SS 2024

In diesem Kurs werden wir uns mit den theoretischen und praktischen Aspekten des Quantum Machine Learnings (QML) mit einem besonderen Fokus auf hybride Algorithmen beschäftigen. Wir geben einen Überblick über aktuelle (hybride) Ansätze im Bereich des QML und deren Einsatzmöglichkeiten und Grenzen. Insbesondere werden die Anwendbarkeit auf heutigen Quantencomputern und die Skalierbarkeit der vorgestellten Ansätze beleuchtet.

Dieses Praktikum fokussiert sich auf die theoretische Analyse und praktische Umsetzung aktueller Themen des Quantencomputings. Die Einführung umfasst notwendigen mathematischen Grundlagen von Quantensystemen und deren Repräsentation durch Qubits und Quantenschaltkreise, bevor auf die Spezifika der angebotenen Themenbereiche eingegangen wird. Mögliche Themenbereiche umfassen unter anderem Quantenalgorithmen, Optimierung von Quantensystemen, Quanten-Software-Engineering oder Quanten maschinelles lernen. Es gibt feste Termine für die Themenvergabe und Präsenztermine zur Einführung in die Thematik des Quantencomputing. Weitere Präsenztermine zur Besprechung des Fortschritts werden individuell zwischen den Praktikumsteilnehmenden und Betreuenden koordiniert. Praktikumsteilnehmende bearbeiten separate Aufgabengebiete, die auf Basis aktueller Forschungsarbeiten definiert werden und damit realitätsnahe Fragestellungen aus Praxis und Forschung bieten. Die Praktikumsleistungen sind individuell benotet, Gruppenarbeit ist möglich. Bei der Vergabe der Themen werden Vorkenntnisse und Interessensgebiete der Teilnehmenden berücksichtigt.

Monday Online until we find a room: https://kit-lecture.zoom-x.de/j/64955795768?pwd=TVluTFM0WlVkV2lDU0tJaW81RVUxUT09