Erste Durchführung des Kurses Quantum Machine Learning
Im Frühlingssemester 2026 führte das Quantum Lab erstmals den Ergänzungskurs Quantum Machine Learning im Master of Science in Engineering (MSE) durch. Das am Institute of Computer Science (InIT) angesiedelte Seminar wurde von Dr. Pavel Sulimov geleitet und brachte Masterstudierende der ZHAW und der BFH aus unterschiedlichen ingenieurwissenschaftlichen Fachrichtungen zusammen.
Im Zentrum des Kurses stand die Frage, wo Quantencomputing und Machine Learning aufeinandertreffen und wie sich Quantenalgorithmen für Mustererkennung, Optimierung und prädiktive Analysen einsetzen lassen. Der Kurs beschränkte sich dabei nicht auf die Theorie, sondern verfolgte zwei konkrete Ziele: Die Studierenden sollten verstehen, was ein möglicher Quantenvorteil im Machine Learning bedeutet, und Quantum-Machine-Learning-Modelle anhand realitätsnaher Anwendungsfälle implementieren.
Im Verlauf des Semesters beschäftigten sich die Studierenden zunächst mit den Grundlagen des Quantencomputings und den zentralen Unterschieden zwischen klassischem und quantenbasiertem Machine Learning. Anschliessend experimentierten sie praktisch mit verschiedenen Datentypen – darunter Tabellen-, Text-, Bild- und Sprachdaten – sowie mit unterschiedlichen Ansätzen für Quantenschaltungen.
Die Studierenden entwickelten ein einfaches hybrides klassisch-quantenbasiertes neuronales Netzwerk und passten dessen Architektur schrittweise an. Zudem befassten sie sich mit praktischen Methoden, die das Training von Quantennetzwerken ermöglichen und verbessern, beispielsweise mit dem Umgang mit Nichtlinearität und der Vermeidung von Overfitting. Zum Abschluss bearbeiteten sie im Rahmen eines Projekts eine konkrete Problemstellung.
«Besonders beeindruckt hat mich, wie schnell die Studierenden von den theoretischen Grundlagen zu Lösungen mit einem konkreten Anwendungsbezug gelangten. Dass Studierende der ZHAW und der BFH mit sehr unterschiedlichen fachlichen Hintergründen gemeinsam ihre Ansätze vergleichen konnten, ist genau die Art von Austausch, die dieses junge Forschungsgebiet benötigt», sagt Pavel Sulimov, Leiter des ZHAW Quantum Lab.
Sämtliche Kursmaterialien und der dazugehörige Programmcode stehen allen Interessierten frei zur Verfügung.
Repository: github.com/sulimovp/quantum_machine_learning