Optimalizálási algoritmusok, kvantumos gépi tanulás és a mesterséges intelligencia alkalmazása a kvantumszámításban
Az elmúlt években óriási technológiai előrelépések történtek a kvantumszámítógépek fejlesztésének területén, azonban a kutatók és mérnökök a közeljövőben még arra fognak rákényszerülni, hogy zajos és köztes-méretű kvantumos (NISQ) eszközöket használjanak. Ez szükségessé teszi, hogy olyan kvantumalgoritmusokat és kvantumprotokollokat dolgozzunk ki, amelyeket optimálisan lehet kivitelezni a meglévő kvantumszámítógép-architektúrákon. A kvantumkapu-alapú architektúrára épülő eszközökre ún. variációs kvantumalgoritmusok kidolgozását tervezzük optimalizációs és gépi tanulási feladatok megoldására. Az adiabatikus kvantumszámítógép architektúrájú kvantumeszközök alkalmazásához pedig különböző megoldandó (jellemzően kombinatorikus) optimalizálási feladatot ún. “feltételek nélküli kvadratikus bináris feladatként” (Quadratic Unconstrained Binary Optimization, QUBO) fogalmazunk át.