Theoretisch-physikalisches Seminar (SS24)

AI goes quantum: From neural networks to quantum machine learning

Ort: Gebäude E2 6 - Seminarraum E04 (0.04)
Zeit: Mittwoch, 12 Uhr (c.t.)
Beginn: 14.04.2024
Veranstaltungsnummer: 149534
Poster: poster_ss24_quantumAI.pdf

Zielgruppe: Das Seminar gibt Einblicke in unsere aktuelle Forschung im Bereich künstlicher Intelligenz und stellt klassische Algorithmen ihren quantenmechanischen Versionen gegenüber. Es ist für Studierende, die Interesse an einer Master- oder Bachelorarbeit bei uns haben, besonders zu empfehlen. Studierende, die einen Seminarschein erlangen wollen (z.B. im Master-Studiengang Physik, Quantum Engineering, Informatik/Computer Science, Data Science and Artificial Intelligence), sind uns herzlich willkommen.

Kurzzusammenfassung (in English): We will discuss a selection of topics from classical machine learning (neural nets, reinforcement learning) that build the basis to understand recent trends in quantum convolutional neural networks, quantum reinforcement learning, and quantum machine learning algorithms applied to quantum data sets. 

Ansprechpartner:
Dr. habil. Philipp Hövel: philipp.hoevel(at)uni-saarland.de, Raum 4.03, Gebäude E2 6
Prof. Dr. Giovanna Morigi: giovanna.morigi(at)physik.uni-saarland.de, Raum 4.20, Gebäude E2 6
Prof. Dr. Peter P. Orth: peter.orth(at)uni-saarland.de, Raum 4.06, Gebäude E2 6

Terminplan

 DatumTitelVortragende/rBetreuung
 17.04.2024IntroductionPhilipp Hövel (PH)
Giovanna Morigi (GM)
Peter P. Orth (PO)		 
 24.04.2024Reservoir Computing (Papers 1-4)
Introduction to density operators - Part I		Philipp Hövel
Peter P. Orth		 
 01.05.2024Tag der Arbeit (kein Seminar)  
 02.05.2024Kathy Lüdge: "Photonic Reservoir Computing"
Physics Colloquium (4.00 p.m. c.t. Building C6.4, Lecture Hall II)		  
 08.05.2024Introduction to density operators - Part IIPeter P. Orth 
 15.05.2024How to give a presentation
Introduction to quantum channels		Philipp Hövel
Giovanna Morigi		 
●22.05.2024Kernel Methods 
(Linear Regression, Support Vector Machines...)		Joshua Weißenfels (Stephan Schuster)PH, PO
●29.05.2024QM Kernel MethodsStephan Schuster (Joshua Weißenfels)PO, PH
 05.06.2024Antonio Macaluso
 Variational Algorithm for Quantum Single Layer Perceptron		  
●12.06.2024Convolutional Neural Networks 
(The Perceptron, Deep learning, Backpropagation...)
QM Convolutional Neural Networks		Aaron Kreis, Robert HartmannPH, PO
●19.06.2024QML on Quantum Data/Transduction of Quantum StatesMarie Pullara, Alexander MoorGM, PO
●26.06.2024Reinforcement LearningMarie-Christine Meisberger, Lukas Rohrer, (Lena Wagner, Franz Krieger)GM, PO
 27.06.2024Andreas Amann (University College Cork): Multifunctionality in Reservoir Computers
Physikalisches Kolloquium (16 Uhr c.t. Gebäude C6.4, Hörsaal II)		  
●03.07.2024Decision Trees/Random ForestsJonas Linke (Joel Clohs)PH, GM
 04.07.2024Rebekka Burkholz:
"Can deep learning succeed at small scales?
Scaling up gene regulatory models to fight  underspecification"
Physics Colloquium (4.00 p.m. c.t. Building C6.4, Lecture Hall II)		  
●10.07.2024QM Reinforcement LearningLena Wagner, Franz Krieger (Marie-Christine Meisberger, Lukas Rohrer)GM, PO
●17.07.2024QM Decision Trees 
(application: Quantum Error Mitigation)		Joel Clohs (Jonas Linke)GM, PH
 24.07.2024Kein Seminar  

Vorträge, die mit einem ● bezeichnet sind, können von Studierenden gehalten werden, die einen Seminarschein (z.B. im Master-Studiengang Physik, Quantum Enginieering, Information Science) benötigen.

Literatur

Textbücher:

Publikationen:

  1. L. Appeltant, M.C. Soriano, G. Van der Sande, J. Danckaert, S. Massar, J. Dambre, B. Schrauwen, C.R. Mirasso, I. Fischer: Information processing using a single dynamical node as complex system,  Nature Communications 2, 468 (2011).

  2. Felix Köster, Dhruvit Patel, Alexander Wikner, Lina Jaurigue, Kathy Lüdge: Data-informed reservoir computing for efficient time-series prediction Chaos 33, 073109 (2023).

  3. Kathy Lüdge: Photonic reservoir computing for energy efficient and versatile machine learning application, The Royal Society of Victoria 135, 38–40 (2023).

  4. Herbert Jaeger: The “echo state” approach to analysing and training recurrent neural networks – with an Erratum note (2010).

Weitere Litereatur wird im Laufe des Seminars bekanntgeben.

Weitere Seminare und Kolloquien mit thematischer Nähe

Vortragsreihen: