In der Quantenforschung braucht man maßgeschneiderte elektromagnetische Felder, um Teilchen präzise zu kontrollieren. An der TU Wien zeigte man: maschinelles Lernen lässt sich dafür hervorragend nutzen.
In den vorangegangenen Kapiteln haben wir fast alle wesentlichen Erscheinungen, die bei Atomen auftreten, bereits besprochen, aber nur für ein einziges Elektron. Es wird sich herausstellen, daß vieles bei Mehrelektronen-Atomen ganz ähnlich ist. Um ein System mit mehreren Elektronen behandeln zu können, müssen wir uns jedoch zuerst mit den eigentümlichen Konsequenzen befassen, die aus den quantenmechanischen Regeln für ein System von gleichen Teilchen folgen. Es ist ja nicht möglich, ein einzelnes Elektron oder ein anderes Teilchen in irgendeiner Weise zu markieren, so daß seine Identität zu einem späteren Zeitpunkt oder an einem anderen Ort festgestellt werden kann. Bei zwei Elektronen, die durch wohldefmierte Wellenpakete beschrieben werden und die weit voneinander entfernt sind, braucht man keine Verwechslung zu befürchten. Innerhalb der Ausdehnung des Wellenpakets, d. h. innerhalb eines Bereiches, in dem die Unschärferelation gilt, ist es jedoch prinzipiell nicht möglich, die Koordinaten eines Teilchens zu verfolgen. Sobald sich daher die beiden Elektronen gleichzeitig in ein Gebiet des Orts-und Impulsraums bewegen, das durch die Unschärferelation umrissen ist, gibt es prinzipiell keine Möglichkeit mehr, die Koordinaten der Teilchen auseinanderzuhalten. Bei allen quantenmechanischen Aussagen müssen wir dem Rechnung tragen. Nach der Grundregel (2.4) sollten wir erwarten, daß die Wahrscheinlichkeitsamplituden für die beiden Teilchen in irgendeiner Weise kohärent addiert werden müssen. Das hat äußerst fundamentale Konsequenzen und führt zu Gesetzmäßigkeiten, die den gesamten Aufbau der Materie beherrschen. Das wird in diesem Kapitel behandelt.
In den vorangegangenen Kapiteln haben wir fast alle wesentlichen Erscheinungen, die bei Atomen auftreten, bereits besprochen, aber nur für ein einziges Elektron. Es wird sich herausstellen, daß vieles bei Mehrelektronen-Atomen ganz ähnlich ist. Um ein System mit mehreren Elektronen behandeln zu können, müssen wir uns jedoch zuerst mit den eigentümlichen Konsequenzen befassen, die aus den quantenmechanischen Regeln für ein System von gleichen Teilchen folgen. Es ist ja nicht möglich, ein einzelnes Elektron oder ein anderes Teilchen in irgendeiner Weise zu markieren, so daß seine Identität zu einem späteren Zeitpunkt oder an einem anderen Ort festgestellt werden kann. Bei zwei Elektronen, die durch wohldefinierte Wellenpakete beschrieben werden und die weit voneinander entfernt sind, braucht man keine Verwechslung zu befürchten. Innerhalb der Ausdehnung des Wellenpakets, d. h. innerhalb eines Bereiches, in dem die Unschärfe-relation gilt, ist es jedoch prinzipiell nicht möglich, die Koordinaten eines Teilchens zu verfolgen. Sobald sich daher die beiden Elektronen gleichzeitig in ein Gebiet des Orts- und Impulsraums bewegen, das durch die Unschärferelation umrissen ist, gibt es prinzipiell keine Möglichkeit mehr, die Koordinaten der Teilchen auseinanderzuhalten. Bei allen quantenmechanischen Aussagen müssen wir dem Rechnung tragen. Nach der Grundregel (2.4) sollten wir erwarten, daß die Wahrscheinlichkeitsamplituden für die beiden Teilchen in irgendeiner Weise kohärent addiert werden müssen. Das hat äußerst fundamentale Konsequenzen und fuhrt zu Gesetzmäßigkeiten, die den gesamten Aufbau der Materie beherrschen. Das wird in diesem Kapitel behandelt.
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).
Die Vorstellung von der Wirklichkeit in der physikalischen Welt ist im Laufe der letzten 100 Jahre etwas problematisch geworden. Der Gegensatz zwischen der einfachen und offenkundigen Realität der zahllosen Instru= mente, Arbeitsmaschinen, Kraftmaschinen und Apparate aller Art, welche die Industrie herstellt und welche im Grunde angewandte Physik sind, und der dunklen und abstrakten Bedeutung der physikalischen Grund= begriffe, wie Kräfte und Felder, Teilchen und Quanten, ist zweifellos verwirrend. Es hat sich bereits zwischen reiner und angewandter Natur= wissenschaft und zwischen deren Vertretern eine Kluft gebildet, welche zu einer gefährlichen Entfremdung führen kann. Die Physik braucht eine zusammenfassende Philosophie, die sich in der Umgangssprache aus= drücken läßt, um diese Spaltung der „Wirklichkeit“, wie man sie sich in der Theorie und der Praxis denkt, zu überbrücken. Ich bin kein Philosoph, sondern ein theoretischer Physiker. Ich vermag keine wohlausgewogene Naturphilosophie zu bieten, welche die Ideen der verschiedenen Richtungen in angemessener Weise berücksichtigen würde; ich möchte nur einige Ge= danken darlegen, die mir bei meiner eigenen Auseinandersetzung mit diesen Problemen geholfen haben.