geben wir einen Überblick über klassische sowie Quanten- und quanteninspirierte Algorithmen zur heuristischen Lösung binärer Optimierungsprobleme, darunter Simulated Annealing, Parallel Tempering, Quantum Annealing und Simulated Quantum Annealing. Wir vergleichen diese Verfahren und diskutieren ihre jeweiligen Vor- und Nachteile.

Themen des Vortrags:

Einführung in die quadratische binäre Optimierung
Klassische Algorithmen
Quanten- und quanteninspirierte Algorithmen

Einführung in die Quanten-Fehlermitigation (2. Juli 2026)

Einführung in die Quanten-Fehlermitigation

Quantencomputer der aktuellen Generation sind stark durch Hardware-Rauschen eingeschränkt, was zu verzerrten und unzuverlässigen Messergebnissen führt. Quantenfehlerkorrektur (QEC) ermöglicht es grundsätzlich, dieses Rauschen zu unterdrücken und fehlertolerantes Quantencomputing zu realisieren, ist jedoch mit einem Ressourcenaufwand verbunden, der die Möglichkeiten heutiger NISQ-Geräte (Noisy Intermediate-Scale Quantum) weit übersteigt. Daraus ergibt sich eine zentrale Frage: Wie kann der Einfluss von Rauschen reduziert werden, bevor vollständige Fehlertoleranz verfügbar ist?

Dieser Vortrag bietet eine Einführung in die Quanten-Fehlerminderung: eine Sammlung algorithmischer Techniken zur Reduktion von durch Rauschen verursachten Verzerrungen in Erwartungswerten – auf Kosten zusätzlicher Schaltungsausführungen und klassischer Nachverarbeitung, jedoch ohne den Einsatz logischer Qubits.

Themen des Vortrags:

Quantenrauschprozesse
Noise Tailoring und Randomized Compiling
Zero-Noise Extrapolation
Probabilistische Fehlerkompensation

Workshop / 18. Juni 2026 - 02. Juli 2026, 17:00 Uhr

Vortragsreihe „Angewandtes Quantencomputing“

Veranstaltungsdetails

Anmeldung

Veranstaltungsort

Sprache

Reiternavigation

Tensor trains und ihre Anwendungen (18. Juni 2026)

Tensor trains und ihre Anwendungen

Quanteninspirierte Optimierung (25. Juni 2026)

Quanteninspirierte Optimierung

Einführung in die Quanten-Fehlermitigation (2. Juli 2026)

Einführung in die Quanten-Fehlermitigation

Contact Press / Media

Dr. Matthias Heller