Eine Einführung in maschinelles Lernen mit Quantencomputern

Quantencomputer können herkömmliche Rechner etwa beim Machine Learning unterstützen. Das können Sie auf einem simulierten Quantencomputer ausprobieren.

Artikel verschenken
In Pocket speichern vorlesen Druckansicht
Eine Einführung in maschinelles Lernen mit Quantencomputern

(Bild: Albert Hulm)

Lesezeit: 7 Min.
Von
  • Dr. Florian Neukart
Inhaltsverzeichnis
Mehr zu Quantencomputern

Maschinelles Lernen (ML), ein Teilbereich der künstlichen Intelligenz, ist einer der Hoffnungsträger in der IT. Zum Beispiel können ML-Systeme auch solche Aufgaben automatisiert lösen, für deren Lösung Menschen gar keinen Weg präzise vorgeben können. Ein Problem sind allerdings die umfänglichen Berechnungen, die das Training solcher Systeme erfordert.

Quantencomputer – ein weiterer Hoffnungsträger der IT – versprechen solche Berechnungen effizienter bewältigen zu können als klassische Rechner. Im sogenannten Quantum Machine Learning (QML) wird versucht, aktuelle Verfahren des maschinellen Lernens zu beschleunigen und ihre Prognosequalität zu verbessern oder gar völlig neue Modelle zu entwickeln.

Bis QML-Verfahren in der Praxis schneller oder besser sind als klassisches maschinelles Lernen, sind noch beträchtliche Hard- und Software-Herausforderungen zu meistern. Die nötigen Werkzeuge stehen aber bereits zur Verfügung und lassen sich für beispielhafte Anwendungen nutzen. Ein typischer maschineller Lernprozess, den Quantenalgorithmen beschleunigen könnten, ist die Kernelauswertung, wie sie etwa Support-Vektor-Maschinen (SVM) benötigen.