Momentan auf dem
Portal vorhanden:

1
0
1
5
Videos


1
3
0
4
Audios

 

 

Uni-Logo
Sektionen
Sie sind hier: Startseite Gastvorträge im FRIAS Gastvorträge Hartmut Neven (Google): Künstliche …
Artikelaktionen

Hartmut Neven (Google): Künstliche Intelligenz oder: Warum Google einen Quantencomputer baut



FRIAS umd Hartmut Neven

Am 08. März 2016 hat Hartmut Neven, Entwicklungsleiter des Google Quantum Artificial Intelligence Laboratory, einen Vortrag zum Thema „Künstliche Intelligenz oder: Warum Google einen Quantencomputer baut“ gehalten. Hartmut Neven ist Experte auf den Gebieten Quantum-Computing, Computer Vision, Robotertechnik und Computer-Neurowissenschaften. Bekannt wurde er durch seine Forschung im Bereich Gesichts- und Objekt-Erkennung und Maschinelles Lernen.

Derzeit leitet Hartmut Neven das Google Quantum Artificial Intelligence Lab an der University of California, Santa Barbara. Das Team befasst sich mit der Entwicklung und Verbesserung Künstlicher Intelligenz und der Steigerung der Rechenleistung von Computer Systemen. Dabei experimentiert die Arbeitsgruppe mit Prozessortypen, um zu lernen, wie man Quantenressourcen am besten nutzen kann. Als gemeinsames Projekt von Google, der US-Raumfahrbehörde NASA und der Universities Space Research Asscoiation, einem Zusammenschluss von mehr als 100 Universitäten mit höheren Studiengängen zur Raumfahrtforschung, zielt das Team darauf hin, neue Quantum-Informations-Prozessoren zu entwickeln und zu bauen.

Neven wird in seinem Vortrag erklären, warum Quantencomputer die Entwicklung künstlicher Intelligenz beschleunigen können.


Abstract des Vortrags:

Quantencomputer ermöglichen es, wichtige Berechnungen für die Künstliche Intelligenz enorm zu beschleunigen. Ich werde zwei Architekturen von Prozessortypen beschreiben: Quantenoptimierer (Quantenannealer) und Quantenschaltungen. Das Google Quantum Artificial Intelligence Team experimentiert mit diesen Prozessortypen, um zu lernen, wie man Quantenressourcen am besten nutzen kann. Quantenoptimierer sind ein vielversprechendes Instrument um bessere Lösungen für harte kombinatorische Optimierungsprobleme zu finden. Als Beispiel, wie man Quantenoptimierung im maschinellen Lernen einsetzen kann, werde ich beschreiben, wie ein System von stark verrauschten Trainingsdaten lernen kann. Wir haben Quantenschaltungen eingesetzt, um ein Quanten Neuronales Netzwerk zu realisieren. In einer ersten Anwendung haben wir ein solches Netzwerk eingesetzt, um die Energien von molekularem Wasserstoff mit chemischer Genauigkeit zu bestimmen. Ein weiterer natürlicher Anwendungsbereich für Quantencomputer ist die Quantensimulation. Diese ist ein nützliches Werkzeug, um zum Beispiel effizientere Solarzellen oder Batterien zu entwickeln oder industrielle Katalysatoren zu bauen, die helfen können, CO2 aus der Luft zu extrahieren. „Codeknacken“ durch Primfaktorzerlegung hingegen, das in den Medien oft als Killerapplikation für Quantencomputer dargestellt wird, ist wahrscheinlich keine interessante Anwendung, die langfristige Auswirkungen haben wird.

Benutzerspezifische Werkzeuge