Suchen

Definition Was ist ein Quron?

Autor / Redakteur: Dipl.-Ing. (FH) Stefan Luber / Nico Litzel

Der Begriff Quron setzt sich aus den beiden Wörtern „Quantenbit“ und „Neuron“ zusammen. Es handelt sich um ein Neuron, das auf den Prinzipien der Quantenphysik basiert. Wie ein Qubit kann das Quron beliebige Zwischenzustände zwischen 0 und 1 oder aktiv und nicht aktiv annehmen. Erst beim Auslesen der Information legt es sich für einen konkreten Zustand fest. Aus Qurons lassen sich Quantum Neural Networks aufbauen.

Firmen zum Thema

(Bild: © aga7ta - stock.adobe.com)

Das Quron ist eine Wortschöpfung aus den beiden Begriffen „Qubit“ (Quantenbit) und „Neuron“. Alternative Bezeichnungen des Qurons sind Qubit-Neuron oder Quantenneuron. Es handelt sich um ein Neuron eines Künstlichen Neuronalen Netzwerks, das auf den Prinzipien der Quantenphysik basiert.

Aus Qurons lassen sich sogenannte Quantum Neural Networks (QNNs) aufbauen. Das Besondere am Quron ist, dass es beim Überschreiten eines Schwellwerts neben den beiden Zuständen feuernd (aktiv) und nicht feuernd (nicht aktiv) (entspricht 1 oder 0 beim Qubit) beliebige Zwischenzustände annehmen kann. Zudem können verschiedene Qurons miteinander verschränkt sein und sich gegenseitig beeinflussen. Das Quron unterliegt den Prinzipien der Kohärenz und der Superposition. Erst beim Auslesen der Information (Messen) legt sich das Quron für einen konkreten Zustand fest. Aufgrund der Möglichkeiten mehrerer gleichzeitiger Zustände und der Verschränkung von Qurons untereinander lassen sich mit einem aus Qurons bestehenden Quantum Neural Network schon mit wenigen Qurons und wenig Quron-Ebenen hohe Lern- und Klassifizierungsleistungen erzielen.

Die Grundlagen des Qubits

Um das Funktionsprinzip eines Qurons und dessen Einsatz in einem Quantum Neural Network besser zu verstehen, zunächst einige grundlegende Informationen zu Quantenbits und QNNs.

Qubit ist die Kurzbezeichnung für Quantenbit. Das Quantenbit ist die kleinste Informations- und Speichereinheit eines Quantencomputers. Es basiert auf den Gesetzen der Quantenphysik, verhält sich aber anders als normale Bits in einem herkömmlichen Computer. Normale Bits nehmen entweder den Zustand 0 oder 1 ein. Der Zustand ist physikalisch durch den Schaltungszustand eines Halbleiterschaltkreises repräsentiert. Eine Qubit kann im Gegensatz zum normalen Bit beliebige Zustände zwischen 0 und 1 gleichzeitig annehmen. Erst wenn der Zustand des Qubits ausgelesen (gemessen) wird, legt es sich für 0 oder 1 fest. Durch die Möglichkeit vieler gleichzeitiger Zustände und der Verschränkung verschiedener Qubits untereinander erzielen Quantencomputer schon mit wenigen Quantenbits enorme Rechenleistungen.

Die Grundlagen des Quantum Neural Networks (QNN)

Herkömmliche Neuronale Netzwerke sind aus Neuronen basierend auf den binären Zuständen 0 und 1 aufgebaut. 1 steht für aktiv oder feuernd und 0 für nicht aktiv oder nicht feuernd. Je größer die Datenmengen und je komplexer die Aufgabenstellungen werden, desto mehr steigt die Zeit, die herkömmliche Neuronale Netzwerke für das Trainieren und Lösen der Aufgaben benötigen. Deshalb versucht man beim Quantum Neural Network sich Prinzipien der Quantenmechanik zu bedienen, ähnlich wie bei Quantencomputern.

Ein QNN ist ein Künstliches Neuronales Netz (KNN), das aus Neuronen besteht, die den Gesetzen der Quantenphysik unterworfen sind. Wie ein QNN theoretisch oder praktisch zu realisieren ist, dafür existieren mehrere Ansätze. Ein Ansatz ist es, das QNN mit Quantenneuronen aufzubauen. Noch sind QNNs ein recht junges Forschungsgebiet. Zukünftig können Quantum Neural Networks jedoch zur Lösung komplexer Problemstellungen eingesetzt werden, beispielsweise für Simulationsaufgaben oder für die Kryptographie.

Das Quron als Kombination aus Qubit und Neuron

Ein Quron in einem QNN kann neben den beiden Zuständen aktiv (feuernd) und nicht aktiv (nicht feuernd) beliebige andere Zustände gleichzeitig annehmen. Indem binär arbeitende Neuronen in einem Quantum Neural Network durch Qubit-Neuronen ersetzt werden, fließt das Quantenprinzip der Superposition in das QNN ein. Die Möglichkeiten, mehrere Zustände gleichzeitig anzunehmen und Qubits untereinander zu verschränken, führen zu einer enormen Leistungssteigerung des QNN. Schon mit wenig Qurons und Quron-Ebenen lassen sich enorme Trainings- und Klassifizierungsleistungen erzielen.

Vorteile durch Quantenneuronen in neuronalen Netzen

Durch den Einsatz von Quantenneuronen anstatt binären Neuronen in einem Künstlichen Neuronalen Netz ergeben sich zahlreiche Vorteile. Die Vorteile eines Quantum Neural Networks sind beispielsweise:

  • Lösung komplexer Problemstellungen mit wenig Quantenneuronen und Quantenneuronenebenen
  • schnelleres Training eines Quantum Neural Networks mit größeren Datenmengen
  • bessere Eignung für Anwendungen im Big-Data-Umfeld
  • bessere und schnellere Lösungen von Klassifizierungsaufgaben
  • Realisierung leistungsfähigerer Künstlicher Intelligenz (KI)
  • Lösung kryptografischer Problemstellungen mit hoher Komplexität in kurzer Zeit

(ID:46955041)

Über den Autor