10:05 - 10:30 | Vortrag | Prof. Dr. Maximilian Moll | Forschungsinstitut CODE

Titel: Quantum Machine Learning: Zwischen Analyse in fremden Welten und realen Ergebnissen

Quantum Machine Learning (QML) verspricht eine Revolution in der Art und Weise, wie wir Daten analysieren, Muster erkennen und Entscheidungen treffen. Zwischen der Faszination für Quantenmechanik und der praktischen Anwendung in heutigen hybriden Architekturen bewegt sich QML im Spannungsfeld von visionärer Theorie und technischer Realität. Dieser Vortrag beleuchtet, wie sich klassische und Quantenverfahren im Machine Learning ergänzen, welche Rolle parametrische Quantenschaltungen und Embeddings spielen und wo aktuelle Grenzen und Möglichkeiten liegen. Anhand von Anwendungsbeispielen und Forschungseinblicken wird diskutiert, wie die Zustandsmanipulation „in fremden Welten“ schrittweise in reale Resultate überführt werden kann – mit einem Fokus auf Robustheit, Generalisierbarkeit, und Zukunftsperspektiven für Anwendung und Forschung. 

zur Person: 

Prof. Dr. Maximilian Moll leitet die Forschungsgruppe „Data-driven Aviation Management“ von Munich Aerospace und ist Vize-Leiter der Arbeitsgruppe „Simulation und Optimierung komplexer Systeme“ der Gesellschaft für Operations Research. Für seine Dissertation erhielt er einen Forschungspreis der Universität der Bundeswehr München.

Prof. Molls Forschung konzentriert sich auf Reinforcement Learning, einem der drei Teilgebiete des Machine Learning. Hierbei interessieren ihn besonders die Kombinationsmöglichkeiten mit klassischem Operations Research sowie die Anwendungsmöglichkeiten im Prescriptive Analytics. Letzteres bewegt sich jenseits von Predictive Analytics, indem es nicht nur versucht die Zukunft vorherzusagen, sondern auch optimale Handlungsanweisungen zu geben.