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,...
»