Suche
Mein Konto
Quantum revolution: TUM och Google visar nya dimensioner av fysiken!
Tekniska universitetet i München forskar om kvantberäkning för grundläggande fysiska processer med Princeton och Google Quantum AI.
Quantum revolution: TUM och Google visar nya dimensioner av fysiken!
Framstegen inom kvantberäkningar ökar ständigt och leder till betydande utvecklingar inom forskningen. En forskargrupp från Münchens tekniska universitet (TUM), Princeton University och Google Quantum AI har nyligen visat hur kvantdatorer kan användas för att simulera grundläggande fysiska processer. Detta är ett kritiskt steg, särskilt eftersom traditionella superdatorer ofta överväldigas av att beräkna och testa de komplexa teoretiska modellerna som beskriver naturens grundläggande krafter.
Publiceringen i tidskriften Nature bevisar att kvantdatorer kan direkt simulera sådana processer. Detta skulle kunna möjliggöra djupare insikter i partikelfysik, kvantmaterial och rummets och tidens natur i framtiden. Att förstå hur naturen fungerar på den mest grundläggande nivån är ett ambitiöst mål. För detta ändamål användes Googles kvantprocessor, ett supraledande chip som arbetar med qubits för att studera grundläggande interaktioner och beteendet hos så kallade strängar.
Utveckling och utmaningar av kvantalgoritmer
Utmaningen är att välja lämplig algoritm för respektive hårdvara, eftersom olika kvanthårdvara har specifika fördelar och nackdelar. Medan supraledande qubits möjliggör snabba beräkningar, är jonfällor långsammare men mer exakta, vilket gör dem lämpliga för vissa tillämpningar, såsom molekylära simuleringar. Genom nära samarbete med olika hårdvaruleverantörer utvecklas en mjukvarustack som integrerar alla komponenter för drift och utveckling av kvantdatorer.
Kvantdatorer som drivkraft för innovation
Forskare forskar också om kvantalgoritmer för maskininlärning, som anses vara en lovande tillämpning av kvantberäkning. Detta inkluderar applikationer som klassificering, datagenerering och oövervakat lärande. Dessa studier undersöker för närvarande Noisy Intermediate-Scale Quantum (NISQ) algoritmer, som representerar en grundläggande utmaning eftersom nuvarande brusiga kvantprocessorer ännu inte möjliggör effektiva felkorrigeringsmetoder.
Syftet med denna forskning är att utveckla metoder för att karakterisera och mildra fel på brusig kvanthårdvara. Genom att utveckla nya protokoll, bibliotek och algoritmer för olika plattformar är syftet att främja innovation i symbiosen mellan hårdvara och mjukvara och att möjliggöra praktiska tillämpningar inom maskininlärning.
Resultaten från dessa olika projekt och forskningsinsatser visar att kvantdatorer representerar en nyckelteknologi för framtiden för att övervinna utmaningar inom industrin och göra processer mer effektiva. Företag, inklusive fordonsindustrin, kan utveckla kvantbaserade lösningar för att optimera sina processer utan att själva vara kvantexperter.