In this thesis, we address the synergies between the fields of artificial neural networks and quantum information processing with regard to the computational tasks of pattern recognition and associative memory. We present an overview on the subject of quantum computational intelligence as well as the state-of-the-art on quantum associative memory and quantization of general neural networks. We introduce a novel quantum pattern recognition scheme which builds upon the ideas of classic Hopfield neural network and adiabatic quantum computation. The key element of the method is given by a composite Hamiltonian which incorporates both the memory of the system and the input information for the purpose of their comparison by means of adiabatic time evolution. A proof of principle for the proposed method is provided using a liquid state NMR quantum computer with two qubits.     «

In this thesis, we address the synergies between the fields of artificial neural networks and quantum information processing with regard to the computational tasks of pattern recognition and associative memory. We present an overview on the subject of quantum computational intelligence as well as the state-of-the-art on quantum associative memory and quantization of general neural networks. We introduce a novel quantum pattern recognition scheme which builds upon the ideas of classic Hopfield ne...     »

In der vorliegenden Arbeit werden Synergien zwischen künstlichen neuronalen Netzwerken und den Prinzipien der Quanteninformationsverarbeitung im Hinblick auf die Probleme der Mustererkennung und des assoziativen Speichers diskutiert. Wir geben einen Überblick über das Thema Quantum Computational Intelligence sowie den aktuellen Stand der assoziativen Quantenspeichermethoden und der Quantisierung von neuronalen Netzwerken. Wir beschreiben eine neue Methode der Mustererkennung mit Quantensystemen, die auf Ideen des klassischen neuronalen Hopfield Netzwerks und der adiabatischen Quantenalgorithmen aufbaut. Das Schlüsselelement ist dabei ein zusammengesetzer Hamiltonoperator, der sowohl den Speicher des Systems als auch die Eingabeinformationen repräsentiert und ihren Vergleich durch eine adiabatische Zeitentwicklung erlaubt. Die praktische Umsetzung des Verfahrens mit einem NMR Quantencomuter für den Fall von zwei Qubits wird vorgestellt.     «

In der vorliegenden Arbeit werden Synergien zwischen künstlichen neuronalen Netzwerken und den Prinzipien der Quanteninformationsverarbeitung im Hinblick auf die Probleme der Mustererkennung und des assoziativen Speichers diskutiert. Wir geben einen Überblick über das Thema Quantum Computational Intelligence sowie den aktuellen Stand der assoziativen Quantenspeichermethoden und der Quantisierung von neuronalen Netzwerken. Wir beschreiben eine neue Methode der Mustererkennung mit Quantensystemen,...     »