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.

7. Dezember 2022 - 21. Dezember 2022
Kurssprache: Deutsch
Advanced, Quantum Computing

Kursinformationen

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)

Was Teilnehmende lernen werden

  • Grundverständnis von Quantenalgorithmen
  • Anwendung berühmter Algorithmen in Qiskit

Für wen dieser Kurs gedacht ist

  • 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

Lernmaterial

    Für diesen Kurs einschreiben

    Der Kurs ist kostenlos. Legen Sie sich einfach ein Benutzerkonto auf openHPI an und nehmen Sie am Kurs teil!
    Jetzt einschreiben
    Eingeschriebene Nutzer: 612

    Anforderungen für Leistungsnachweise

    • Den Leistungsnachweis erhält, wer in der Summe aller benoteten Aufgaben mindestens 50% der Höchstpunktzahl erreicht hat.
    • Die Teilnahmebestätigung erhält, wer auf zumindest 50% der Kursunterlagen zugegriffen hat.

    Mehr Informationen finden Sie in den Richtlinien für Leistungsnachweise.

    Dieser Kurs wird angeboten von

    Prof. Dr. Gerhard Hellstern

    Gerhard Hellstern (Prof., Dr. rer. nat, Diplom-Physiker, *1971) ist seit 2018 Professor an der Fakultät Wirtschaft der Dualen Hochschule Baden-Württemberg in Ravensburg. Von 1990 - 1995 studierte er Physik an der Universität Tübingen und der State University of New York at Stony Brook; 1998 promierte er zum Dr. rer.nat. Von 1998 bis 2018 war er zunächst bei der Deutschen Bank, der GZB-Bank und anschliessend 17 Jahre bei der Deutschen Bundesbank, Hauptverwaltung Stuttgart beschäftigt. Dort leitete er über viele Jahre den Bereich Bankgeschäftliche Prüfungen. Gerhard Hellstern beschäftigt sich seit vielen Jahren mit der Anwendung von Data-Science Methoden (Data Analytics sowie Machine und Deep Learning) im Finanzbereich. Diese Methoden umfassen auch das Quantum Computing sowie das darauf aufbauende Quantum Machine Learning. Er ist Qiskit-Advokat bei IBM und Mitglied des Forschungsnetzwerks Quantum Computing der Fraunhofer Gesellschaft.