Bietet die Feldtheorie Möglichkeiten für die Lösung des Quantenproblems?

Wolfgang Trageser

U. Kasper

Horst Stühler, Daniel Pranjić

Abstract Im Bausektor ist die präzise Preisvorhersage für gebrauchte Baumaschinen entscheidend, um den Wert von Maschinenbeständen optimal zu nutzen und die Rentabilität zu maximieren. Maschinelles Lernen (ML) bietet eine vielversprechende Lösung, indem es große Datenmengen analysiert und zukünftige Preisentwicklungen prognostiziert. Neuere Entwicklungen im Bereich des Quantencomputing (QC) und des Quanten-Maschinellen-Lernen (QML) versprechen weitere Fortschritte in der Genauigkeit und Effizienz von Vorhersagen. Dieser Artikel untersucht die Methodik und die potenziellen Vorteile quantenbasierter Modelle im Vergleich zu klassischen ML-Verfahren und beleuchtet die Rolle von Support-Vektor-Maschinen (SVM) und Quanten-Support-Vektor-Maschinen (QSVM).

Katharina Schrom

Moderne Versuchsaufbauten zur Erzeugung und Manipulation von Bose-Einstein Kondensaten eröffnen neue Möglichkeiten in der Realisierung von quantenmechanischen Wärmepumpen, dem Analog zur klassischen Wärmepumpe zur Manipulation des Quantenfeldes des Gases. Mit dem Ziel, die Performance einer solchen Wärmepumpe durch optimale Ansteuerung zu verbessern, wird die Dynamik des Quasi-Kondensats im Experiment imRahmen der Mean-Field Theorie und für Temperaturen über dem absoluten Nullpunkt untersucht. Dazu werden optimale Trajektorien für alle Teilsequenzen der Wärmepumpe berechnet, sodass Anregungen des Mean-Fields minimiert werden. Zur Lösung des Optimalsteuerungsproblems werden verschiedene Ansätze miteinander verglichen. Darüber hinaus wird ein Minimum-Varianz Schätzer für fluktuierende Modellparameter entworfen. In der Untersuchung von thermischen Zuständen wird gezeigt, dass diese optimalen Trajektorien auch den Eintrag zusätzlicher thermischer Energie zu einem großen Teil verhindern können.

U. Kasper

P. Jordan, Oskar Klein