Die Entwicklung von Quantencomputern soll gegenüber klassischen Maschinen eine erheblich schnellere Verarbeitung von sehr großen Datenmengen ermöglichen. Insbesondere die Kombination aus maschinellem Lernen und Quantenmechanik könnte die erforderlichen Berechnungen maschineller Lernverfahren beschleunigen und so die Entwicklung kognitiver Technologien, d.h. von Maschinen, die z.B. das Lernen und das Lösen von Problemen beherrschen, erheblich beschleunigen. Ein neues Projekt, angesiedelt am Hannoverschen Zentrum für Optische Technologien an der Leibniz Universität Hannover unter Leitung von Prof. Dr. Michael Kues möchte dafür bereits vorhandene Technologien nutzen und weiter ausbauen. Das Bundesministerium für Bildung und Forschung finanziert das Projekt innerhalb der Förderlinie Quantum Futur mit 3,3 Millionen Euro.
Basis für die neue Technologie ist die Datenübertragung mittels Photonen, also mittels Licht. Ziel dieses Vorhabens ist die anwendungsnahe Erforschung einer integrierten photonischen Quantenplattform, die spezifisch auf die Optimierung von Lernverfahren zugeschnitten ist. Mittels neuartiger Konzepte sollen integrierte Kontrollelemente die eine Manipulation der genutzten Quantenzustände zulassen, erforscht werden.
Das Vorhaben möchte hierzu die Fortschritte der hochentwickelten Telekommunikationstechnologie und der Chipherstellungsindustrie nutzen, mit dem Ziel, Lösungen zu verwirklichen, die es erlauben, kosten- und energieeffiziente quantenoptische Systeme zu realisieren, die kompakt, auf der Sensorebene einsetzbar, sowie zur Massenproduktion geeignet sind.
Mit dem Einsatz modernster maschineller Lernkonzepte konzentrieren sich heutzutage Forschung und Industrie auf die Realisierung von dynamischen Prozessautomatisierungssystemen und neuen intelligenten Diensten z.B. für Spracherkennung, medizinische Diagnosen, DNA-Sequenzierung, autonome Fahrzeuge etc. Inspiriert von der Art und Weise, wie das Gehirn Informationen verarbeitet, verwenden solche Ansätze neuartige Rechendarstellungen, wie beispielsweise neuronale Netze. Diese Rechendarstellungen erzeugen jedoch großen und unvermeidlichen rechnerischen Mehraufwand, was zu langen Rechenzeiten führt und letztendlich den breiten Einsatz dieser Konzepte in neuen Anwendungsszenarien verhindert.
Hinweis an die Redaktion:
Für weitere Informationen steht Ihnen Prof. Dr. Michael Kues, Hannoversches Zentrum für Optische Technologien an der Leibniz Universität Hannover, unter Telefon +49 511 762 17903 oder per E-Mail unter michael.kues@hot.uni-hannover.de gern zur Verfügung.
