Keynote am World Quantum Computing & Engineering Summit
Prof. Dr. Rudolf M. Füchslin vom Quantum Lab hielt am World Quantum Computing & Engineering Summit (WQCES 2026) in Bern eine Keynote mit dem Titel «Quantum Machine Learning: Surprising Efficiency in Real Applications».
Der Vortrag gab einen Überblick über aktuelle Ansätze im Bereich Quantum Machine Learning. Im Mittelpunkt standen schaltungsbasierte Modelle und deren industrielle Relevanz. Dabei stellte Füchslin das klassische, algorithmusorientierte Paradigma des gatterbasierten Quantencomputings parametrisierten Quantenschaltungen gegenüber, bei denen Ausdrucksstärke, Trainierbarkeit und Hardwarebeschränkungen eine zentrale Rolle spielen.
Vorgestellt wurden verschiedene Ansätze des Quantum Machine Learning, darunter quantenunterstützte Feature Maps, variationelle Klassifikations- und Regressionsmodelle, Quantenkernelmethoden sowie hybride klassisch-quantenbasierte Lernarchitekturen. Zudem zeigte der Vortrag Anwendungen, die sowohl hinsichtlich ihres Umfangs als auch ihrer praktischen Relevanz bereits über einfache Demonstrationsbeispiele hinausgehen. Dazu gehören Quantum Machine Learning für Entity Matching und die Analyse von Spektraldaten.
Ein zentraler Aspekt war ein kürzlich beobachteter Verbesserungseffekt, der nicht dem üblichen Narrativ des «Quantum Speed-up» entspricht: eine stabilere und schnellere Konvergenz der Modelle.
Hinter diesen Arbeiten steht das klare Ziel, Wissenschaft und Industrie stärker miteinander zu verbinden. Grundlage dafür ist die Überzeugung, dass theoretische Ansätze ihr volles Potenzial erst dann entfalten, wenn sie mit den komplexen Anforderungen realer Problemstellungen konfrontiert werden.