Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Log inSign up
Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Blog
Job Board
Q3AS

© 2026 Aqora Quantum S.A.S.

TermsPrivacyLegal Notice

VDI nachrichten

Wettrennen um die Quanten

Stephan W. Eder, Regine Bönsch

Published Jan 1, 2021• 0 citations
Publisher
DOI
10.51202/0042-1758-2021-16-1

Related papers

Wie tanzen die Quanten?

Michael Springer

Springer eBooks•Jan 1, 2017•0 citations

Woher die Quanten kommen

Heinrich Greinacher

Verständliche Wissenschaft•Jan 1, 1939•0 citations

Machen uns die Quanten frei?

Michael Springer

Springer eBooks•Jan 1, 2017•1 citation

B. Die Verwendung der Quanten

De Gruyter eBooks•Dec 31, 1973•0 citations

Quantencomputer: Was die Autobauer planen

Sonja Álvarez

Die Industrie ist zu zogerlich, wenn es um Quantentechnologien geht, kritisiert die Regierung. Sie will, dass Deutschland zum Quanten-Standort von „internationaler Strahlkraft“ wird, deshalb soll die Wirtschaft nun besser unterstutzt werden. Bei den Autobauern gibt es bereits erste Projekte.

Tagesspiegel Background Verkehr & Smart Mobility•Feb 3, 2020•0 citations

Quanten-maschinelle Lernmethoden in der Preisprognose von gebrauchten Baumaschinen

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).

Zeitschrift für wirtschaftlichen Fabrikbetrieb•May 20, 2025•1 citation
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).