Bis zur nächsten LASER World of PHOTONICS in München, vom 26. bis 29. April 2022, fördern wir durch eine neue Webinar-Reihe den Wissensaustausch und Kommunikation in der Branche. Die jüngste Fortsetzung dieser Reihe war das zweite Webinar am Mittwoch, den 17. November 2021. Im Mittelpunkt standen diesmal der Quantencomputer und erste Erfahrungen zu dessen Einsatzbereichen.
Gatterbasierte Quantencomputer sollen helfen, Probleme in der Quantenchemie, dem maschinellen Lernen, dem Finanzwesen und der kombinatorischen Optimierung zu lösen.
In seinem Vortrag stellte Dr. Egger verschiedene Beispiele für Anwendungsfälle wie finanzielle Risikoanalyse, Klassifizierung und Quantenchemie vor.
Über Dr. Daniel Egger:
Dr. Daniel J. Egger ist Forschungsmitarbeiter bei IBM Quantum, IBM Research in Zürich. Seine Forschung konzentriert sich auf die Steuerung von Quantencomputern und auf die praktische Anwendung von Quantenalgorithmen in den Bereichen Finanzen und Optimierung. Dr. Egger kam 2016 zu IBM. Von 2014 bis 2016 arbeitete er in der Vermögensverwaltungsbranche als Risikomanager. Er promovierte 2014 in theoretischer Physik mit seiner Arbeit über Quantensimulationen und die optimale Steuerung von Quantencomputern auf der Grundlage supraleitender Qubits.
Die Europäischen Organisation für Kernforschung CERN startete vor kurzem eine Quantentechnologie-Initiative, um den Einsatz von Quantentechnologien in der Hochenergiephysik (HEP) zu untersuchen. In Zusammenarbeit mit der HEP- und der Quantentechnologie-Forschungsgemeinschaft wurde ein dreijähriger Fahrplan und ein Forschungsprogramm festgelegt.
In diesem Zusammenhang wurden am CERN in Zusammenarbeit mit anderen HEP-Instituten weltweit erste Pilotprojekte ins Leben gerufen, die sich insbesondere mit dem Quantencomputing und dem maschinellen Lernen mit Quanten beschäftigen. In diesen Projekten werden grundlegende Prototypen von Quantenalgorithmen untersucht, die von LHC-Experimenten für verschiedene Arten von Arbeitslasten bewertet werden. Dieser Vortrag gab einen Überblick über die jüngsten Ergebnisse der verschiedenen Studien, einschließlich Anwendungen in Bereichen, die von der Optimierung von Beschleunigerstrahlen bis zur Datenanalyse und -klassifizierung reichen.
Über Dr. Sofia Vallecorsa:
Dr. Sofia Vallecorsa ist Physikerin am CERN und verfügt über umfangreiche Erfahrung in der Softwareentwicklung im Bereich der Hochenergiephysik. Sie promovierte an der Universität Genf und arbeitete an verschiedenen Experimenten, von CDF bis IceCube und ATLAS.
Dr. Vallecorsa koordiniert den Bereich Quantum Computing der kürzlich gegründeten CERN Quantum Technology Initiative. Außerdem ist sie für die Forschung im Bereich Deep Learning und Quantencomputing innerhalb des CERN openlab verantwortlich, einer öffentlich-privaten Partnerschaft zwischen dem CERN und führenden ICT-Unternehmen. Bevor sie zu openlab kam, war Dr. Vallecorsa für die Entwicklung von Deep-Learning-Technologien für die Simulation des Teilchentransports durch Detektoren am CERN verantwortlich und arbeitete an Code-Modernisierungsprojekten im Bereich der Monte-Carlo-Simulation.
Dr. Fabio Scafirimuto promovierte 2019 an der ETH Zürich, während er bei IBM Research im Bereich Cavity Quantum Electrodynamics arbeitete. Danach wechselte er zu IBM Quantum, wo er als Teamleiter Europa und Afrika für das IBM Quantum und Qiskit Community Team in den Bereichen Bildung, Outreach und Community-Aktivitäten tätig ist.
