Quantum Computing
Wir erforschen Quantencomputing an der Schnittstelle zwischen Grundlagenforschung und Anwendung. Dabei integrieren wir grundlegende Quanteneffekte gezielt in die Entwicklung von Algorithmen für Quantensimulation, Quantum Machine Learning, Optimierung und Cybersicherheit.
Reale Quantenprozessoren sind nie vollständig von ihrer Umgebung isoliert: Sie unterliegen Fehlern, Dekohärenz und Dissipation, werden gemessen und zurückgesetzt. Wir entwickeln theoretische und numerische Methoden, um die dadurch entstehende nichtunitäre Dynamik zu beschreiben und die Fehler zu reduzieren. Ein zentraler Ansatz sind Quantum Walks und sogenannte First-Hitting-Time-Probleme: Wie lange dauert es, bis ein Quantensystem erstmals einen bestimmten Zielzustand erreicht? Diese Frage untersuchen wir theoretisch, in Simulationen und experimentell mithilfe von Mid-Circuit-Messungen auf realer Quantenhardware. Daraus ergeben sich mögliche Anwendungen in der Graph- und Netzwerkanalyse sowie in Suchalgorithmen. Im Quantum Reservoir Computing nutzen wir die natürliche Dynamik eines Quantensystems für maschinelles Lernen und Zeitreihenprognosen. Mit stochastischem Resetting übertragen wir zudem ein etabliertes Konzept auf die Quantenwelt: Jeder Reset kann als neue Form der Steuerung eine nichtklassische Beschleunigung, z.B. in Optimierungsalgorithmen, ermöglichen.
