Quantenmaschinelle Lernverfahren, insbesondere das quantenbasierte bestärkende Lernen (QDRL, Quantum Deep Reinforcement Learning), haben in der Wissenschaft in den vergangenen Jahren enorm an Aufmerksamkeit gewonnen, da erfolgsversprechende Ergebnisse für einfache Aufgabenstellungen in simplen Simulationsumgebungen schnell gefunden wurden. Die bislang veröffentlichten Algorithmen haben den Vorteil [...] Vorteil, dass die Architektur der Quantenschaltung so gewählt ist, dass sie sich für kleine, aber relevante Beispiele auf aktuell verfügbarer Quantenhardware ausführen lässt. Aus der relativen Neuheit der Methoden des hybriden QDRL ergeben sich eine Reihe von offenen wissenschaftlichen Fragestellungen. Zum einen ist die Reproduzier- und Transferierbarkeit der publizierten Ansätze unklar. Darüber hinaus ist [...] Hierzu müssen allerdings insbesondere Möglichkeiten zur Kodierung hochdimensionaler Eingangsdaten in Quantenschaltkreise evaluiert werden. Außerdem ist zu klären, welche der zahlreichen aktuell erfolgreichen klassischen Algorithmen zum bestärkenden Lernen durch Komponenten des quantenmaschinellen Lernens sinnvoll erweitert werden können. Darüber hinaus sind die Untersuchung und Entwicklung neuer

fahren eine Adaption für Quantenrechnen mittels geeigneter existierender und ggf. weiterentwickelter Quantenalgorithmen in entsprechend hybride Quanten-KI-Verfahren theoretisch machbar und sinnvoll ist. Zudem ist neben einer Simulation auf klassischem Rechner auch eine mögliche Ausführung der prototypisch implementierten Quanten-KI-Verfahren auf einem realen Quantenrechner Gegenstand der Untersuchungen [...] Im Teilvorhaben QAICO (Quanten-KI für Koordination und Kooperation) des Verbundprojekts QAI2 (Quantum AI for Automotive Industry) erforscht das DFKI Möglichkeiten und Potenzial von Quanten-KI für berechnungsschwere KI-Probleme der Aktionskoordination und Kooperation. Schwerpunkte in der Anwendung sind dabei Problemstellungen, die einer dynamischen, flexiblen Fertigungsablaufplanung im Kontext von Industrie

der Auswahl, Umsetzung und ggf. Neuformulierung von quantengestützten Verfahren der Optimierung und des maschinellen Lernens, wie auch der Definition und Auswahl von Metriken zur Evaluation von klassischen und quantengestützten Algorithmen und schlußendlich der Durchführung der notwendigen Experimente und Evaluation von derzeitigen Quantentechnologien. Partner Universität Bremen [...] die Konzeption des Berechnungsschnittes von klassischen und quantengestützten Verfahren im Demonstrationsszenario zu erarbeiten. Hierzu werden zusammen mit der Universität Bremen mehrere technische Arbeitsziele umgesetzt wie bspw. die Konzeption und Umsetzung eines Software-Rahmenwerkes zum Vergleich von klassischen und quantengestützten Algorithmen, wie auch die softwaretechnische Umsetzung der Verbindung [...] Das Ziel von QINROS ist es, basierend auf der Künstlichen Intelligenz (KI) in Quantum Computing Agenda der Arbeitsgruppe Robotik und des DFKI RIC, ein Anwendungsfeld des Quantencomputing in der Robotik für Weltraumanwendungen konzeptionell zu erarbeiten und prototypisch umzusetzen. Die Ergebnisse zielen auf TRL 1-2 ab. QINROS ist ein Verbundvorhaben zusammen mit der AG Robotik der Universität Bremen

QuMAL-KI – Quantenbeschleunigtes Multi-Agenten Lernen für langzeitautonome Roboter – sollen zur Beschleunigung von Verfahren des Deep Reinforcement Learning für mehrere Agenten existierende Quantenalgorithmen evaluiert, sowie neue Quantenalgorithmen entwickelt werden. Diese sollen anschließend mit klassischen Verfahren des Deep Reinforcement Learning in ein hybrides Framework für Quanten/Klassisches Multi-Agenten

Das Vorhaben Q³-UP! beabsichtigt den Fachkräftemangel im Technologiefeld der quanten-basierten Künstlichen Intelligenz, insbesondere dem quantenmaschinellen Lernen (QML), einem Teilgebiet des Quantum Computing (QC), mit mehreren, bedarfsorientierten Qualifikationsansätzen entgegenzuwirken. Diese Ansätze umfassen die Ebenen Hochschullehre, Netzwerkinitiativen, Weiterbildungsmaßnahmen für Software-E

Vorhaben QuDa-KI werden zwei wissenschaftliche Ziele verfolgt. So wird die Qubit-basierte Repräsentation von (roboternahen) Datenströmen, insb. Sensorik und Aktuatorik, entwickelt, um diese in quantenerweiterten Algorithmen des maschinellen Lernens verwenden zu können. Der Fokus liegt hierbei auf Qubit-basierten Minimalrepräsentationen von essenziellen Merkmalen, um mit den wenigen zurzeit zur Verfügung [...] Qubits in der NISQ Ära Anwendungsfälle umsetzen zu können. Weiterhin werden klassische maschinelle Lernverfahren, insbesondere im überwachten Lernen, z.B. der Klassifikation, bzgl. neuer hybrider Quantenerweiterungen untersucht. Diese Erweiterungen sollen insbesondere für möglichst kleine Datenmengen optimiert werden, um das Zusammenspiel mit den Qubit-basierten Minimalrepräsentation zu ermöglichen.

eingebetteten Systemen in der Medizintechnik entwickelt. Der Fokus liegt dabei auf Lösungen, die auch Angreifern standhalten können, welche Zugriff auf (potenziell später verfügbare) effiziente Quanten-Computer haben. Partner WIBU-SYSTEMS AG Infineon Technologies AG MACIO GmbH Karlsruher Institut für Technologie (KIT) Universität zu Lübeck Schölly Fiberoptic GmbH

Quantencomputer könnten bis 2030 in der Lage sein, die derzeitig eingesetzten asymmetrischen Kryptoverfahren zu brechen, wodurch ein Bedarf an quantenresistenten Verschlüsselungsstandards entsteht. Der Finanzsektor steht aufgrund seiner vielen Akteure, unterschiedlichen Komponenten und regulatorischen Anforderungen vor Herausforderungen bei der Umstellung auf agilere und hybride kryptografische Protokolle

Quanten-Computing (QC) ist eine Technologie, die sich aktuell rasant in der Forschung entwickelt, aber auch erste Erwartungen in industriellen Verwendungen geweckt hat. Die Fertigungsindustrie gehört zu den zentralen deutschen Wirtschaftszweigen von hervorragender Bedeutung, welche höchste Qualitätsansprüche erfüllen muss, um wettbewerbsfähig zu sein. Um Fehler in der Fertigung zu vermeiden, werden

Fehler- und Anomalieerkennung, Penetrations und Schwachstellentests sowie das Sicherheits-Management. Starke Sicherheit auf Basis von mehrschichtiger Kryptographie, agilen Kryptofunktionen und quantensicheren Algorithmen wird ein integraler Bestandteil der entwickelten Architektur sein. Partner ADVA Optical Networking SE Gesellschaft für wissenschaftliche Datenverarbeitung mbH Göttingen genua GmbH