Quantentechnologien und Maschinelles Lernen sind zwei wegweisende Zukunftsfelder, die wir zusammenführen. Wir erforschen die quantencomputing-basierte Verarbeitung von Daten und entwickeln innovative Machine-Learning-Methoden zur Unterstützung von Quantentechnologien. Unser Ziel ist es, Quantum Machine Learning (QML) nicht nur theoretisch zu erforschen, sondern auch in die industrielle Anwendung zu bringen.

Durch den Einsatz von Quantencomputern lassen sich neue Potenziale für das Maschinelle Lernen erschließen. So ermöglicht QML beispielsweise neue Anwendungsmöglichkeiten in den Feldern Produktion, Chemie und Finanzen. In unserer Forschung analysieren wir, welche Daten sich besonders gut für die quantengestützte Verarbeitung eignen und wie QML-Modelle effizient und robust trainierbar gemacht werden können. Dabei untersuchen wir auch, wie klassische Machine-Learning-Algorithmen von Quantencomputing profitieren können.

Ein besonderer Fokus liegt auf der Automatisierung von QML-Pipelines, um den Zugang zu dieser Technologie auch ohne Expertenwissen zu ermöglichen. Unsere Erkenntnisse publizieren wir in wissenschaftlichen Journalen und präsentieren sie auf internationalen Konferenzen. Zudem engagieren wir uns im Wissenstransfer, beispielsweise über die Fraunhofer Academy und eine Ringvorlesung zu autonomen Systemen.

Unsere Forschung lebt von internationalen Kooperationen mit renommierten Partnern wie der University of Waterloo und Rigetti Computing. Mit Open-Source-Softwareprojekten wie AutoQML und sQUlearn tragen wir aktiv zur Weiterentwicklung des Forschungsfeldes bei und treiben die praktische Anwendung von QML-Technologien voran.

Mit unserer Arbeit an der Schnittstelle von Quantencomputing und Maschinellem Lernen gestalten wir die Zukunft der intelligenten Datenverarbeitung.