Diese Doktorarbeit leistet einen Beitrag zum Design und zur Optimierung von Quantenspeichern. Diese sind zentrale Bestandteile vieler Anwendungen in der Quanteninformationstheorie. Im ersten Teil dieser Arbeit präsentieren wir eine Verallgemeinerung des Pauli-Stabilisator-Formalismus (PSF). Im Folgenden untersuchen wir, inwiefern es möglich ist, Grundzustände von topologischen Hamiltonians durch adiabatische Entwicklung zu generieren. Im letzten Teil zeigen wir, dass es möglich ist, maschinelles Lernen zu nutzen um dynamische Sequenzen zur Entkoppelung von Quantenspeichern zu optimieren.     «

Diese Doktorarbeit leistet einen Beitrag zum Design und zur Optimierung von Quantenspeichern. Diese sind zentrale Bestandteile vieler Anwendungen in der Quanteninformationstheorie. Im ersten Teil dieser Arbeit präsentieren wir eine Verallgemeinerung des Pauli-Stabilisator-Formalismus (PSF). Im Folgenden untersuchen wir, inwiefern es möglich ist, Grundzustände von topologischen Hamiltonians durch adiabatische Entwicklung zu generieren. Im letzten Teil zeigen wir, dass es möglich ist, maschinelles...     »