Schulungsangebote im Schwerpunkt Quantencomputing

Weiterbildungen und Workshops

Quantum Computing Basics

Quantencomputing und die darunter zugrunde liegende Quantenmechanik öffnen neue Türen. In den 1990er Jahren demonstrierte Shor’s Algorithmus einen exponentiellen Speed-Up gegenüber klassischen Algorithmen zur Faktorisierung großer Zahlen. In den letzten Jahren macht die Entwicklung von Quantencomputern große Fortschritte und wir müssen lernen, wie wir die Vorteile von Quantencomputern nutzen können.

In diesem Training lernen Sie die Grundlagen des Quantencomputers und die wichtigsten Algorithmen kennen. Die Konzepte werden mit einer Vielzahl von Fallbeispielen aus realen Anwendungen und Projekten vermittelt. Ein Schwerpunkt des Kurses liegt darin, das Erlernte mit praktischen Anwendungsbeispielen direkt zu vertiefen.

Lernziele

Die Teilnehmenden

  • kennen die formalen Grundbegriffe des Quantencomputings (Quantenzustand, Bit vs. Qubit, Messung)
  • können die wichtigen Unterschiede zwischen Quantencomputings und klassischen Computings benennen

Die Teilnehmenden können

  • die grundlegenden Quantenalgorithmen und die ihnen zugrunde liegenden Intuitionen beschreiben
  • aktuelle Herausforderungen bei der Entwicklung und Umsetzung grundlegender Quantenalgorithmen beschreiben
  • einfache Quantenprogramme entwickeln
  • komplexe Quantenalgorithmen, wie beispielsweise den Shor’s Algorithmus, analysieren und modifizieren

Zertifizierung

Die Zertifizierung (geprüft nach ISO Norm 17024 ) findet durch die Fraunhofer-Personenzertifizierungsstelle statt. Das Zertifikat bescheinigt den Absolventinnen und Absolventen relevantes innovatives Praxiswissen und nachgewiesene Kompetenz.

Programm

Erster Teil 

  • Überblick über Quantencomputing, Schlüsselkonzepte und Anwendungsbereiche
  • Grundlagen der Quantenphysik
  • Mathematische Grundlagen der Quantenprogrammierung

Zweiter Teil

  • Quantengatter und -schaltungen, Bra-Ket-Formalismus, Clifford-Gatter
  • Beschränkungen der aktuellen Quantencomputer 

Dritter Teil

  • Erstellen und Simulieren einfacher Quantenprogramme
  • Überblick über wichtige Quantenalgorithmen
  • Grover’s Algorithmus

Vierter Teil

  • Quanten-Fourier-Transformation (QFT) und Quanten-Phasenschätzung (QPE)
  • Shor's Algorithmus
  • Schlussfolgerungen und Diskussion
Überblick Schulung
© Fraunhofer-Gesellschaft
Überblick Schulung

Quantum Machine Learning

Quantencomputing und Maschinelles Lernen zählen zu den zentralen Technologien, die die digitale Entwicklung in den kommenden Jahrzehnten maßgeblich beeinflussen – und bereits heute erste Veränderungen bewirken. Um in diesen Schwerpunkten wegweisende Ergebnisse zu erzielen, braucht es Fachkräfte mit fundiertem Wissen in beiden Disziplinen.

Die Schulung behandelt Themen an der Schnittstelle von Quantencomputing und Künstlicher Intelligenz. Es richtet sich an Teilnehmende mit Erfahrung im Quantencomputing sowie an Fachleute aus der Data Science. Sie erwerben die Kompetenz, Algorithmen des Maschinellen Lernens auf Quantenrechnern gezielt einzusetzen.

Dafür werden moderne Verfahren vorgestellt, die es ermöglichen, technologische Fortschritte frühzeitig zu nutzen und eigenständig neue Ansätze im Quantum Machine Learning (QML) zu entwickeln. Die theoretischen Konzepte werden anhand zahlreicher Fallstudien aus realen Anwendungen veranschaulicht. Ein wesentlicher Bestandteil des Kurses besteht darin, das erworbene Wissen durch praxisnahe Beispiele weiter zu festigen.

Lernziele

Die Teilnehmenden

  • kennen die formalen Grundbegriffe des Quantencomputings (Quantenzustand, Bit vs. Qubit, Messung)
  • kennen die formalen Grundbegriffe des Maschinellen Lernens (Zielfunktion, Modellklasse, Kreuzvalidierung, Kernfunktion)
  • lernen Ideen und Bausteine von Quantenalgorithmen für QML-Probleme zu verwenden

Die Teilnehmenden

  • können die Quantum Support Vector Machine Methode beschreiben und in Anwendungsfällen verwenden
  • verstehen die Stärken, Schwächen und Grenzen aktueller QML Verfahren

Die Teilnehmenden

  • können Quantenschaltkreise lesen und selbstständig erstellen
  • sind in der Lage Daten auf den Quantencomputer zu enkodieren und das Encoding anschließend zu analysieren,
  • können hybride quanten-klassische Optimierungsalgorithmen (z.B. Variationellen Quanten Eigensolver (VQE) und Quadratic Unconstrained Binary Optimization (QUBO)) anwenden
  • sind in der Lage Quanten Clustering Algorithmen zu erstellen und in praktischen Beispielen zu implementieren
Quantencomputing Machine Learning
© Fraunhofer ITWM / freepik / IBM Research
Quantencomputing Machine Learning

Zertifizierung

Die Zertifizierung (geprüft nach ISO Norm 17024 ) findet durch die Fraunhofer-Personenzertifizierungsstelle statt. Das Zertifikat bescheinigt den Absolventinnen und Absolventen relevantes innovatives Praxiswissen und nachgewiesene Kompetenz.

Programm

Erstes Modul 

  • Erster Teil: Grundlagen des Maschinellen Lernens und Data Science 
    • Datenvorverarbeitung (Data preprocessing)
    • Merkmalsräume
    • Überwachtes Lernen, unüberwachtes Lernen (Supervised Learning, Unsupervised Learning)
    • Exemplarische Herausfoderungen: Klassifizierung und Clustering
    • Komplexität
    • Bewertung
    • Funktionsräume
  •  Zweiter Teil: Quantumcomputing
    • Grundlegende theoretische Konzepte
    • Verschiedene Paradigmen: Quantum Gate und Adiabatic
    • Quanten-Fourier-Transformation
    • Quadratic Unconstrained Binary Optimization (QUBO)
    • Vorteile gegenüber klassischen Methoden

Zweites Modul

  • Parametrisierte Quantenschaltungen
  • Datencodierung
  • Analyse parametrisierter Quantenschaltungen

Drittes Modul

  • Für die Quanteninformatik erforderliche Clusterbildung
  • Grover-Algorithmus
  • Quantum k-Means
  • SWAP-Test

Viertes Modul

  • Klassische Support-Vektor-Maschinen und Kernel-Trick
  • Quanten-Feature-Maps
  • Trainieren von Quanten-Kerneln, Kernel-Ausrichtung
  • Kernel-basiertes Training versus Variations-Training in Bezug auf Schaltkreisauswertungen

Fünftes Modul

  • Neuronale Netze
  • Quantenneuronale Netze (QNNs)
  • Anwendungsfälle von QNNs
  • Mögliche Quantenvorteile von QNNs

Quantum Image Processing

Im Schwerpunkt »Quantenbildverarbeitung« untersuchen wir, inwiefern Quantencomputer (QC) klassische Bildverarbeitungsprobleme lösen. Neben den theoretischen Resultaten steht die praktische Umsetzung auf der aktuellen Hardware und das Aufzeigen neuer Möglichkeiten im Vordergrund. 

Wir gehen von konventionellen Bildern aus, daher muss die klassische Bildinformation in Quantenzuständen kodiert werden. Um die aktuellen Möglichkeiten auszuloten, haben wir Experimente auf Quantencomputer-Simulatoren und auf echten Quantencomputern durchgeführt: Wir haben klassische Bilder in Quantenzustände konvertiert und anschließend wieder in klassische Bilder. In diesen Experimenten konnten wir den theoretisch vorhergesagten Vorteil einer exponentiell geringeren Anzahl an Qubits (Quanten-Bits) im Vergleich zu klassischen Bits praktisch nachweisen.

Programm

  • Quanten Bildkodierungsverfahren
    • Basiskodierung
    • Phasenkodierung
    • Amplitudenkodierung
  • Hybrider quantenklassischer Ansatz
    • Quanten-Transfer-Lernen für die Bildklassifizierung
  • Lösung von Bildverarbeitungsaufgaben mit Quantencomputing auf NISQ Quantenhardware
    • Winkelabschätzung mit Quanten-Fourier-Transformation
    • Kantenerkennung mit künstlichen Quantenneuronen
    • Bildklassifizierung
      • Quantum Transfer Learning (hybrides quantenklassisches Approach)
      • Quanten-Support-Vektor-Maschine (QSVM)
      • Variational Quantum Linear Solver (VQLS)
    • Bildsegmentierung
      • Quantum Annealing
      • Quanten-Clustering, z. B. Quanten-k-Means 
Quantum Image Processing
© Fraunhofer ITWM
Quantum Image Processing

Vergangene Veranstaltungen

QUIP International Winter School on Quantum Machine Learning 2024

2024

Certified Data Scientist Specialized in Quantum Machine Learning

2024

Certified Scientific Trainer Advanced Level

2024

Basics of Quantum Computing

[nur in Englisch verfügbar]

2023

 

Presence seminar »Quantum Machine Learning Course«

[nur in Englisch verfügbar]

2023

Certified Quantum Computing Professional – Basic Level

2022

Workshop Mathematische Bildverarbeitung / Traitement d'Image Mathématique

2022

Online Workshop »The Basics of Quantum Computing«

[nur auf Englisch verfügbar]

2022

Certified Scientific Trainer Foundation Level

2022

Training Series »Introduction to Quantum Computing«

[nur in Englisch verfügbar]

2021