Skip to main content
Weiter zur Homepage der Europäischen Kommission (öffnet in neuem Fenster)
Deutsch de
CORDIS - Forschungsergebnisse der EU
CORDIS

quantum-enhanced shadows: scalable quantum-to-classical converters

Projektbeschreibung

Dem skalierbaren quanten-klassischen Übergang mit quantenverstärkten Schatten den Weg bereiten

Bei groß angelegten Quantenexperimenten entsteht ein kritischer Engpass an der Schnittstelle zwischen Quantensystemen und klassischen Systemen, wo die effiziente und maßstabsgerechte Übertragung von Informationen ein erhebliches Hindernis darstellt. Um dieses Problem zu lösen, werden im Rahmen des ERC-finanzierten Projekts q-shadows Schatten, also innovative Konverter des quanten-klassischen Übergangs entwickelt. Mithilfe von Randomisierung und quantenverstärkten Auslesevorgängen übersetzen diese Schatten Quantendaten effizient in klassische Formate und optimieren so die Vorhersage und Skalierbarkeit von Systemmerkmalen. Sie sind mit aktueller Quantenhardware kompatibel und nutzen einzigartige Quanteneffekte für Skalierbarkeit, während sie proprietäre Protokolle für klassisches datengestütztes Lernen aus Quantendaten integrieren. Schließlich werden im Rahmen des Projekts Instrumente entwickelt, die eine zuverlässige Ausführung von Quantenhardware gewährleisten und die Theorie mit der Anwendung verbinden. Unter der Leitung eines interdisziplinären Sachverständigen legt q-shadows den Grundstein für eine fortgeschrittene, skalierbare Quanten-Datenverarbeitung und -Lernfähigkeit und macht die Entwicklung der Quantentechnologie zukunftssicher.

Ziel

Large-scale quantum experiments do not work in isolation. Substantial classical computing power is required to control the experiment and process the results. This necessarily creates information-transmission bottlenecks at the interface between quantum and classical realms. These bottlenecks create scalability issues that prevent us from using existing architectures to the best of their capabilities and may even impair our ability to further scale up system sizes.

In this project, we adopt a unifying framework that takes into account all computing resources (quantum and classical). We develop quantum-to-classical converters to overcome information-transmission bottlenecks. Dubbed shadows, they leverage randomization, as well as quantum-enhanced readout strategies to obtain a succinct classical description of an underlying quantum system that can then be used to efficiently predict many features at once. The shadow paradigm is compatible with near-term quantum hardware and utilizes genuine quantum effects that do not have a classical counterpart. Building on these ideas, we also establish rigorous synergies between quantum experiments and classical machine learning. Shadow learning protocols use shadows to succinctly represent training data obtained from actual quantum experiments. A classical training stage then enables data-driven learning of genuine quantum phenomena. Finally, we develop new tools to ensure reliable execution on current quantum hardware, thus bridging the gap between theory and experiment.

My interdisciplinary skill set combines methods from modern computer science with quantum information and has already led to numerous high-impact contributions (e.g. 1 Nature Physics with more than 350 citations and 2 Science publications). These insights form the basis for this larger project, where we lay the foundation for scalable and practical quantum data processing and learning that can keep up and grow with future improvements in quantum technology.

Wissenschaftliches Gebiet (EuroSciVoc)

Dieses Projekt wurde noch nicht bei EuroSciVoc klassifiziert.
Schlagen Sie die Wissenschaftsbereiche vor, die Ihrer Einschätzung nach besonders relevant sind, und helfen Sie uns, unseren Klassifizierungsdienst zu verbessern.

Schlüsselbegriffe

Programm/Programme

Thema/Themen

Finanzierungsplan

HORIZON-ERC - HORIZON ERC Grants

Alle im Rahmen dieses Finanzierungsinstruments finanzierten Projekte anzeigen

Aufforderung zur Vorschlagseinreichung

(öffnet in neuem Fenster) ERC-2023-STG

Alle im Rahmen dieser Aufforderung zur Einreichung von Vorschlägen finanzierten Projekte anzeigen

Gastgebende Einrichtung

UNIVERSITAT LINZ
Netto-EU-Beitrag
€ 1 500 000,00
Adresse
ALTENBERGER STRASSE 69
4040 Linz
Österreich
Region
Westösterreich Oberösterreich Linz-Wels
Aktivitätstyp
Higher or Secondary Education Establishments
Links
Gesamtkosten
€ 1 500 000,00

Begünstigte (1)