Projektbeschreibung
Neuronale Netze könnten bald auf Quantenhardware laufen
Künstliche neuronale Netze, welche die Art und Weise simulieren, wie das menschliche Gehirn Informationen analysiert und verarbeitet, werden verwendet, um komplexe Muster und Vorhersageprobleme zu modellieren. Bei diesem Ansatz wird normalerweise Software statt Hardware erstellt, die Neuronen nachahmt. Das EU-finanzierte Projekt Quromorphic plant die Umsetzung von neuromorphem Computing auf Hardwareebene. Das Projekt zielt darauf ab, den ersten dedizierten neuronalen Netzwerkcomputer zu bauen, der nach quantenmechanischen Prinzipien arbeitet. Er wird in Hardware aus supraleitenden Stromkreisen eingebaut. Neuromorphe Quantenhardware könnte möglicherweise die klassischen von-Neumann-Architekturen übertreffen, da sie parallel auf mehreren Sätzen realer Daten trainiert werden kann.
Ziel
The Quromorphic project will introduce human brain inspired hardware with quantum functionalities: It will build superconducting quantum neural networks to develop dedicated, neuromorphic quantum machine learning hardware, which can, in its next generation, outperform classical von Neumann architectures. This breakthrough will combine two cutting edge developments in information processing, machine learning and quantum computing, into a radically new technology. In contrast to established machine learning approaches that emulate neural function in software on conventional von Neumann hardware, neuromorphic quantum hardware can offer a significant advantage as it can b e trained on multiple batches of real world data in parallel. This feature is expected to lead to a quantum advantage. Moreover, our approach of implementing neuromorphic quantum hardware is very promising since there exist indications that a quantum advantage in machine learning can already be achieved with moderate fault tolerance. In a longer term perspective neuromorphic hardware architectures will become extremely important in both, classical and quantum computing, particularly for distributed and embedded computing tasks, where the vast scaling of existing architectures does not provide a long-term solution. Quromorphic aims to provide proof of concept demonstrations of this new technology and a roadmap for the path towards its exploitation. To achieve this breakthrough, we will implement two classes of quantum neural networks that have immediate applications in quantum machine learning, feed forward networks and non-equilibrium quantum annealers. This effort will be completed by the development of strategies for scaling the devices to the threshold where they will surpass the capabilities of existing machine learning technology and achieve quantum advantage. In preparation for future exploitation of this new technology, we will run simulations to explore its application to real world problems.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
- NaturwissenschaftenInformatik und InformationswissenschaftenSoftware
- Technik und TechnologieElektrotechnik, Elektronik, InformationstechnikElektrotechnikHardwareQuantencomputer
- NaturwissenschaftenInformatik und Informationswissenschaftenkünstliche Intelligenzmaschinelles Lernen
- NaturwissenschaftenInformatik und InformationswissenschaftenDatenwissenschaftenDatenverarbeitung
- NaturwissenschaftenInformatik und Informationswissenschaftenkünstliche IntelligenzComputational Intelligence
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Wir bitten um Entschuldigung ... während der Ausführung ist ein unerwarteter Fehler aufgetreten.
Sie müssen sich authentifizieren. Ihre Sitzung ist möglicherweise abgelaufen.
Vielen Dank für Ihr Feedback. Sie erhalten in Kürze eine E-Mail zur Übermittlungsbestätigung. Wenn Sie sich für eine Benachrichtigung über den Berichtsstatus entschieden haben, werden Sie auch im Falle einer Änderung des Berichtsstatus benachrichtigt.
Schlüsselbegriffe
Programm/Programme
Aufforderung zur Vorschlagseinreichung
(öffnet in neuem Fenster) H2020-FETOPEN-2018-2020
Andere Projekte für diesen Aufruf anzeigenUnterauftrag
H2020-FETOPEN-2018-2019-2020-01
Finanzierungsplan
RIA -Koordinator
91058 ERLANGEN
Deutschland