Fraunhofer-Institut für Techno- und Wirtschaftsmathematik ITWM
Wir bieten eine Reihe an immer wieder kehrenden Schulungen gemeinsam mit anderen Fraunhofer-Instituten, der Fraunhofer-Allianz Big Data und Künstliche Intelligenz und der Fraunhofer Acadamy an. Diese Seite gibt einen Überblick über diese Aktivitäten:
UpQuantVal: Ein starkes Zentrum für Quantenforschung in der Oberrheinregion
© iStockphoto
Schulungsangebote im Schwerpunkt Quantencomputing
Weiterbildungen und Workshops
Quantum Computing Basics
Quantencomputing und die darunter zugrunde liegende Quantenmechanik öffnen neue Türen. In den 1990er Jahren demonstrierte Shor’s Algorithmus einen exponentiellen Speed-Up gegenüber klassischen Algorithmen zur Faktorisierung großer Zahlen. In den letzten Jahren macht die Entwicklung von Quantencomputern große Fortschritte und wir müssen lernen, wie wir die Vorteile von Quantencomputern nutzen können.
In diesem Training lernen Sie die Grundlagen des Quantencomputers und die wichtigsten Algorithmen kennen. Die Konzepte werden mit einer Vielzahl von Fallbeispielen aus realen Anwendungen und Projekten vermittelt. Ein Schwerpunkt des Kurses liegt darin, das Erlernte mit praktischen Anwendungsbeispielen direkt zu vertiefen.
Lernziele
Die Teilnehmenden
- kennen die formalen Grundbegriffe des Quantencomputings (Quantenzustand, Bit vs. Qubit, Messung)
- können die wichtigen Unterschiede zwischen Quantencomputings und klassischen Computings benennen
Die Teilnehmenden können
- die grundlegenden Quantenalgorithmen und die ihnen zugrunde liegenden Intuitionen beschreiben
- aktuelle Herausforderungen bei der Entwicklung und Umsetzung grundlegender Quantenalgorithmen beschreiben
- einfache Quantenprogramme entwickeln
- komplexe Quantenalgorithmen, wie beispielsweise den Shor’s Algorithmus, analysieren und modifizieren
Programm
Erster Teil
- Überblick über Quantencomputing, Schlüsselkonzepte und Anwendungsbereiche
- Grundlagen der Quantenphysik
- Mathematische Grundlagen der Quantenprogrammierung
Zweiter Teil
- Quantengatter und -schaltungen, Bra-Ket-Formalismus, Clifford-Gatter
- Beschränkungen der aktuellen Quantencomputer
Dritter Teil
- Erstellen und Simulieren einfacher Quantenprogramme
- Überblick über wichtige Quantenalgorithmen
- Grover’s Algorithmus
Vierter Teil
- Quanten-Fourier-Transformation (QFT) und Quanten-Phasenschätzung (QPE)
- Shor's Algorithmus
- Schlussfolgerungen und Diskussion
Überblick Schulung
Zertifizierung
Die Zertifizierung (geprüft nach ISO Norm 17024 ) findet durch die Fraunhofer-Personenzertifizierungsstelle statt. Das Zertifikat bescheinigt den Absolventinnen und Absolventen relevantes innovatives Praxiswissen und nachgewiesene Kompetenz.
Quantum Machine Learning
Quantencomputing und Maschinelles Lernen zählen zu den zentralen Technologien, die die digitale Entwicklung in den kommenden Jahrzehnten maßgeblich beeinflussen – und bereits heute erste Veränderungen bewirken. Um in diesen Schwerpunkten wegweisende Ergebnisse zu erzielen, braucht es Fachkräfte mit fundiertem Wissen in beiden Disziplinen.
Die Schulung behandelt Themen an der Schnittstelle von Quantencomputing und Künstlicher Intelligenz. Es richtet sich an Teilnehmende mit Erfahrung im Quantencomputing sowie an Fachleute aus der Data Science. Sie erwerben die Kompetenz, Algorithmen des Maschinellen Lernens auf Quantenrechnern gezielt einzusetzen.
Dafür werden moderne Verfahren vorgestellt, die es ermöglichen, technologische Fortschritte frühzeitig zu nutzen und eigenständig neue Ansätze im Quantum Machine Learning (QML) zu entwickeln. Die theoretischen Konzepte werden anhand zahlreicher Fallstudien aus realen Anwendungen veranschaulicht. Ein wesentlicher Bestandteil des Kurses besteht darin, das erworbene Wissen durch praxisnahe Beispiele weiter zu festigen.
Lernziele
Die Teilnehmenden
- kennen die formalen Grundbegriffe des Quantencomputings (Quantenzustand, Bit vs. Qubit, Messung)
- kennen die formalen Grundbegriffe des Maschinellen Lernens (Zielfunktion, Modellklasse, Kreuzvalidierung, Kernfunktion)
- lernen Ideen und Bausteine von Quantenalgorithmen für QML-Probleme zu verwenden
Die Teilnehmenden
- können die Quantum Support Vector Machine Methode beschreiben und in Anwendungsfällen verwenden
- verstehen die Stärken, Schwächen und Grenzen aktueller QML Verfahren
Die Teilnehmenden
- können Quantenschaltkreise lesen und selbstständig erstellen
- sind in der Lage Daten auf den Quantencomputer zu enkodieren und das Encoding anschließend zu analysieren,
- können hybride quanten-klassische Optimierungsalgorithmen (z.B. Variationellen Quanten Eigensolver (VQE) und Quadratic Unconstrained Binary Optimization (QUBO)) anwenden
- sind in der Lage Quanten Clustering Algorithmen zu erstellen und in praktischen Beispielen zu implementieren
Quantencomputing Machine Learning
Programm
Erstes Modul
- Erster Teil: Grundlagen des Maschinellen Lernens und Data Science
- Datenvorverarbeitung (Data preprocessing)
- Merkmalsräume
- Überwachtes Lernen, unüberwachtes Lernen (Supervised Learning, Unsupervised Learning)
- Exemplarische Herausfoderungen: Klassifizierung und Clustering
- Komplexität
- Bewertung
- Funktionsräume
- Zweiter Teil: Quantumcomputing
- Grundlegende theoretische Konzepte
- Verschiedene Paradigmen: Quantum Gate und Adiabatic
- Quanten-Fourier-Transformation
- Quadratic Unconstrained Binary Optimization (QUBO)
- Vorteile gegenüber klassischen Methoden
Zweites Modul
- Parametrisierte Quantenschaltungen
- Datencodierung
- Analyse parametrisierter Quantenschaltungen
Drittes Modul
- Für die Quanteninformatik erforderliche Clusterbildung
- Grover-Algorithmus
- Quantum k-Means
- SWAP-Test
Viertes Modul
- Klassische Support-Vektor-Maschinen und Kernel-Trick
- Quanten-Feature-Maps
- Trainieren von Quanten-Kerneln, Kernel-Ausrichtung
- Kernel-basiertes Training versus Variations-Training in Bezug auf Schaltkreisauswertungen
Fünftes Modul
- Neuronale Netze
- Quantenneuronale Netze (QNNs)
- Anwendungsfälle von QNNs
- Mögliche Quantenvorteile von QNNs
Zertifizierung
Die Zertifizierung (geprüft nach ISO Norm 17024 ) findet durch die Fraunhofer-Personenzertifizierungsstelle statt. Das Zertifikat bescheinigt den Absolventinnen und Absolventen relevantes innovatives Praxiswissen und nachgewiesene Kompetenz.
Quantum Image Processing
Im Schwerpunkt »Quantenbildverarbeitung« untersuchen wir, inwiefern Quantencomputer (QC) klassische Bildverarbeitungsprobleme lösen. Neben den theoretischen Resultaten steht die praktische Umsetzung auf der aktuellen Hardware und das Aufzeigen neuer Möglichkeiten im Vordergrund.
Wir gehen von konventionellen Bildern aus, daher muss die klassische Bildinformation in Quantenzuständen kodiert werden. Um die aktuellen Möglichkeiten auszuloten, haben wir Experimente auf Quantencomputer-Simulatoren und auf echten Quantencomputern durchgeführt: Wir haben klassische Bilder in Quantenzustände konvertiert und anschließend wieder in klassische Bilder. In diesen Experimenten konnten wir den theoretisch vorhergesagten Vorteil einer exponentiell geringeren Anzahl an Qubits (Quanten-Bits) im Vergleich zu klassischen Bits praktisch nachweisen.
Programm
- Quanten Bildkodierungsverfahren
- Basiskodierung
- Phasenkodierung
- Amplitudenkodierung
- Hybrider quantenklassischer Ansatz
- Quanten-Transfer-Lernen für die Bildklassifizierung
- Lösung von Bildverarbeitungsaufgaben mit Quantencomputing auf NISQ Quantenhardware
- Winkelabschätzung mit Quanten-Fourier-Transformation
- Kantenerkennung mit künstlichen Quantenneuronen
- Bildklassifizierung
- Quantum Transfer Learning (hybrides quantenklassisches Approach)
- Quanten-Support-Vektor-Maschine (QSVM)
- Variational Quantum Linear Solver (VQLS)
- Bildsegmentierung
- Quantum Annealing
- Quanten-Clustering, z. B. Quanten-k-Means
Quantum Image Processing
High-Level Quantum Computing Training for Decision Makers
High-Level-Schulung zum Thema Quantencomputing für Entscheidungsträger und Führungskräfte
Die Quanteninformatik bewegt sich von der Theorie zur Praxis und schafft neue Möglichkeiten für die Industrie, Probleme zu lösen, die bisher als unlösbar galten. Dieser kompakte zweitägige Kurs wurde speziell für Entscheidungstragende konzipiert, die das strategische Potenzial des Quantencomputings verstehen wollen, ohne in die Tiefen der technischen Mathematik und Physik einzutauchen.
In diesem Training erhalten Sie einen Überblick über die wichtigsten Konzepte, Technologien und Geschäftsanwendungen des Quantencomputings sowie Einblicke in den aktuellen Stand der Entwicklung von Quantensoftware und Quantenhardware und in zukünftige Trends.
Lernziele
Nach Abschluss dieses Kurses werden die Teilnehmenden in der Lage sein:
- Kernkonzepte wie Qubits, Superposition, Verschränkung und das No-Cloning-Theorem zu verstehen
- Einblicke in Quanten-Hardwaretypen und deren Vor- und Nachteile zu gewinnen
- Zwischen klassischen und Quantencomputing-Ansätzen zu entscheiden und zu erkennen, wann Quantencomputing von Vorteil ist
- Anwendungsfälle in Bereichen wie Logistik, Finanzen und KI zu analysieren
- Die wichtigsten Akteure im Quanten-Ökosystem und aktuelle Investitionstrends zu identifizieren
- Die Herausforderungen der Branche zu verstehen, einschließlich Fehlerkorrektur, Skalierbarkeit und Kryptographieanforderungen
Programm
- Grundlagen der Quanteninformatik
- Schlüsselbegriffe: Qubit, Gates, Superposition, Entanglement
- Einführung in die Quantenhardware
- Werkzeuge: Composer und Simulatorumgebungen
- Berühmte Quantenalgorithmen (High-Level)
- Erzeugung von Zufallszahlen
- Phase Kickback (Hands-on mit teilweise abgeschlossener Implementierung)
- Quantenanwendungen in der Industrie
- Anwendungsfälle in den Bereichen Logistik, Finanzen und maschinelles Lernen
- Wie sich Quantencomputing auf reale Arbeitsabläufe auswirkt
- Status Quo und praktische Übungen
- Quanten-Hardware-Landschaft (IBM, Google, D-Wave)
- Gatterbasierte vs. annealingbasierte Systeme
- Geschäftsanalogien für Quantenkonzepte
- Simulierte praktische Erfahrung
High-Level-Schulung zum Thema »Quantencomputing für Entscheidungstragende«
Zielgruppe
Dieser Kurs richtet sich an:
- Führungskräfte und Entscheidungstragende im Bereich Technologie und Innovation
- Fachleute aus Branchen wie Logistik, Finanzen, Automobil, Energie und IT
- Alle, die einen strategischen Überblick über das Quantencomputing und seine Bedeutung für die Wirtschaft suchen
Es sind keine Vorkenntnisse im Bereich Quantencomputing erforderlich.
Zertifizierung
Die Zertifizierung (geprüft nach ISO Norm 17024 ) findet durch die Fraunhofer-Personenzertifizierungsstelle statt. Das Zertifikat bescheinigt den Absolventinnen und Absolventen relevantes innovatives Praxiswissen und nachgewiesene Kompetenz.