Forum für Wissenschaft, Industrie und Wirtschaft

Hauptsponsoren:     3M 
Datenbankrecherche:

 

Quantenboost für künstliche Intelligenz

26.09.2016

Intelligente Maschinen, die selbständig lernen, gelten als Zukunftstrend. Forscher der Universität Innsbruck und des Joint Quantum Institute in Maryland, USA, loten nun in der Fachzeitschrift Physical Review Letters aus, wie Quantentechnologien dabei helfen können, die Methoden des maschinellen Lernens weiter zu verbessern.

In selbstfahrenden Autos, IBM's Watson oder Google's AlphaGo sind Computerprogramme am Werk, die aus Erfahrungen lernen können. Solche Maschinen werden im Zuge der Digitalisierung in vielen Lebensbereichen Einzug halten. Bei der Erforschung von Methoden der künstlichen Intelligenz steht besonders der Ansatz des bestärkenden Lernens im Mittelpunkt.


Die Forscher konnten zeigen, wie Standardalgorithmen der Quanteninformationsverarbeitung Agenten dabei helfen können, wenn es darum geht zu lernen, wie man am besten durch ein Labyrinth navigiert.

Vedran Dunjko

Dabei bewegen sich Agenten in einer Umgebung und reagieren auf Belohnungen und Bestrafungen. Sie erlernen selbständig eine Strategie, um die erhaltenen Belohnungen zu maximieren. Für Agenten und Umgebungen, die den Gesetzen der Quantenphysik gehorchen, wurde dieses Modell bisher kaum untersucht. In diese Lücke stoßen nun Vedran Dunjko und Hans Briegel vom Institut für Theoretische Physik der Universität Innsbruck sowie Jacob M. Taylor vom Joint Quantum Institute in Maryland, USA, vor. Sie legen in der Fachzeitschrift Physical Review Letters eine umfassende Analyse von Methoden des maschinellen Lernens unter Quantenbedingungen vor.

Lernen in der Quantenwelt

Die Frage, wie Quantencomputer die Leistung von lernenden Computern verbessern können, wurde bisher vor allem im Kontext sehr spezieller Fragestellungen diskutiert, so zum Beispiel zur Beschleunigung von Bilderkennungsprogrammen. „Wir haben einen breiteren Ansatz gewählt und untersucht, wie Methoden des maschinellen Lernens mit Hilfe von quantenphysikalischen Konzepten verbessert werden können“, erklärt Vedran Dunjko. „Dabei haben wir theoretisch analysiert, welche Ergebnisse sich erzielen lassen, wenn Agent und Umwelt quantenphysikalischen Gesetzen unterliegen, also zum Beispiel miteinander verschränkt sind.“

Die Forscher übersetzen das Konzept des bestärkenden Lernens in die Quantenwelt und klären dabei schwierige Fragen, etwa was es heißt, wenn Quantenagenten mit der Umwelt interagieren oder wie die Geschichte dieser Interaktionen in der Quantenwelt sinnvoll beschrieben werden kann. „Wir konnten auch zeigen, wie Standardalgorithmen der Quanteninformationsverarbeitung Agenten dabei helfen können , schneller in einer Umgebung zu lernen, in der ein glücklicher Zug zu Beginn am Ende einen großen Unterschied machen kann, zum Beispiel wenn es darum geht zu lernen, wie man am besten durch ein Labyrinth navigiert“, erläutert Vedran Dunjko.

Einblick in das Weltgefüge?

In Zukunft wollen die Forscher zum Beispiel untersuchen, ob ein Quantencomputer mit Hilfe eines Quantenagenten schneller seine Umwelt erkennen kann, um durch Störungen verursachte Rechenfehler rechtzeitig zu korrigieren. Die Arbeit der Physiker könnte aber auch eine neues Licht auf die Frage werfen, wie unsere klassische Alltagswelt aus Wechselwirkungen entstehen kann, die auf mikroskopischer Ebene den Gesetzen der Quantenphysik gehorchen. „Das Verständnis darüber, wie lernende Quantenagenten mit einer Quantenumwelt interagieren, könnte neue Einsichten in diese sehr grundlegende Frage liefern“, ist auch der Leiter der Arbeitsgruppe, Hans Briegel, überzeugt.

Finanziell unterstützt werden die Arbeiten der Theoretiker unter anderem vom österreichischen Wissenschaftsfonds FWF und der Templeton World Charity Foundation.


Publikation: Quantum-Enhanced Machine Learning. Vedran Dunjko, Jacob M. Taylor, Hans J. Briegel. Phys. Rev. Lett. 117, 130501 (2016). DOI: 10.1103/PhysRevLett.117.130501

Rückfragehinweis:
Dr. Vedran Dunjko
Institut für Theoretische Physik
Universität Innsbruck
Telefon: +43 512 507 52240
E-Mail: vedran.dunjko@uibk.ac.at

Dr. Christian Flatz
Büro für Öffentlichkeitsarbeit
Universität Innsbruck
Telefon: +43 512 507 32022
E-Mail: christian.flatz@uibk.ac.at

Weitere Informationen:

http://dx.doi.org/10.1103/PhysRevLett.117.130501 - Quantum-Enhanced Machine Learning. Vedran Dunjko, Jacob M. Taylor, Hans J. Briegel. Phys. Rev. Lett. 117, 130501 (2016)
http://www.qic-innsbruck.org - Arbeitsgruppe Quantum Information & Computation

Dr. Christian Flatz | Universität Innsbruck
Weitere Informationen:
http://www.uibk.ac.at

Weitere Nachrichten aus der Kategorie Physik Astronomie:

nachricht Leibniz-IWT an Raumfahrtmission beteiligt: Bremer unterstützen Experimente im All
14.08.2018 | Leibniz-Institut für Werkstofforientierte Technologien

nachricht Intensive Laser-Cluster Wechselwirkungen führen zu niedrigenergetischer Elektronenemission
09.08.2018 | Forschungsverbund Berlin e.V.

Alle Nachrichten aus der Kategorie: Physik Astronomie >>>

Die aktuellsten Pressemeldungen zum Suchbegriff Innovation >>>

Die letzten 5 Focus-News des innovations-reports im Überblick:

Im Focus: Magnetische Antiteilchen eröffnen neue Horizonte für die Informationstechnologie

Computersimulationen zeigen neues Verhalten von Antiskyrmionen bei zunehmenden elektrischen Strömen

Skyrmionen sind magnetische Nanopartikel, die als vielversprechende Kandidaten für neue Technologien zur Datenspeicherung und Informationsverarbeitung gelten....

Im Focus: Unraveling the nature of 'whistlers' from space in the lab

A new study sheds light on how ultralow frequency radio waves and plasmas interact

Scientists at the University of California, Los Angeles present new research on a curious cosmic phenomenon known as "whistlers" -- very low frequency packets...

Im Focus: Neue interaktive Software: Maschinelles Lernen macht Autodesigns aerodynamischer

Neue Software verwendet erstmals maschinelles Lernen um Strömungsfelder um interaktiv designbare 3D-Objekte zu berechnen. Methode wird auf der renommierten SIGGRAPH-Konferenz vorgestellt

Wollen Ingenieure oder Designer die aerodynamischen Eigenschaften eines neu gestalteten Autos, eines Flugzeugs oder anderer Objekte testen, lassen sie den...

Im Focus: New interactive machine learning tool makes car designs more aerodynamic

Scientists develop first tool to use machine learning methods to compute flow around interactively designable 3D objects. Tool will be presented at this year’s prestigious SIGGRAPH conference.

When engineers or designers want to test the aerodynamic properties of the newly designed shape of a car, airplane, or other object, they would normally model...

Im Focus: Der Roboter als „Tankwart“: TU Graz entwickelt robotergesteuertes Schnellladesystem für E-Fahrzeuge

Eine Weltneuheit präsentieren Forschende der TU Graz gemeinsam mit Industriepartnern: Den Prototypen eines robotergesteuerten CCS-Schnellladesystems für Elektrofahrzeuge, das erstmals auch das serielle Laden von Fahrzeugen in unterschiedlichen Parkpositionen ermöglicht.

Für elektrisch angetriebene Fahrzeuge werden weltweit hohe Wachstumsraten prognostiziert: 2025, so die Prognosen, wird es jährlich bereits 25 Millionen...

Alle Focus-News des Innovations-reports >>>

Anzeige

Anzeige

VideoLinks
Industrie & Wirtschaft
Veranstaltungen

Das Architekturmodell in Zeiten der Digitalen Transformation

14.08.2018 | Veranstaltungen

EEA-ESEM Konferenz findet an der Uni Köln statt

13.08.2018 | Veranstaltungen

Digitalisierung in der chemischen Industrie

09.08.2018 | Veranstaltungen

VideoLinks
Wissenschaft & Forschung
Weitere VideoLinks im Überblick >>>
 
Aktuelle Beiträge

Macht Sinn: Fraunhofer entwickelt Sensorsystem für KMU

15.08.2018 | Energie und Elektrotechnik

Magnetische Antiteilchen eröffnen neue Horizonte für die Informationstechnologie

15.08.2018 | Informationstechnologie

FKIE-Wissenschaftler präsentiert neuen Ansatz zur Detektion von Malware-Daten in Bilddateien

15.08.2018 | Informationstechnologie

Weitere B2B-VideoLinks
IHR
JOB & KARRIERE
SERVICE
im innovations-report
in Kooperation mit academics