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.

Грудня 7, 2022 - Грудня 21, 2022
Мова: Deutsch
Advanced, Quantum Computing

Інформація про курс

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)

Чого ви навчитеся

  • Grundverständnis von Quantenalgorithmen
  • Anwendung berühmter Algorithmen in Qiskit

Для кого цей курс

  • 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

Зміст курсу

    Зарахувати мене на цей курс

    Курс є безкоштовним. Просто зареєструйте обліковий запис на openHPI та пройдіть курс!
    Зарахувати мене зараз
    Зараховані слухачі: 612

    Вимоги до сертифіката

    • Отримайте Відомість досягнень, набравши не менше 50% від максимальної кількості балів за всі оцінювані завдання.
    • Отримайте Підтвердження участі, виконавши не менше 50% матеріалу курсу.

    Для отримання додаткової інформації див. інструкцію з отримання сертифіката.

    Цей курс запропонований

    Prof. Dr. Gerhard Hellstern

    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.