Von Ralf Keuper

Der Ein­satz von Quan­ten­com­pu­tern im Ban­king beschränkt sich der­zeit auf eini­ge weni­ge Anwen­dungs­fäl­le, wie bei der Opti­mie­rung von Anla­gen­port­fo­li­os und beim maschi­nel­len Erken­nen von Betrugs­fäl­len. Hin­zu kom­men noch Unter­schie­de bei den Quan­ten­com­pu­tern sel­ber. Wenn es gelingt, die ver­schie­de­nen Quan­ten­com­pu­ter ihren Stär­ken ent­spre­chend zu kom­bi­nie­ren, wäre das von gro­ßem Vorteil.

Die­sen Ansatz ver­folgt das Unter­neh­men Mul­ti­ver­se Com­pu­ting aus dem bas­ki­schen San Sebas­ti­an durch die Ver­wen­dung von Quan­ten­al­go­rith­men. Dabei wird ein Algo­rith­mus an einen bestimm­ten Typ von Quan­ten­com­pu­ter ange­passt, der für das jewei­li­ge Pro­blem am bes­ten geeig­net ist[1]Ein wei­te­res Unter­neh­men, das auf die­sem Gebiet tätig ist, ist Cam­bridge Quan­tum. Dort hat man einen neu­en Algo­rith­mus zur Lösung von kom­bi­na­to­ri­schen Opti­mie­rungs­pro­ble­men ent­wi­ckelt. So eig­nen sich die Maschi­nen von D‑Wave gut für Opti­mie­rungs­pro­ble­me, wäh­rend die Quan­ten­com­pu­ter von IBM und IonQ bes­ser für maschi­nel­les Ler­nen geeig­net sind[2]Quan­tum algo­rith­ms that speed up ban­king ope­ra­ti­ons 100x are here. Mul­ti­ver­sum Co…

Refe­ren­ces

Refe­ren­ces
1 Ein wei­te­res Unter­neh­men, das auf die­sem Gebiet tätig ist, ist Cam­bridge Quan­tum. Dort hat man einen neu­en Algo­rith­mus zur Lösung von kom­bi­na­to­ri­schen Opti­mie­rungs­pro­ble­men entwickelt
2 Quan­tum algo­rith­ms that speed up ban­king ope­ra­ti­ons 100x are here