An error occurred while loading the video player, or it takes a long time to initialize. You can try clearing your browser cache. Please try again later and contact the helpdesk if the problem persists.
Seitdem wir experimentell beweisen können, dass Quantencomputer in bestimmten Anwendungen klassischen Computern um ein Tausendfaches überlegen sind, hat ein regelrechter Wettlauf um die Schlüsseltechnologie der Zukunft zwischen großen Playern wie IBM, Google und Amazon begonnen. Mit Qiskit können Menschen auf der ganzen Welt remote auf einen Quantencomputer von IBM zugreifen und Algorithmen ausprobieren. Es ist nur eine Frage der Zeit, bis die Hardware so ausgereift ist, dass sie auch in der Praxis zum Einsatz kommt. In diesem Kurs lernen Sie nicht nur, wie Quantenalgorithmik theoretisch gehen könnte, sondern wie sie tatsächlich funktioniert und führen Algorithmen auf dem IBM-Quantencomputer selbst aus. Machen Sie sich fit für die Schlüsseltechnologie der Zukunft.
Language: Deutsch
Advanced, Quantum Computing
Course information
Was Sie in diesem Kurs erwartet
Sie lernen das Schaltkreismodell des Quantencomputings von Grund auf kennen und erkunden dessen Beschreibung mittels linearer Algebra. Für den Transfer der Theorie in die Umsetzung wird die populäre Qiskit-Implementierung von IBM verwendet.
Auf dieser Basis erfolgt die Darstellung bekannter und wichtiger Quanten-Algorithmen wie Teleportation, Dichte Kodierung sowie die Algorithmen von Deutsch, Deutsch-Joszsa und Grover. Der Kurs geht über die reine Beschreibung der Phänomene weit hinaus und gibt die Werkzeuge und Beispiele an die Hand, um Quantenalgorithmen in Aktion zu erleben und selbst remote auf dem IBM-Quantencomputer auszuführen.
Sie lernen dabei die Umsetzung in Qiskit der bekanntesten Algorithmen, aber verstehen auch die Grenzen der Quantenalgorithmen.
Um an dem Kurs erfolgreich teilzunehmen, rechnen Sie mit 3-5 Stunden Arbeitsaufwand pro Kurswoche. Wir empfehlen allerdings, weitere 2-3 Stunden für die weitergehende Auseinandersetzung mit den Beispielen und das eigene Ausprobieren.
Für diesen Kurs sollten Sie einige Vorkenntnisse mitbringen. Alles, was vorausgesetzt wird, können Sie aber auch auf Kursen auf openHPI kostenlso im Selbststudium nachholen oder auffrischen. Insbesondere benötigen Sie:
- ein grundlegendes Verständnis von linearer Algebra (s. hierzu Einführung ins Quantencomputing - Teil 2)
- erste Erfahrung mit oder Vorkenntnisse in Programmiersprachen (besonders Python ist hilfreich) (s. hierzu Programmieren lernen mit Python)
What you'll learn
- Grundverständnis von Quantenalgorithmen
- Anwendung berühmter Algorithmen in Qiskit
Who this course is for
- Programmierinteressierte
- Menschen mit Vorkenntnissen in linearer Algebra
- Menschen mit Vorkenntnisse im Programmieren (v.a. Python)
- Alle, die in Bereichen wie High Performance Computing, Telekommunikation und IT-Sicherheit arbeiten
Course contents
Intro:
Willkommen zum Kurs! Bitte nehmen Sie sich ein paar Minuten Zeit für die Umfrage zum Kursbeginn.Woche 1 - Einführung:
In der ersten Woche betrachten wir kurz und knapp die Grundlagen und Grundbegriffe des Quantencomputings und lernen das Schaltkreismodell im Quantencomputing und Quantensoftware wie Qiskit kennen. Ein erster Blick in die Quantenalgorithmik legt die Grundlagen für Woche 2Woche 2 - Algorithmen:
In Woche 2 widmen wir uns den Algorithmen. Zunächst schauen wir uns einfache Quantenalgorithmen an und demonstrieren den Teleportationsalgorithmus und den Algorithmus für dichte Kodierung in Qiskit und gehen dann über zu den Algorithmen von Deutsch, Deutsch-Jozsa und Grover.Abschlussprüfung
I like, I wish:
Geben Sie uns Ihr Feedback!
Enroll me for this course
Learners
Rating
This course was rated with 4.22 stars in average from 77 votes.
Certificate Requirements
- Gain a Record of Achievement by earning at least 50% of the maximum number of points from all graded assignments.
- Gain a Confirmation of Participation by completing at least 50% of the course material.
- Gain an Open Badge by completing the course.
Find out more in the certificate guidelines.
This course is offered by
Gerhard Hellstern (Prof., Dr. rer. nat, graduate physicist, *1971) has been a professor at the Faculty of Economics at the Baden-Württemberg Cooperative State University in Ravensburg since 2018. From 1990 - 1995, he studied physics at the University of Tübingen and the State University of New York at Stony Brook; in 1998, he graduated as Dr. rer.nat. From 1998 to 2018, he was employed first at Deutsche Bank, GZB Bank and then for 17 years at Deutsche Bundesbank, Head Office Stuttgart. There, he was in charge of the banking audits division for many years. Gerhard Hellstern has been involved in the application of data science methods (data analytics as well as machine and deep learning) in finance for many years. These methods also include Quantum Computing as well as Quantum Machine Learning based on it. He is a Qiskit advocate at IBM and a member of the research network Quantum Computing of the Fraunhofer Gesellschaft.