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

Vieweg+Teubner eBooks

Vom Quantenregister zum Quantenschaltkreis

Published Feb 11, 2009• 0 citations
Publisher

Abstract

AuszugDieses Kapitel legt notwendige Grundlagen für Verständnis und Entwicklung von Quantenverfahren; es enthält aber auch einige überaschende Ergebnisse. Wir beginnen mit einem Schnellkurs „Laufzeitanalyse von Algorithmen“. Daran schließt sich eine genauere Betrachtung von Quantenschaltkreisen an, die unser grundlegendes Berechnungsmodell bilden. In Abschnitt 3.5 werden wir sehen, wie sich jeder e.ziente klassische Algorithmus in einen Quantenschaltkreis überführen lässt, der seinerseits effizient rechnet. Dieses Ergebnis werden wir regelmäßig anwenden und Aufgaben, die klassisch realisierbar sind, in Quantenalgorithmen integrieren.

DOI
10.1007/978-3-8348-9241-6_3

Related papers

Vom Bit zum Quantenregister

Dieses Kapitel ist das Fundament für alle weiteren. Wir studieren Quantenbits und die Rechenschritte eines Quantencomputers und erfahren, was Messen und Verschränkung bedeuten. Dabei wenden wir diese Begriffe sofort an und lernen die ersten Algorithmen kennen, und zwar für Probleme, bei denen der Quantencomputer klassischen Rechnern überlegen ist. Als klassisch bezeichnen wir alles, was sich verhält, wie wir es aus unserer Alltagswelt gewohnt sind. Davon unterscheiden wir die nichtklassischen Phänomene der Quantenwelt.

Vieweg+Teubner eBooks•Feb 11, 2009•0 citations

Hilfsmittel aus der Theoretischen Informatik

AuszugBei welchen Aufgaben sind Quantencomputer klassischen Rechnern überlegen? Gibt es Probleme, die für letztere schwer, für erstere aber einfach sind? Dieses Kapitel führt in aller Kürze in die Komplexitätstheorie ein, die danach fragt, welche Probleme effizient lösbar sind. Diese Theorie hilft uns auch dabei, über die Grenzen des Quantencomputers nachzudenken. Die Betrachtung schließt direkt an die Abschnitte 3.1 und 3.2 an.

Vieweg+Teubner eBooks•Feb 11, 2009•0 citations

Quantum applications of optimization, AI, and respective algorithmic performance enhancements

Jonas Stein

Eine der größten Herausforderungen der angewandten Quanteninformatik ist die Suche nach einem praxisrelevanten Quantenvorteil auf aktueller, rauschbehafteter Quantenhardware. Obwohl es sowohl empirische als auch theoretische Nachweise für bis zu exponentielle Quantenbeschleunigungen gibt, sind die betrachteten Probleme überwiegend akademischer Natur und hängen von spezifischen mathematischen Eigenschaften ab. Dies erschwert die praktische Anwendbarkeit erheblich, da bei realen Anwendungsfällen im Allgemeinen nicht davon ausgegangen werden kann, dass diese komplexe mathematische Voraussetzungen erfüllen. Vor diesem Hintergrund untersucht diese Arbeit, wie etablierte Quantenvorteile auf praxisrelevante Probleme in den Bereichen KI und Optimierung ausgeweitet werden können. Für die zwei praxisrelevanten Optimierungsprobleme des Turbinenauswuchtens und der Community-Erkennung zeigen wir, wie sich Quantenoptimierungsalgorithmen mithilfe neuartiger, speichereffizienter Lösungskodierungen effizient einsetzen lassen. Weiter zeigen wir für die KI-Anwendungen der Betrugserkennung, der Designraumexploration und der Stimmungserkennung, dass Quantenalgorithmen in einigen Fällen bessere Ergebnisse als ihre klassischen Gegenstücke erzielen können. Darüber hinaus stellen wir verschiedene Verbesserungen der praktischen Anwendbarkeit häufig eingesetzter Quantenoptimierungs- und Quanten-Machine-Learning-Algorithmen mit Fokus auf rauschbehaftete Hardware vor. Zunächst präsentieren wir eine polynomielle Problemformulierung für kontinuierliche Optimierungsprobleme hohen Grades, die die vollen Möglichkeiten des weit verbreiteten Quantum Approximate Optimization Algorithm (QAOA) ausschöpft. Anschließend stellen wir ein problemagnostisches Designkonzept für parametrisierte Quantenschaltkreise vor, das besonders parametereffizient ist und dadurch Beschleunigungen beim Parametertraining ermöglicht. Für nicht-lokale Problemstellungen führen wir eine effiziente Trainingsmethode für entsprechend parametrisierte Quantenalgorithmen ein, die Informationen über die Verlustfunktion ausnutzt. Abschließend präsentieren wir eine NISQ-optimierte Implementierung der weitreichend eingesetzten Umwandlung von digitaler in analoge Quantenkodierung, sowie einen sehr effizienten GPU-basierten QAOA Simulator, der großskalige Benchmarks in Bezug auf einen Quantenvorteil ermöglicht. Zusammenfassend treibt die Vielzahl und Tiefe der in dieser Arbeit vorgestellten Ansätze zahlreiche Wege hin zu einem praxisrelevanten Quantenvorteil für Optimierung und Künstliche Intelligenz signifikant voran.

•Aug 4, 2026•0 citations

Visuelle Verknüpfung mathematischer Konzepte mit Quanten Low-Code Modellen

Emre Celikkaya

Low-Code-Plattformen reduzieren den erforderlichen manuellen Programmieraufwand bei der Entwicklung von Quantenanwendungen und erleichtern dadurch den Zugang zur Quantenprogrammierung. Für das Verständnis und die Bearbeitung von Quantenschaltungen ist jedoch weiterhin ein grundlegendes Verständnis der zugrunde liegenden mathematischen Zustandsentwicklung erforderlich. Dieses Wissen muss häufig unabhängig von der visuellen Modellierung, beispielsweise aus Lehrbüchern oder anderen Lernmaterialien, erschlossen werden. Dadurch bleiben die visuelle Darstellung einer Quantenschaltung und ihre mathematische Repräsentation konzeptionell voneinander getrennt. Insbesondere fehlt eine direkte Verbindung zwischen einzelnen Quantengattern und den daraus resultierenden mathematischen Zustandsänderungen. Die vorliegende Arbeit untersucht daher, wie eine Low-Code Plattform erweitert werden kann, um diese Verbindung herzustellen. Dazu wird das Modellierungswerkzeug Qonstruct um einen Mathemodus erweitert, der visuelle Schaltungselemente bidirektional mit den zugehörigen mathematischen Zwischenschritten in Dirac-Notation verknüpft. Dadurch soll es ermöglicht werden, die Auswirkungen einzelner Quantengatter sowohl ausgehend von der visuellen Schaltung als auch von der mathematischen Zustandsentwicklung nachzuvollziehen. Ergänzend werden eine Bloch-Sphäre, ein Messwahrscheinlichkeits-Histogramm, ein KI-gestützter Erklärmodus, eine hierarchische Gruppenmodellierung sowie Funktionen zur OpenQASM-Interoperabilität integriert. Die Entwicklung erfolgt in einem iterativen, nutzerzentrierten Vorgehen. Die Ergebnisse zeigen, dass die Teilnehmenden mit Unterstützung des erweiterten Werkzeugs Aufgaben zu Quantenschaltungen erfolgreicher bearbeiten konnten als ohne Werkzeugunterstützung.

•Jan 1, 2026•0 citations

On the computational power of quantum computers

Martin Schwarz

Diese Dissertation beschäftigt sich mit der Frage, wie viel Rechenkraft Quantencomputer bieten können. Diese Frage geht in ihrer allgemeinsten Form weit über die aktuellen Möglichkeiten und Methoden der Komplexitätstheorie hinaus. Dennoch liefert die Komplexitätstheorie Beispiele von Problemen, die sogar für Quantencomputer als nicht effizient lösbar gelten. Andererseits können Quantencomputer vermutlich nicht effizient von klassischen Computern simuliert werden. Wir wollen mit dieser Arbeit zum Verständnis des dazwischen liegenden Bereichs von Problemen, die effizient auf Quantencomputern, aber nicht effizient auf klassischen Computern berechnet werden können, beitragen. Um besseren Einblick in die Fragestellung zu erlagen, entwickeln wir in dieser Dissertation klassische und quantenmechanische Algorithmen zur Lösung von Problemen, die unter einschränkenden Annahmen a priori als nicht effizient lösbar geltende Probleme dennoch effizient lösen. Wir erforschen in diesem Sinne also die Grenzen des auf Quantencomputern und klassischen Computern Machbaren, in dem wir Annahmen identifizieren, die dazu geeignet sind grundsätzlich als schwer geltende Probleme in den Bereich des Machbaren zu bringen. Im Speziellen entwickeln wir einen Quantenalgorithmus, der sogenannte Projective Entangled-Pair States (PEPS) effizient herstellen kann, sobald Injektivität und Wohlkonditierung des PEPS gegeben ist. In einem zweiten Schritt erweitern wir diesen Algorithmus auf sogenannte G-injektive PEPS, einer wesentlich allgemeineren Klasse von Quantenzuständen, die auch die exotische Eigenschaft der topologischen Ordnung besitzen können. Weiters entwickeln wir einen Quantenalgorithmus, der das im Allgemeinen für Quantencomputer als schwer geltende Problem den Grundzustand von lokalen Hamiltonoperatoren zu erzeugen löst, sofern diese die Voraussetzungen des (nicht-konstruktiven) Quanten-Lovász-Local-Lemma erfüllen und die Operatoren kommutieren. Unser Quantenalgorithmus kann in diesem Fall auch als unabhängiger, konstruktiver Beweis des Quanten-Lovász-Local-Lemmas betrachtet werden. Um die Grenze zu klassischen Computern zu erforschen, entwickeln wir einen klassischen Algorithmus, der das sehr allgemeine Problem Quantenschaltkreise zu simulieren unter gewissen Annahmen effizient lösen kann. Wäre es in voller Allgemeinheit lösbar, würden Quantencomputer keinen Vorteil bieten. Unser Algorithmus kann Quantenschaltkreise simulieren, die in ihrer Struktur jener des Quantenalgorithmus von Shor zur Faktorisierung ganzer Zahlen, der als exponentiell schneller als der schnellste bekannte klassische Faktorisierungsalgorithmus gilt, sehr ähnlich sind. Weiters treffen wir die Annahme, dass die erzeugte Wahrscheinlichkeitsverteilung annähernd dünn-besetzt ist. Unser Ergebnis impliziert daher, dass die von Algorithmen dieser Struktur erzeugte Wahrscheinlichkeitsverteilung notwendigerweise dicht-besetzt sein muss, um einen exponentiellen Geschwindigkeitsvorteil erzielen zu können.

•Jan 1, 2013•0 citations

Vom Quantenregister zum Quantenschaltkreis

Matthias Homeister

Vieweg+Teubner eBooks•Jan 1, 2005•0 citations
AuszugDieses Kapitel legt notwendige Grundlagen für Verständnis und Entwicklung von Quantenverfahren; es enthält aber auch einige überaschende Ergebnisse. Wir beginnen mit einem Schnellkurs „Laufzeitanalyse von Algorithmen“. Daran schließt sich eine genauere Betrachtung von Quantenschaltkreisen an, die unser grundlegendes Berechnungsmodell bilden. In Abschnitt 3.5 werden wir sehen, wie sich jeder e.ziente klassische Algorithmus in einen Quantenschaltkreis überführen lässt, der seinerseits effizient rechnet. Dieses Ergebnis werden wir regelmäßig anwenden und Aufgaben, die klassisch realisierbar sind, in Quantenalgorithmen integrieren.
Dieses Kapitel ist das Fundament für alle weiteren. Wir studieren Quantenbits und die Rechenschritte eines Quantencomputers und erfahren, was Messen und Verschränkung bedeuten. Dabei wenden wir diese Begriffe sofort an und lernen die ersten Algorithmen kennen, und zwar für Probleme, bei denen der Quantencomputer klassischen Rechnern überlegen ist. Als klassisch bezeichnen wir alles, was sich verhält, wie wir es aus unserer Alltagswelt gewohnt sind. Davon unterscheiden wir die nichtklassischen Phänomene der Quantenwelt.
Eine der größten Herausforderungen der angewandten Quanteninformatik ist die Suche nach einem praxisrelevanten Quantenvorteil auf aktueller, rauschbehafteter Quantenhardware. Obwohl es sowohl empirische als auch theoretische Nachweise für bis zu exponentielle Quantenbeschleunigungen gibt, sind die betrachteten Probleme überwiegend akademischer Natur und hängen von spezifischen mathematischen Eigenschaften ab. Dies erschwert die praktische Anwendbarkeit erheblich, da bei realen Anwendungsfällen im Allgemeinen nicht davon ausgegangen werden kann, dass diese komplexe mathematische Voraussetzungen erfüllen. Vor diesem Hintergrund untersucht diese Arbeit, wie etablierte Quantenvorteile auf praxisrelevante Probleme in den Bereichen KI und Optimierung ausgeweitet werden können. Für die zwei praxisrelevanten Optimierungsprobleme des Turbinenauswuchtens und der Community-Erkennung zeigen wir, wie sich Quantenoptimierungsalgorithmen mithilfe neuartiger, speichereffizienter Lösungskodierungen effizient einsetzen lassen. Weiter zeigen wir für die KI-Anwendungen der Betrugserkennung, der Designraumexploration und der Stimmungserkennung, dass Quantenalgorithmen in einigen Fällen bessere Ergebnisse als ihre klassischen Gegenstücke erzielen können. Darüber hinaus stellen wir verschiedene Verbesserungen der praktischen Anwendbarkeit häufig eingesetzter Quantenoptimierungs- und Quanten-Machine-Learning-Algorithmen mit Fokus auf rauschbehaftete Hardware vor. Zunächst präsentieren wir eine polynomielle Problemformulierung für kontinuierliche Optimierungsprobleme hohen Grades, die die vollen Möglichkeiten des weit verbreiteten Quantum Approximate Optimization Algorithm (QAOA) ausschöpft. Anschließend stellen wir ein problemagnostisches Designkonzept für parametrisierte Quantenschaltkreise vor, das besonders parametereffizient ist und dadurch Beschleunigungen beim Parametertraining ermöglicht. Für nicht-lokale Problemstellungen führen wir eine effiziente Trainingsmethode für entsprechend parametrisierte Quantenalgorithmen ein, die Informationen über die Verlustfunktion ausnutzt. Abschließend präsentieren wir eine NISQ-optimierte Implementierung der weitreichend eingesetzten Umwandlung von digitaler in analoge Quantenkodierung, sowie einen sehr effizienten GPU-basierten QAOA Simulator, der großskalige Benchmarks in Bezug auf einen Quantenvorteil ermöglicht. Zusammenfassend treibt die Vielzahl und Tiefe der in dieser Arbeit vorgestellten Ansätze zahlreiche Wege hin zu einem praxisrelevanten Quantenvorteil für Optimierung und Künstliche Intelligenz signifikant voran.
Low-Code-Plattformen reduzieren den erforderlichen manuellen Programmieraufwand bei der Entwicklung von Quantenanwendungen und erleichtern dadurch den Zugang zur Quantenprogrammierung. Für das Verständnis und die Bearbeitung von Quantenschaltungen ist jedoch weiterhin ein grundlegendes Verständnis der zugrunde liegenden mathematischen Zustandsentwicklung erforderlich. Dieses Wissen muss häufig unabhängig von der visuellen Modellierung, beispielsweise aus Lehrbüchern oder anderen Lernmaterialien, erschlossen werden. Dadurch bleiben die visuelle Darstellung einer Quantenschaltung und ihre mathematische Repräsentation konzeptionell voneinander getrennt. Insbesondere fehlt eine direkte Verbindung zwischen einzelnen Quantengattern und den daraus resultierenden mathematischen Zustandsänderungen. Die vorliegende Arbeit untersucht daher, wie eine Low-Code Plattform erweitert werden kann, um diese Verbindung herzustellen. Dazu wird das Modellierungswerkzeug Qonstruct um einen Mathemodus erweitert, der visuelle Schaltungselemente bidirektional mit den zugehörigen mathematischen Zwischenschritten in Dirac-Notation verknüpft. Dadurch soll es ermöglicht werden, die Auswirkungen einzelner Quantengatter sowohl ausgehend von der visuellen Schaltung als auch von der mathematischen Zustandsentwicklung nachzuvollziehen. Ergänzend werden eine Bloch-Sphäre, ein Messwahrscheinlichkeits-Histogramm, ein KI-gestützter Erklärmodus, eine hierarchische Gruppenmodellierung sowie Funktionen zur OpenQASM-Interoperabilität integriert. Die Entwicklung erfolgt in einem iterativen, nutzerzentrierten Vorgehen. Die Ergebnisse zeigen, dass die Teilnehmenden mit Unterstützung des erweiterten Werkzeugs Aufgaben zu Quantenschaltungen erfolgreicher bearbeiten konnten als ohne Werkzeugunterstützung.
Diese Dissertation beschäftigt sich mit der Frage, wie viel Rechenkraft Quantencomputer bieten können. Diese Frage geht in ihrer allgemeinsten Form weit über die aktuellen Möglichkeiten und Methoden der Komplexitätstheorie hinaus. Dennoch liefert die Komplexitätstheorie Beispiele von Problemen, die sogar für Quantencomputer als nicht effizient lösbar gelten. Andererseits können Quantencomputer vermutlich nicht effizient von klassischen Computern simuliert werden. Wir wollen mit dieser Arbeit zum Verständnis des dazwischen liegenden Bereichs von Problemen, die effizient auf Quantencomputern, aber nicht effizient auf klassischen Computern berechnet werden können, beitragen. Um besseren Einblick in die Fragestellung zu erlagen, entwickeln wir in dieser Dissertation klassische und quantenmechanische Algorithmen zur Lösung von Problemen, die unter einschränkenden Annahmen a priori als nicht effizient lösbar geltende Probleme dennoch effizient lösen. Wir erforschen in diesem Sinne also die Grenzen des auf Quantencomputern und klassischen Computern Machbaren, in dem wir Annahmen identifizieren, die dazu geeignet sind grundsätzlich als schwer geltende Probleme in den Bereich des Machbaren zu bringen. Im Speziellen entwickeln wir einen Quantenalgorithmus, der sogenannte Projective Entangled-Pair States (PEPS) effizient herstellen kann, sobald Injektivität und Wohlkonditierung des PEPS gegeben ist. In einem zweiten Schritt erweitern wir diesen Algorithmus auf sogenannte G-injektive PEPS, einer wesentlich allgemeineren Klasse von Quantenzuständen, die auch die exotische Eigenschaft der topologischen Ordnung besitzen können. Weiters entwickeln wir einen Quantenalgorithmus, der das im Allgemeinen für Quantencomputer als schwer geltende Problem den Grundzustand von lokalen Hamiltonoperatoren zu erzeugen löst, sofern diese die Voraussetzungen des (nicht-konstruktiven) Quanten-Lovász-Local-Lemma erfüllen und die Operatoren kommutieren. Unser Quantenalgorithmus kann in diesem Fall auch als unabhängiger, konstruktiver Beweis des Quanten-Lovász-Local-Lemmas betrachtet werden. Um die Grenze zu klassischen Computern zu erforschen, entwickeln wir einen klassischen Algorithmus, der das sehr allgemeine Problem Quantenschaltkreise zu simulieren unter gewissen Annahmen effizient lösen kann. Wäre es in voller Allgemeinheit lösbar, würden Quantencomputer keinen Vorteil bieten. Unser Algorithmus kann Quantenschaltkreise simulieren, die in ihrer Struktur jener des Quantenalgorithmus von Shor zur Faktorisierung ganzer Zahlen, der als exponentiell schneller als der schnellste bekannte klassische Faktorisierungsalgorithmus gilt, sehr ähnlich sind. Weiters treffen wir die Annahme, dass die erzeugte Wahrscheinlichkeitsverteilung annähernd dünn-besetzt ist. Unser Ergebnis impliziert daher, dass die von Algorithmen dieser Struktur erzeugte Wahrscheinlichkeitsverteilung notwendigerweise dicht-besetzt sein muss, um einen exponentiellen Geschwindigkeitsvorteil erzielen zu können.