Erklären Sie das unendliche Potenzial des Quantencomputings in wunderbarem Englisch (keine Mathematik)

Quanten sind tiefes, dunkles, mysteriöses Zeug ... Nur ein Scherz. Es erlangte nach „Avengers Endgame“ Berühmtheit. Hey, das reimt sich!

Das verspreche ich Ihnen – keine Formeln! Nur ein paar Zahlen.

Inhaltsübersicht

• Die Quantenwelt
• Quantenmechanik ist wirklich Quantenwahn – nichts für ungut, Marvel!
• Herausforderungen
• Quantencomputer-Ansatz
• Supraleitende Qubits
• Quantencomputer mit gefangenen Ionen
• Photonische Quantencomputer
• Quantenglüher
• Vorschau auf die Zukunft
• Was könnte ein zukünftiger 100.000-Qubit-Computer leisten?
• Abschluss

Die Quantenwelt

Das Planck-Limit.

1,616255×10^(−35) m.

Der Zeitraum, in dem die klassische Physik zur Quantenphysik wird.

Wo alle unsere gemeinsamen Intuitionen zusammenbrechen.

Niels Bohr, ein wegweisender Quantenphysiker, sagte berühmt:

Wenn Sie die Quantenmechanik nicht zutiefst in Erstaunen versetzt, haben Sie sie nicht richtig verstanden.

Er hatte recht! (Kein Scherz, im Ernst, ich hätte es nie geglaubt, ich meine, jeder weiß, dass das Quantenreich eine einfache Sache ist. Tony Stark hat es herausgefunden. Und er ist ein Schauspieler. Nur ein Schauspieler!)

Im Bereich der Quantenphysik stoßen wir auf der unendlich kleinen Planck-Skala auf eine fesselnde und verblüffende Realität, die unser herkömmliches Verständnis in Frage stellt.

Lassen Sie uns auf einige Schlüsselaspekte dieser Skala eingehen. Es gibt so viele Konzepte zu bearbeiten und in Angriff zu nehmen, dass wir sie einzeln durchgehen werden.

Quantenmechanik ist wirklich Quantenwahn – nichts für ungut, Marvel!

Am Planck-Limit haben wir folgende Probleme:

Kohärenz

Kohärenz spielt auf der Planck-Skala eine entscheidende Rolle und bezieht sich auf die Stabilität und Integrität von Quantenzuständen. Sie bestimmt, wie lange Quantenphänomene andauern. Wenn die Bestehenszeit eines Zustands weniger als 10 ^(-25) Sekunden (0,000000000000000000000000001 Sekunden) beträgt, wie hält man ihn stabil und arbeitet damit? (^ ist das Symbol für Potenzierung, z. B. 10^5 = 100.000 und 10^(-5) = 0,00001)

Verstrickung

Verschränkung, ein bemerkenswertes Phänomen, tritt auf, wenn die Quantenzustände von Teilchen unabhängig von ihrer physikalischen Trennung auf komplexe Weise verknüpft werden. Das ist unheimlich und verblüfft große Köpfe wie Einstein. Auf der Planck-Skala dient die Verschränkung als Eckpfeiler, der zu nicht-lokalen Korrelationen führt und den sofortigen Informationstransfer zwischen verschränkten Teilchen ermöglicht, ohne dass eine klassische Kommunikation erforderlich ist. Mit anderen Worten: Informationen wandern augenblicklich von einem Teil des Universums in einen anderen! (Schneller als Licht!) Und doch ist es wahr, ein Phänomen, das sich jeder Erklärung entzieht. (Ich verspreche, Ihnen in einem späteren Artikel einen detaillierteren Einblick zu geben.)

Überlagerung

Überlagerung ist eine faszinierende Eigenschaft von Quantensystemen, die es Teilchen ermöglicht, gleichzeitig in mehreren Zuständen zu existieren. Auf der Planck-Skala können Teilchen Überlagerungen verschiedener Zustände annehmen, was darauf hindeutet, dass Eigenschaften wie Position, Impuls oder Spin erst bei der Messung genau definiert sind. Dieses Prinzip liegt der Quantenberechnung und der Entwicklung von Quantenalgorithmen zugrunde. Ich kann diese Tatsache nicht stärker betonen.

Das Unsicherheitsprinzip

Das von Werner Heisenberg formulierte Unsicherheitsprinzip besagt, dass bestimmte Paare physikalischer Eigenschaften wie Position und Impuls nicht gleichzeitig und mit unbegrenzter Genauigkeit präzise gemessen werden können. Auf der Planck-Skala spielt das Unsicherheitsprinzip eine wichtige Rolle und unterstreicht die inhärente Unbestimmtheit und Wahrscheinlichkeitsnatur von Quantensystemen. Um es einfach zu machen: Sie können entweder die Geschwindigkeit des Autos oder die aktuelle Position eines Autos kennen, Sie können nicht beides wissen (eine sehr grobe und grobe Analogie), wenn Sie es auf Quantenebene beobachten.

Teilchen-Wellen-Dualität

Der Teilchen-Wellen-Dualismus ist ein grundlegendes Konzept der Quantenphysik. Auf der Planck-Skala zeigen Teilchen wellenartiges Verhalten, während Wellen teilchenartige Eigenschaften aufweisen können. Diese Dualität stellt unsere klassischen Intuitionen in Frage, da Teilchen Interferenzmuster, Beugung und wellenartige Ausbreitung aufweisen. Das widerspricht jeder Logik. Ist Materie dann Energie? Oder Energie, Materie? Was ist der Begriff der Masse selbst? Dies führt direkt zu Einsteins Masse-Energie-Äquivalenz.

Aktion auf Distanz

Unter Fernwirkung versteht man den bemerkenswerten nichtlokalen Einfluss, der zwischen verschränkten Teilchen beobachtet wird. Messungen oder Manipulationen, die an einem Teilchen vorgenommen werden, wirken sich unmittelbar auf dessen verschränkten Partner aus, unabhängig von der räumlichen Trennung zwischen ihnen. Dieses Phänomen widerspricht der klassischen Vorstellung, dass die Informationsübertragung durch die Lichtgeschwindigkeit begrenzt ist. Das ist es, was ich als die Störung Einsteins in Bezug auf die Quantenmechanik bezeichnet habe. Es gibt eine Theorie der „verborgenen Variablen“, die eine mögliche Erklärung darstellt. Mehr dazu später.

Wahrscheinlichkeitsphysik

Die Quantenphysik umfasst inhärente probabilistische Elemente und verwendet Wahrscheinlichkeitsamplituden, um die Wahrscheinlichkeit verschiedener Ergebnisse zu beschreiben. Auf der Planck-Skala kommt der probabilistische Charakter der Quantenmechanik zum Vorschein, da Messungen eher Wahrscheinlichkeiten als deterministische Ergebnisse liefern. Mathematische Werkzeuge wie Wellenfunktionen und Matrizen erfassen diesen probabilistischen Rahmen. Und es ist ein sehr Quantenphänomen. Wie kann es sein, dass sich dort mit einer Wahrscheinlichkeit von 43 % ein Teilchen an dieser Stelle befindet? Oder ist es eine Welle? Macht es überhaupt Sinn?

Schrödinger-Gleichung

Die Schrödinger-Gleichung ist eine zentrale Gleichung der Quantenmechanik und bestimmt die zeitliche Entwicklung von Quantensystemen. Es stellt eine Beziehung zwischen der Wellenfunktion, der Energie und den Operatoren eines Systems her. Auf der Planck-Skala bietet die Schrödinger-Gleichung einen mathematischen Rahmen zum Verständnis des Verhaltens und der Dynamik von Quantensystemen.

Ich habe keine Formeln gesagt und halte mich an mein Versprechen. Google Schrödinger-Gleichung , wenn Sie interessiert sind.

Grundsätzlich können Dinge auf der Quantenebene nicht mit gewöhnlicher Logik und Intuition aus der realen Welt erklärt werden. Dennoch haben Menschen Quanten-/klassische Programme auf Quantencomputern entworfen und sogar ausgeführt. Sehen wir uns einige der Hürden an, mit denen sie konfrontiert waren.

Herausforderungen

Qualität und Stabilität von Quantenbits (Qubits).

Die Grundlage des Quantencomputings sind Qubits, die Quantengegenstücke zu klassischen Bits. Die Sicherstellung der Qualität und Stabilität von Qubits ist für zuverlässige Quantenberechnungen von größter Bedeutung. Jedes Atom hat Energie – weil es eine Temperatur hat. Temperatur ist die Schwingungsenergie des Atoms. Und es schwingt. Wie schafft man es, dass es an einem Ort bleibt? Frieren Sie es auf -273 Grad Celsius ein – die absolute Nulltemperatur, die jegliche Bewegung stoppt. Leider sind Qubits sehr anfällig für äußere Störungen wie Temperaturschwankungen und elektromagnetisches Rauschen, was zu Fehlern und Dekohärenz führt. Die Aufrechterhaltung der Kohärenz und Stabilität von Qubits über längere Zeiträume ist eine große Herausforderung, der sich Forscher aktiv stellen.

Dekohärenz und Fehlerkorrektur

Dekohärenz stellt in Quantensystemen ein erhebliches Hindernis dar. Es entsteht, wenn Qubits mit ihrer Umgebung interagieren, wodurch sie ihren Quantenzustand verlieren und sich klassisch verhalten. Diese Einschränkung schränkt die Zeit ein, in der Quantenoperationen zuverlässig durchgeführt werden können. Die Entwicklung robuster Fehlerkorrekturtechniken zur Minderung von Fehlern und Dekohärenz ist eine entscheidende Herausforderung. Forscher erforschen Fehlerkorrekturcodes wie Quantenfehlerkorrekturcodes, um Qubits zu schützen und zuverlässige Berechnungen sicherzustellen. Das habe ich damit gemeint, dass ich 10^(-25) Sekunden lang existierte.

Skalierbarkeit

Quantencomputer benötigen eine große Anzahl von Qubits, um komplexe Probleme zu lösen. Allerdings stellt die Skalierung von Quantensystemen erhebliche Herausforderungen dar. Mit zunehmender Anzahl von Qubits wird die Aufrechterhaltung ihrer Kohärenz und die Minimierung von Fehlern exponentiell schwieriger. Darüber hinaus stellt die genaue Verbindung von Qubits und die Steuerung der Wechselwirkungen zwischen großen Mengen von Qubits erhebliche technische und technologische Schwierigkeiten dar. Nicht nur erheblich, sondern nahezu unmöglich. Wie verbindet man Dinge, die sich verändern, wenn man sie mit etwas völlig anderem verbindet? Wir können Quantenbits nicht auf die gleiche Weise manipulieren wie klassische Bits. Und das Quanteninternet ist vielleicht die größte Herausforderung von allen. ( abgesehen davon, dass man zur Abwechslung einmal einen wirklich intelligenten POTUS-Kandidaten bekommt.)

Herstellung und Kontrolle

Die präzise Herstellung von Quantengeräten mit außergewöhnlicher Kontrolle ist eine große Herausforderung. Quantenhardware basiert häufig auf speziellen Herstellungstechniken und Materialien wie supraleitenden Schaltkreisen oder Ionenfallen. Das Erreichen der erforderlichen Präzision und Reproduzierbarkeit im Herstellungsprozess ist für den Aufbau zuverlässiger und skalierbarer Quantensysteme von entscheidender Bedeutung. Und diese Art von Genauigkeit wird einen neuen Wendepunkt in der Technik darstellen, wenn sie jemals erreicht wird. Hier müssen wir identische Kopien mit einer Genauigkeit von 10^(-35) erstellen. Selbst optimistische Menschen finden es schwierig, darüber zu diskutieren!

Darüber hinaus ist es von größter Bedeutung, eine präzise Kontrolle über Quantensysteme zu erreichen. Für genaue Quantenberechnungen ist die Fähigkeit erforderlich, Qubit-Zustände, Gate-Operationen und Messungen mit hoher Genauigkeit zu steuern. Die Entwicklung von Steuerungssystemen, die die für Quantenoperationen erforderliche Komplexität und Geschwindigkeit bewältigen können, ist eine gewaltige technische Herausforderung. So beeindruckend, dass außer IBM, dem ersten Pionier im Quantencomputing, noch niemand einen Allzweck-Quantencomputer mit mehr als 400 Qubits entwickelt hat. (D-Wave zählt nicht, da es nicht für allgemeine Zwecke geeignet ist und nur eine feste Funktion hat – Glühen. Erklärung folgt!)

Quantenverbindungen und Kommunikation

Quantencomputing umfasst oft mehrere Qubits, die über physische Systeme verteilt sind. Der Aufbau zuverlässiger und effizienter Quantenverbindungen und Kommunikation zwischen diesen Qubits ist von entscheidender Bedeutung. Die Quantenkommunikation beruht auf der Verschränkung, die sehr empfindlich auf Umgebungsgeräusche reagiert und eine Verteilung und Erhaltung der Verschränkung über große Entfernungen erfordert. Die Entwicklung von Quantenverbindungstechnologien, die eine verschränkungsbasierte Kommunikation zwischen Qubits ermöglichen können, ist eine ständige Herausforderung. Viele sagen, es sei unmöglich. Und es scheint tatsächlich so zu sein. Aber wir können immer hoffen ...

Was der menschliche Geist sich vorstellen kann, kann die Hand Gottes erreichen.

Thomas Cherickal

( Sehen Sie, das bin ich, der kluge Kerl. Hmmm – ich glaube, ich meinte den klugen Mann. Auf jeden Fall ist es in beiden Fällen falsch!)

Kryogene Umgebungen

Viele Quantencomputerplattformen, wie zum Beispiel supraleitende Qubits, arbeiten bei extrem niedrigen Temperaturen nahe dem absoluten Nullpunkt. Die Schaffung und Aufrechterhaltung dieser kryogenen Umgebungen (kryogen – bezieht sich in der klassischen Physik auf Temperaturen nahe dem absoluten Nullpunkt – Google it) stellt eine gewaltige technische Aufgabe dar. Kühlsysteme müssen sorgfältig ausgelegt sein, um Lärm und thermische Schwankungen zu minimieren, die die Qubit-Kohärenz stören könnten (im Grunde könnten sie an Temperatur gewinnen und sich wieder in Bewegung setzen). Die Gewährleistung der Zuverlässigkeit und Effizienz kryogener Systeme ist ein entscheidender Aspekt der Quantenhardwareentwicklung. Das meinte ich mit dem absoluten Nullpunkt (-273 Grad Celsius).

Integration und Hybridsysteme

Quantencomputing-Hardware muss häufig zu Steuerungs-, Auslese- und Fehlerkorrekturzwecken in klassische Computersysteme integriert werden. Die Lücke zwischen klassischen Systemen und Quantensystemen zu schließen und hybride Ansätze zu entwickeln, die die Stärken beider Technologien nutzen, stellt erhebliche Herausforderungen dar. Die Integration erstreckt sich auch auf die Einbindung von Hardwarekomponenten, etwa der Steuerelektronik, in eine kohärente Quantencomputing-Plattform. Microsoft hat diesbezüglich gute Arbeit geleistet. Sie haben ihre Quantensoftware in den riesigen Stack des umfangreichen .NET Core-Ökosystems integriert und als Open-Source-Lösung bereitgestellt. Keine Interoperabilitätsprobleme mehr mit Quantencode!

Kosten und Ressourcen

Die Entwicklung von Quantenhardware erfordert erhebliche finanzielle und technische Ressourcen. Der Bau und Betrieb von Quantensystemen erfordert oft eine teure Infrastruktur, einschließlich spezialisierter Produktionsanlagen, kryogener Ausrüstung und präziser Steuerungssysteme. Forschungseinrichtungen und Unternehmen, die in Quantenhardware investieren, stehen vor der Herausforderung, Kosten und Ressourcenallokation in Einklang zu bringen und gleichzeitig die Grenzen des technologischen Fortschritts zu verschieben. Der Aufwand ist einfach zu hoch! Hier hat China wirklich einen Vorteil. Die chinesische Regierung steckt Milliarden in ihre Quantencomputerabteilung, und wir sehen bereits jetzt die Ergebnisse. Sie erreichten die Teleportation von der Erde zu einem Satelliten. Sofortiges Reisen. ( Aber sie werden die Corona-Gerüchte trotzdem nicht los – traurig!)

Grundlegende physikalische und theoretische Einschränkungen

Quantencomputing-Hardware unterliegt grundlegenden Einschränkungen, die durch physikalische Gesetze und die Prinzipien der Quantenmechanik auferlegt werden. Insbesondere die heutigen Quantencomputer, die oft als „Noisy Intermediate-Scale Quantum“ (NISQ) bezeichnet werden, unterliegen Einschränkungen hinsichtlich der Qubit-Kohärenz, der Gattertreue und der Fehlerraten. Um diese Einschränkungen zu überwinden, sind innovative Ansätze und Durchbrüche in Bereichen wie Materialwissenschaften, Physik und Informatik erforderlich.

Dennoch haben sich eine Reihe von Unternehmen vorgenommen, Quantencomputer zu entwickeln.

Werfen wir einen Blick auf einige davon.

Quantencomputer-Ansatz

Supraleitende Qubits

Supraleitende Qubits werden mithilfe winziger Schaltkreise aus supraleitenden Materialien realisiert. Diese Schaltkreise werden auf extrem niedrige Temperaturen gekühlt, um das Phänomen der Supraleitung auszunutzen, bei dem der elektrische Widerstand verschwindet. IBM und Google sind zwei bekannte Unternehmen, die mit supraleitenden Qubits arbeiten. Auf die IBM Q-Systeme von IBM kann über IBM Quantum Experience zugegriffen werden, sodass Benutzer Quantenexperimente durchführen und auf modernste Hardware zugreifen können. Dies ist eine einzigartige Errungenschaft, da sie es Anfängern und Amateuren ermöglicht, über die Cloud auf die Quantencomputing-Hardware von SOTA IBM zuzugreifen und Experimente und Programme auf ihrem System in der Cloud auszuführen.

Google Quantum AI nutzt supraleitende Qubits für seine Forschungs- und Entwicklungsbemühungen. Ihre beiden Hauptinitiativen heißen OpenFermion und TensorFlow Quantum und laufen beide auf ihrem Quantencomputer-SDK Google Cirq. OpenFermion wird für quantenchemische Simulationen verwendet, während TensorFlow Quantum ein Quantenhybrid aus klassischem maschinellem Lernen und quantenmechanischem Lernen ist, der dem Ingenieur viel Flexibilität bietet. Derzeit sind diese beiden Unternehmen führend im Wettlauf um die Quantenüberlegenheit – den Punkt, an dem ein Quantencomputer etwas kann, was ein klassischer Computer nicht kann, und es sich außerdem um eine effektive Anwendung mit einem soliden Anwendungsfall handelt. Beide Unternehmen behaupten, dies bereits geschafft zu haben, doch die Anwendung von IBM ist weitaus beeindruckender als die von Google.

Quantencomputer mit gefangenen Ionen

Quantencomputer mit eingefangenen Ionen nutzen einzelne Ionen, die mithilfe elektromagnetischer Felder eingefangen werden, um Quanteninformationen zu speichern und zu manipulieren. Bei diesen Ionen handelt es sich typischerweise um Qubits mit langen Kohärenzzeiten und hochpräzisen Operationen. IonQ ist ein führendes Unternehmen auf diesem Gebiet und bietet über seine Cloud-Plattform Zugriff auf seine Quantencomputer mit gefangenen Ionen. Honeywell Quantum Solutions ist ein weiteres Unternehmen, das seine eigene Quantenhardware auf der Basis gefangener Ionen entwickelt hat, mit dem Ziel, die Fähigkeiten von Systemen gefangener Ionen zu verbessern. Beide sind vielversprechend und haben gegenüber dem supraleitenden Qubit-System unterschiedliche Vorteile, von denen der wichtigste darin besteht, dass keine kryogenen Temperaturen erforderlich sind.

Topologische Quantencomputer

Topologische Quantencomputer basieren auf Teilchen, die Anyons genannt werden und exotische Eigenschaften aufweisen. Die wichtigste davon ist, dass sie ihr eigenes Antiteilchen sind (erinnern Sie sich nur an die Aussage, ich werde sie später erklären). Die Quantum Computing-Abteilung von Microsoft steht an der Spitze der Entwicklung topologischer Quantenhardware. Sie erforschen aktiv ein topologisches Qubit, das auf einem Teilchen basiert, das als Majorana-Fermion bekannt ist. Von Majorana-basierten Qubits wird erwartet, dass sie eine erhöhte Fehlerresistenz bieten, was sie zu vielversprechenden Kandidaten für fehlertolerante Quantenberechnungen macht. Es handelt sich um einen bemerkenswert neuartigen Ansatz, und Microsoft hat auch einen klugen Schritt unternommen, um seine Quantenprogrammiersprache (Q#.NET) in sein umfangreiches .NET-Ökosystem klassischer Computerbibliotheken und -funktionen zu integrieren. Somit hat Q# Zugriff auf eine Vielzahl klassischer Computeranwendungen, ohne sich Gedanken über die Interoperabilität machen zu müssen, was definitiv eine bedeutende Errungenschaft ist.

Photonische Quantencomputer

Photonische Quantencomputer nutzen Photonen, Lichtteilchen, um Quanteninformationen zu kodieren und zu verarbeiten. Xanadu, PsiQuantum und LightMatter sind namhafte Unternehmen, die an photonischer Quantenhardware arbeiten. Xanadu bietet Zugriff auf seine photonischen Quantencomputer über eine Cloud-Plattform namens Xanadu Quantum Cloud. PsiQuantum konzentriert sich auf die Entwicklung eines fehlertoleranten photonischen Quantencomputers mit einer Million Qubits, mit dem Ziel, praktische Anwendungen zu ermöglichen. LightMatter ist auf die Entwicklung photonischer Prozessoren für ein breites Anwendungsspektrum spezialisiert. Photonische Computer sind ein weiterer vielversprechender Ansatz. Dank ihrer Bibliotheken für Quantenmaschinelles Lernen PennyLane und ihrer photonischen Quantenbibliothek StrawberryFields gehören sie derzeit zu den Spitzenreitern im Bereich Quantenmaschinelles Lernen.

Quantenglüher

Quanten-Annealer sind spezielle Quantenhardware zur Lösung von Optimierungsproblemen. D-Wave Systems ist in diesem Bereich ein führendes Unternehmen. Der erste sogenannte Quantencomputer mit „2.000 Qubits“ wurde von D-Wave gebaut. Ihr System ist jedoch speziell auf die Lösung von Optimierungsproblemen durch einen Prozess namens Quantum Annealing ausgerichtet. Daher betrachten die meisten Quantenforscher ihr System als eine kundenspezifische Einzweckmaschine und nicht als einen Allzweck-Quantencomputer wie die anderen Architekturen in dieser Liste. Ihre Quantenglühtechnologie nutzt ein Netzwerk supraleitender Qubits, um Niedrigenergiezustände zu finden, die optimalen Lösungen entsprechen. Allerdings werden die Systeme von D-Wave von verschiedenen Organisationen und Forschungseinrichtungen genutzt, um komplexe Optimierungsherausforderungen branchenübergreifend zu bewältigen.

Vorschau auf die Zukunft

Dies ist der aktuelle SOTA (State-Of-The-Art) für Hardwareanwendungen. Aber was hoffen wir mit ihnen zu tun? Lassen Sie uns das als nächstes aufschlüsseln.

Was könnte ein zukünftiger 100.000-Qubit-Computer leisten?

Quantencomputer verfügen über zwei Eigenschaften, die sie einzigartig machen und für Hochleistungsanwendungen vielversprechend sind. Sie sind:

Überlagerung

Ein klassischer Computer kann jeweils nur einen Wert annehmen. Im Gegensatz dazu kann ein Quanten-Supercomputer in Superposition alle möglichen Konfigurationen von 2^N-Darstellungen in einem einzigen Moment annehmen, was eine massive Parallelität ermöglicht. Experten gehen davon aus, dass Quantencomputer bei richtiger Konzeption in der Lage sein werden, alle 2^N-Konfigurationen gleichzeitig auszuwerten.

Nun sind 2^100 mehr Atome als es im Universum gibt. Was wird ein 2^(100.000) Quantencomputer leisten? Ich kann es kaum erwarten, es herauszufinden!

Verstrickung

Durch die Verschränkung können wir sofort zwischen zwei Qubits kommunizieren, unabhängig davon, wie weit sie voneinander entfernt sind. Dieses Phänomen ignoriert sogar die Grenze der Lichtgeschwindigkeit für die meisten Kräfte im Universum. Es ist ein verborgener Schatz mit unendlichem Potenzial. Wir könnten Kommunikation und vielleicht eines Tages sogar die Teleportation von Materie so erreichen, dass der limitierende Faktor der Lichtgeschwindigkeit keine Anwendung findet.

Mit Blick auf die Zukunft, in der das Quantencomputing eine Größenordnung von 100.000 Qubits erreicht hat, werden die Möglichkeiten für bahnbrechende Fortschritte noch faszinierender. Lassen Sie uns einige potenzielle Bereiche untersuchen, in denen ein solch leistungsstarker Quantencomputer einen transformativen Einfluss haben könnte:

1. Quantensimulation im großen Maßstab

Quantensimulation ist eine Anwendung von Quantencomputern, die darauf abzielt, komplexe Quantensysteme zu simulieren und zu untersuchen, die mit klassischen Computern schwer zu analysieren sind. Quantensysteme wie Moleküle, Materialien und sogar ganze physikalische Prozesse zeigen komplizierte Verhaltensweisen, die durch die Gesetze der Quantenmechanik bestimmt werden. Das Verständnis und die genaue Vorhersage des Verhaltens dieser Systeme können erhebliche Auswirkungen auf verschiedene Bereiche haben, darunter Chemie, Physik, Materialwissenschaften und Arzneimittelforschung.

Während klassische Computer einfache Quantensysteme simulieren können, nimmt ihre Rechenleistung mit zunehmender Größe und Komplexität des Quantensystems rapide ab. Dies ist auf das exponentielle Wachstum der Rechenressourcen zurückzuführen, die erforderlich sind, um den Zustand eines Quantensystems genau darzustellen. Im Gegensatz dazu nutzen Quantencomputer die Prinzipien der Quantenmechanik, um diese komplexen Quantensysteme effizient zu simulieren und zu erforschen.

Die Quantensimulation nutzt die Fähigkeit von Quantencomputern, Quantenzustände wie Qubits durch Operationen wie Superposition und Verschränkung zu manipulieren und zu steuern. Durch die Darstellung des interessierenden Quantensystems mithilfe von Qubits können Forscher die Rechenleistung von Quantencomputern nutzen, um Simulationen durchzuführen, die mit klassischen Computern nicht durchführbar wären.

Um eine Quantensimulation durchzuführen, sind typischerweise mehrere Schritte erforderlich:

1. Kodierung des Systems: Der erste Schritt besteht darin, die Eigenschaften des simulierten Quantensystems auf die Qubits des Quantencomputers abzubilden. Diese Kodierung ermöglicht es dem Quantencomputer, die für die Simulation relevanten Quantenzustände genau darzustellen und zu manipulieren.

   
   

2. Implementierung des Simulationsalgorithmus: Der Simulationsalgorithmus soll das Verhalten des Zielquantensystems nachahmen. Es besteht aus einer Reihe von Quantengattern und Operationen, die die Zustände der Qubits gemäß den Gesetzen der Quantenmechanik entwickeln. Diese Gatter führen Transformationen an den Qubits durch, wie etwa Rotationen und Verschränkungsoperationen, um die gewünschten Wechselwirkungen und Dynamiken des Zielsystems zu simulieren.

   
   

3. Durchführung der Simulation: Der Simulationsalgorithmus wird auf dem Quantencomputer ausgeführt, der die erforderlichen Quantenoperationen an den Qubits durchführt. Die Quantengatter des Quantencomputers manipulieren die Zustände der Qubits und ermöglichen so die Erforschung verschiedener interessanter Szenarien und Messungen innerhalb des simulierten Quantensystems.

   
   

4. Ergebnisse extrahieren: Nach Abschluss der Simulation liefert der Quantencomputer den Endzustand der Qubits, der den simulierten Zustand des Quantensystems darstellt. An den Qubits können Messungen durchgeführt werden, um Informationen über bestimmte Observablen oder interessierende Eigenschaften innerhalb des simulierten Systems zu extrahieren. Mithilfe dieser Messungen lassen sich Erkenntnisse über das Verhalten des Quantensystems gewinnen oder theoretische Modelle validieren.

   
   

Quantensimulation hat das Potenzial, verschiedene Bereiche zu revolutionieren, insbesondere beim Verständnis und Design neuer Materialien, der Optimierung chemischer Reaktionen und der Lösung komplexer Quantenprobleme.

2. Optimierung und globale Herausforderungen

Optimierung ist ein grundlegendes Problem in verschiedenen Bereichen, von Logistik und Finanzen bis hin zu maschinellem Lernen und Kryptographie. Das Ziel der Optimierung besteht darin, aus einer Vielzahl möglicher Optionen die beste Lösung zu finden, die ein bestimmtes Ziel optimiert oder eine Reihe von Einschränkungen erfüllt. Klassische Computer verwenden verschiedene Algorithmen zur Lösung von Optimierungsproblemen. Mit zunehmender Größe und Komplexität des Problems wird die Suche nach einer optimalen Lösung jedoch immer schwieriger und zeitaufwändiger.

Quantencomputer bieten das Potenzial, Optimierungsaufgaben durch den Einsatz speziell für Optimierungsprobleme entwickelter Quantenalgorithmen deutlich zu beschleunigen. Diese Algorithmen nutzen die Prinzipien der Quantenmechanik wie Superposition und Quantenparallelismus, um mehrere mögliche Lösungen gleichzeitig zu untersuchen, was zu einer potenziell exponentiellen Beschleunigung im Vergleich zu klassischen Ansätzen führt.

1. Einer der bekanntesten Quantenoptimierungsalgorithmen ist der Quantum Approximate Optimization Algorithm (QAOA). QAOA kombiniert klassische Optimierungstechniken mit Quantencomputern, um nahezu optimale Lösungen für kombinatorische Optimierungsprobleme zu finden. Dabei geht es darum, das Optimierungsproblem in einen Quantenschaltkreis zu kodieren, der aus einer Reihe von Quantengattern und auf Qubits angewendeten Operationen besteht, und dann die Parameter dieser Gatter iterativ anzupassen, um die Qualität der Lösung zu verbessern. Durch die Durchführung von Messungen an den Qubits am Ende der Schaltung liefert der Algorithmus eine Kandidatenlösung, die sich mit jeder Iteration der optimalen Lösung annähert.

2. Ein weiterer wichtiger Quantenoptimierungsalgorithmus ist der Quantum Annealing- Algorithmus, der von Quanten-Annealern wie D-Wave-Systemen verwendet wird. Quantum Annealing eignet sich besonders zur Lösung von Optimierungsproblemen, die auf das Ising-Modell oder das QUBO-Problem (Quadratic Unconstrained Binary Optimization) abgebildet werden können. Es nutzt Quantentunneln und thermische Fluktuationen, um das System in Niedrigenergiezustände zu lenken, die guten Lösungen entsprechen.
3. Quantencomputer können potenziell auf eine Vielzahl von Optimierungsproblemen angewendet werden, wie etwa Portfoliooptimierung, Logistikplanung, Proteinfaltung und Graphenfärbung. Es wurde bereits von AlphaFold (Ableger von Google DeepMind) eingesetzt, um neue Heilmittel für unheilbare Krankheiten zu entwickeln und die Entstehung neuer Proteintypen zu modellieren.

Bei diesen Problemen muss häufig ein großer Lösungsraum durchsucht werden, um die beste Konfiguration zu finden, die ein Ziel optimiert oder bestimmte Einschränkungen erfüllt. Durch die Nutzung der Leistungsfähigkeit der Quantenparallelität und die gleichzeitige Erforschung mehrerer Kandidatenlösungen haben Quantencomputer das Potenzial, die Suche nach optimalen Lösungen zu beschleunigen.

3. Kryptographie und sichere Kommunikation

Quantencomputing hat das Potenzial, den Bereich der Kryptographie erheblich zu beeinflussen, sowohl hinsichtlich der Aufhebung bestehender kryptografischer Schemata als auch der Entwicklung neuer quantenresistenter kryptografischer Algorithmen. Hier sind zwei Hauptanwendungen des Quantencomputings in der Kryptographie:

1. Durchbrechen kryptografischer Schemata: Quantencomputer können potenziell bestimmte weit verbreitete kryptografische Algorithmen durchbrechen, die auf der Schwierigkeit spezifischer mathematischer Probleme basieren. Shors Algorithmus hat beispielsweise die Fähigkeit bewiesen, große Zahlen effizient zu faktorisieren und das Problem des diskreten Logarithmus zu lösen. Diese Probleme bilden die Grundlage vieler kryptografischer Systeme mit öffentlichem Schlüssel, wie etwa RSA und Diffie-Hellman. Durch die effiziente Lösung dieser mathematischen Probleme könnten Quantencomputer theoretisch die Sicherheit dieser Systeme beeinträchtigen und verschlüsselte Kommunikation oder Daten gefährden.

   
   

2. Quantenresistente Kryptographie: Da die Entwicklung großer Quantencomputer voranschreitet, wird der Bedarf an kryptografischen Algorithmen, die gegen Angriffe von Quantencomputern resistent sind, immer wichtiger. Ziel der Post-Quantenkryptographie (PQC) ist es, Verschlüsselungs-, Signatur- und Schlüsselaustauschalgorithmen zu entwickeln, die sowohl gegen Angriffe klassischer als auch Quantencomputer sicher sind. PQC-Algorithmen basieren typischerweise auf verschiedenen mathematischen Problemen, von denen angenommen wird, dass sie sowohl für klassische als auch für Quantencomputer schwierig sind, wie z. B. gitterbasierte Kryptographie, codebasierte Kryptographie, multivariate Polynomkryptographie und Hash-basierte Kryptographie. Derzeit werden Forschungsanstrengungen unternommen, um quantenresistente kryptografische Algorithmen zu identifizieren und zu standardisieren, um die Sicherheit sensibler Informationen im Post-Quanten-Zeitalter zu gewährleisten.

4. Maschinelles Lernen und künstliche Intelligenz

Quantenmaschinelle Lernalgorithmen würden mit 100.000 Qubits einen beispiellosen Grad an Komplexität erreichen. Quantencomputing hat das Potenzial, verschiedene Aspekte des maschinellen Lernens zu beeinflussen, indem es die Möglichkeit bietet, bestimmte Rechenprobleme effizienter zu lösen und die Entwicklung neuer Algorithmen zu ermöglichen, wie zum Beispiel:

1. Algorithmen für Quantenmaschinelles Lernen: Forscher haben die Entwicklung von Algorithmen für Quantenmaschinelles Lernen erforscht, die die Leistungsfähigkeit von Quantencomputern nutzen können, um bestimmte Aufgaben des Maschinellen Lernens effizienter zu lösen. Quantenalgorithmen wie Quanten-Support-Vektor-Maschinen (QSVM), Quanten-Clustering-Algorithmen und Quanten-Neuronale Netze wurden vorgeschlagen, um Probleme wie Klassifizierung, Clustering und Mustererkennung anzugehen. Diese Algorithmen zielen darauf ab, die einzigartigen Eigenschaften des Quantencomputings wie Quantenparallelität und Interferenz zu nutzen, um möglicherweise Geschwindigkeitssteigerungen oder eine verbesserte Leistung gegenüber klassischen Ansätzen des maschinellen Lernens zu erzielen.

   
   

2. Quantendatenverarbeitung und -analyse: Quantencomputer können zur effizienteren Verarbeitung und Analyse großer Datensätze eingesetzt werden. Quantenalgorithmen wie die Quanten-Fourier-Transformation und die Quanten-Hauptkomponentenanalyse können Vorteile bei der Datenvorverarbeitung, Dimensionsreduktion und Merkmalsextraktionsaufgaben bieten. Diese Techniken können dabei helfen, Daten für nachfolgende klassische Algorithmen des maschinellen Lernens vorzubereiten oder aussagekräftige Muster aus hochdimensionalen Daten zu extrahieren.

   
   

3. Quantenverstärkte Optimierung für maschinelles Lernen : Die Optimierung ist eine entscheidende Komponente bei vielen Aufgaben des maschinellen Lernens, beispielsweise beim Training neuronaler Netze oder der Optimierung von Hyperparametern. Quantenoptimierungsalgorithmen wie der Quantum Approximate Optimization Algorithm (QAOA) und Quantum Annealing können im Vergleich zu klassischen Optimierungstechniken möglicherweise verbesserte Optimierungsmöglichkeiten bieten. Diese Algorithmen können dabei helfen, optimale Lösungen für komplexe Optimierungsprobleme zu finden, die beim maschinellen Lernen auftreten.

   
   

4. Quantendatenschutz und sicheres Lernen: Quantencomputing kann auch zur Verbesserung des Datenschutzes und sicheren Lernens beitragen. Homomorphe Verschlüsselung, eine Technik, die Berechnungen anhand verschlüsselter Daten ermöglicht, kann möglicherweise von der Quantenberechnung profitieren und effizientere sichere Berechnungen ermöglichen. QKD-Protokolle (Quantum Key Distribution) bieten eine sichere Möglichkeit zum Generieren und Austauschen kryptografischer Schlüssel, gewährleisten eine sichere Kommunikation und schützen sensible Modelle und Daten des maschinellen Lernens.

   
   

5. Quantenchemie und Arzneimitteldesign

Quantencomputing hat das Potenzial, die Arzneimittelforschung zu revolutionieren, indem es den Prozess erheblich beschleunigt und genauere Vorhersagen ermöglicht. Hier sind einige Schlüsselaspekte, wie sich Quantencomputer auf die Arzneimittelforschung auswirken können:

1. Rechenleistung : Quantencomputer haben das Potenzial, komplexe Berechnungen viel schneller durchzuführen als klassische Computer. Dieser Geschwindigkeitsvorteil kann den Zeitaufwand für verschiedene Rechenaufgaben in der Arzneimittelforschung, wie z. B. molekulare Modellierung, virtuelles Screening und Molekulardynamiksimulationen, erheblich reduzieren.

   
   

2. Molekulare Modellierung : Quantencomputer können molekulare Wechselwirkungen genauer simulieren, indem sie Quanteneffekte berücksichtigen, die klassische Computer nicht effizient bewältigen können. Dies ermöglicht eine genauere Modellierung von Arzneimittel-Ziel-Wechselwirkungen, Proteinfaltung und anderen wichtigen molekularen Prozessen. (Wir haben bereits auf AlphaFold Bezug genommen)

   
   

3. Virtuelles Screening : Quantencomputer können das virtuelle Screening verbessern, bei dem große Datenbanken mit Verbindungen ausgewertet werden, um potenzielle Arzneimittelkandidaten zu identifizieren. Durch die Nutzung von Quantenalgorithmen können Quantencomputer einen größeren chemischen Raum erkunden und genauere Vorhersagen für die Bindungsaffinität und Aktivität potenzieller Arzneimittelmoleküle liefern.

   
   

4. Quantenmaschinelles Lernen : Quantenmaschinelle Lernalgorithmen können die Leistungsfähigkeit des Quantencomputings nutzen, um große biologische Datensätze zu analysieren und daraus Erkenntnisse zu gewinnen. Dies kann dabei helfen, Muster zu erkennen, die Wirksamkeit von Arzneimitteln vorherzusagen, Arzneimittelformulierungen zu optimieren und Behandlungspläne zu personalisieren.

   
   

5. Optimierung von Medikamentenkandidaten : Quantencomputing kann zur Optimierung von Medikamentenkandidaten durch die Lösung komplexer Optimierungsprobleme eingesetzt werden. Es kann beispielsweise dabei helfen, die optimale Struktur eines Arzneimittelmoleküls zu bestimmen oder die effizientesten Synthesewege zu finden.

   
   

6. Quantensimulationen : Quantencomputer können das Verhalten von Quantensystemen simulieren, beispielsweise von komplexen biologischen Molekülen oder Proteinstrukturen. Diese Simulationen können detaillierte Informationen darüber liefern, wie Medikamente mit ihren Zielen interagieren, und es Forschern ermöglichen, wirksamere und gezieltere Therapien zu entwickeln.

   
   

6. Quantenkünstliches Leben und komplexe Systeme

Quantencomputing hat das Potenzial, auf verschiedene Weise zur Erforschung künstlichen Lebens und komplexer Systeme beizutragen. Hier sind einige Schlüsselaspekte, auf die Quantencomputing einen Einfluss haben kann:

1. Simulation komplexer Systeme : Quantencomputer können komplexe Systeme effizienter simulieren als klassische Computer und ermöglichen es Forschern, tiefere Einblicke in das Verhalten und die Dynamik von künstlichem Leben und komplexen Systemen zu gewinnen. Durch die Modellierung von Quanteneffekten und -wechselwirkungen können Quantensimulationen eine genauere Darstellung der zugrunde liegenden Physik und Chemie dieser Systeme liefern.

   
   

2. Quantenmaschinelles Lernen : Quantenmaschinelle Lernalgorithmen können zur Analyse und zum Verständnis komplexer Systeme eingesetzt werden. Quantencomputer können große Datensätze effizienter verarbeiten und analysieren, was besonders wertvoll für die Untersuchung komplexer Muster und entstehender Verhaltensweisen in künstlichem Leben und komplexen Systemen ist. Techniken des maschinellen Quantenlernens können dabei helfen, verborgene Zusammenhänge aufzudecken, Systemparameter zu optimieren und Vorhersagen über das Systemverhalten zu treffen.

   
   

3. Optimierung und Suche : Komplexe Systeme bringen häufig Optimierungs- und Suchprobleme mit sich, beispielsweise das Finden optimaler Konfigurationen oder die Suche nach Mustern innerhalb eines riesigen Parameterraums. Quantencomputing kann bei der Lösung dieser Probleme möglicherweise klassische Algorithmen übertreffen und schnellere und effizientere Lösungen bieten. Quantenalgorithmen wie Quantum Annealing oder quanteninspirierte Optimierungsalgorithmen können angewendet werden, um diese Optimierungs- und Suchherausforderungen zu bewältigen.

   
   

4. Erforschung quanteninspirierter Modelle : Quantencomputing kann die Entwicklung neuartiger Rechenmodelle für künstliches Leben und komplexe Systeme inspirieren. Quanteninspirierte Modelle lassen sich von Quantenphänomenen und -prinzipien inspirieren, um neue Ansätze für die Modellierung komplexer Systeme zu entwickeln. Diese Modelle können die in Quantensystemen vorkommenden Nichtlinearitäts-, Verschränkungs- und Überlagerungseffekte erfassen und so ein differenzierteres Verständnis der Dynamik und des Verhaltens komplexer Systeme ermöglichen.

   
   

5. Netzwerkanalyse : Quantenalgorithmen können die Netzwerkanalyse verbessern, die für das Verständnis komplexer Systeme, die durch miteinander verbundene Einheiten gekennzeichnet sind, von entscheidender Bedeutung ist. Quantencomputer können graphbasierte Probleme wie Zentralitätsanalyse, Clustering und Community-Erkennung effizient lösen, die für die Aufklärung der Struktur und Dynamik komplexer Systeme von grundlegender Bedeutung sind.

   
   

7. Hochenergiephysik und Grundlagenforschung

Quantencomputing hat das Potenzial, die Hochenergie- und Grundlagenforschung erheblich zu beeinflussen, insbesondere auf dem Gebiet der Quantenfeldtheorie, Teilchenphysik und Kosmologie, wie zum Beispiel:

1. Quantensimulationen von Teilchenwechselwirkungen : Quantencomputer können das Verhalten von Quantenfeldtheorien genauer und effizienter simulieren als klassische Computer. Die Quantenfeldtheorie beschreibt die grundlegenden Wechselwirkungen von Teilchen, und die Simulation dieser Wechselwirkungen kann Einblicke in das Verhalten subatomarer Teilchen und ihre Wechselwirkungen bei hohen Energien liefern. Quantensimulationen können dabei helfen, Phänomene wie Teilchenstreuung, Teilchenzerfall und die Dynamik von Teilchenkollisionen zu untersuchen.

   
   

2. Gitterquantenchromodynamik (QCD) : Quantenchromodynamik ist die Theorie, die die starke Kraft beschreibt, die Quarks und Gluonen verbindet, um Protonen, Neutronen und andere Hadronen zu bilden. Gitter-QCD ist eine numerische Technik zur Untersuchung der QCD auf einem diskreten Raum-Zeit-Gitter. Quantencomputer können möglicherweise Gitter-QCD-Berechnungen verbessern, indem sie Quantenalgorithmen und Quantensimulationen nutzen, was zu genaueren Vorhersagen hadronischer Eigenschaften und Wechselwirkungen führt.

   
   

3. Optimierungsprobleme im experimentellen Design : Hochenergie- und Grundlagenforschung beinhalten häufig komplexe Optimierungsprobleme, wie z. B. die Optimierung von Detektordesigns, Datenanalysealgorithmen oder Suchstrategien für neue Teilchen oder Phänomene. Quantencomputing kann durch quanteninspirierte Optimierungsalgorithmen wie Quantum Annealing oder Variationsquantenalgorithmen effiziente Lösungen für diese Optimierungsprobleme liefern.

   
   

4. Quanteninformation und -verschränkung : Quantencomputer können zur Untersuchung von Verschränkung und Quanteninformation in der Hochenergie- und Grundlagenforschung beitragen. Verschränkung ist ein grundlegendes Konzept der Quantenmechanik und ihr Verständnis ist für die Untersuchung von Quantensystemen von entscheidender Bedeutung. Quantencomputer können dabei helfen, verschränkte Zustände, Quantenkorrelationen und für die Teilchenphysik relevante Quanteninformationsverarbeitungsaufgaben wie Quantenteleportation oder Quantenfehlerkorrektur zu analysieren.

   
   

5. Quantengravitation und Kosmologie : Quantencomputer können Einblicke in die Erforschung der Quantengravitation und des frühen Universums bieten. Die Vereinheitlichung von Quantenmechanik und allgemeiner Relativitätstheorie ist eine der großen Herausforderungen der theoretischen Physik. Quantencomputer können möglicherweise dabei helfen, Quantengravitationsmodelle zu erforschen, die Physik Schwarzer Löcher zu simulieren und die Quantennatur des frühen Universums zu untersuchen.

   
   

8. Finanzmodellierung und Wirtschaftsprognosen

Quantencomputing hat das Potenzial, Wirtschaftsmodelle und Finanzprognosen auf verschiedene Weise zu beeinflussen. Während Quantencomputer noch nicht in der Lage sind, komplexe wirtschaftliche und finanzielle Probleme der realen Welt zu lösen, untersuchen laufende Forschungs- und Entwicklungsarbeiten auf diesem Gebiet die potenziellen Vorteile, wie zum Beispiel:

1. Portfoliooptimierung und Vermögensallokation : Quantenalgorithmen können potenziell effizientere Lösungen für Portfoliooptimierungsprobleme bieten. Diese Algorithmen können einen größeren Lösungsraum erkunden und komplexere Wechselwirkungen zwischen Assets berücksichtigen, was zu verbesserten Asset-Allokationsstrategien führt. Quantencomputer können die Optimierung großer Portfolios mit vielen Vermögenswerten ermöglichen und so zu diversifizierteren und risikobewussteren Anlagestrategien führen.

   
   

2. Optionspreisgestaltung und Risikoanalyse : Finanzderivate wie Optionen können rechenintensive Berechnungen erfordern, insbesondere wenn mehrere Faktoren und Risikoparameter berücksichtigt werden. Quantencomputer bieten möglicherweise schnellere und genauere Simulationen der Preisbewegungen zugrunde liegender Vermögenswerte und ermöglichen so präzisere Optionspreismodelle und Risikoanalysen. Dies kann Finanzinstituten und Anlegern helfen, fundiertere Entscheidungen zu treffen.

   
   

3. Monte-Carlo-Simulationen : Quantencomputing hat das Potenzial, Monte-Carlo-Simulationen zu beschleunigen, die in der Finanzmodellierung weit verbreitet sind. Bei Monte-Carlo-Simulationen werden mehrere Zufallsszenarien generiert, um mögliche Ergebnisse zu analysieren. Quantencomputer können diese Simulationen möglicherweise beschleunigen und so eine genauere Risikobewertung, Preisgestaltung für Derivate und andere Finanzberechnungen ermöglichen.

   
   

4. Kreditrisikobewertung und Betrugserkennung : Quantenmaschinelle Lernalgorithmen können zur Analyse großer Mengen an Finanzdaten zur Kreditrisikobewertung und Betrugserkennung eingesetzt werden. Quantencomputer können Daten effizienter verarbeiten und analysieren und ermöglichen so eine schnellere und genauere Identifizierung von Kreditrisiken, Betrugsmustern und Anomalien bei Finanztransaktionen.

   
   

5. Quantenkryptographie und sichere Transaktionen : Quantencomputing bietet auch potenzielle Vorteile im Bereich der finanziellen Cybersicherheit. Die Quantenkryptographie bietet stärkere Verschlüsselungsmethoden, die auf den Prinzipien der Quantenmechanik basieren und eine höhere Sicherheit für Finanztransaktionen und Kommunikation bieten. Quantenresistente kryptografische Algorithmen können sensible Finanzdaten vor möglichen Angriffen zukünftiger Quantencomputer schützen.

Abschluss

Was ist also Quantencomputing?

Eine neue Ära.

Eine neue Grenze in der Wissenschaft.

Ein Bereich, der potenziell unendliches Potenzial hat.

Ein Feld unglaublicher Schätze und intellektueller Reichtümer für die Köpfe, die kreativ und einfallsreich genug sind, sie ins Leben zu rufen.

Und nein, Sie müssen weder Quantenmechanik noch Quantenphysik kennen, um einen Quantencomputer zu programmieren. Lineare Algebra, komplexe Zahlen, Vektorrechnung und Optimierung – genug Wissen.

Wenn Sie jedoch in die Forschung gehen möchten, empfehlen wir Ihnen, zusätzlich die Quantenmechanik zu erlernen. Nur damit Sie sich nicht im Äther verloren fühlen, wenn jemand „Wellenfunktion“ sagt.

Welche Herausforderungen erwarten Sie?

Wer wird der Einstein des Quantencomputings sein?

Werden wir das unglaubliche Potenzial des Quantencomputings jemals erfolgreich nutzen können?

Wenn wir das tun, werden wir Wunder vollbringen.

Meine lieben, lieben Freunde:

Die Zukunft ist Quantum.

Und es liegt in Deinen Händen.

Quantenforschung steht allen Interessierten offen!

Erinnerung an mich selbst – fügen Sie in zukünftigen Artikeln etwas Humor hinzu. In diesem Fall könnten die Leute sie tatsächlich wirklich lesen und nicht nur ultraschnell nach unten scrollen, nur mit Anfang und Ende!