M. Sc.
Wissenschaftlicher Mitarbeiter
Nicola Franco, seit 2020 wissenschaftlicher Mitarbeiter am Fraunhofer IKS, promoviert derzeit an der Technischen Universität München mit den Schwerpunkten Datenanalyse und Maschinelles Lernen. Seine Forschung dreht sich vor allem um die Verbesserung der Sicherheit und Zuverlässigkeit von KI-Systemen, mit einem besonderen Schwerpunkt auf der Robustheit gegenüber Störungen, der formalen Verifikation von KI-Algorithmen und dem aufstrebenden Gebiet der Quanten-KI. Im Jahr 2023 erhielt er einen "Best Paper Award" auf der AI Safety Conference in Macao.
von Nicola Franco
Neuronale Netze sind nicht robust. Die Entwicklung zuverlässiger Prädiktoren erfordert systematische Methoden, um sowohl ihre Qualität zu bewerten als auch Vertrauen in ihre Korrektheit zu gewinnen. Hier kann Quantencomputing helfen.
Die Quanteninformatik bietet enormes Potenzial zur Lösung komplexer Probleme und leitet eine neue Ära der Computertechnologie ein. Gleichzeitig stellt sie die Wissenschaft jedoch auch vor Herausforderungen.
Dieser Blogbeitrag untersucht das enorme Potenzial der Optimierung durch Quantencomputing. Er identifiziert die Schlüsselherausforderungen und diskutiert Strategien, um in diesem vielversprechenden Bereich voranzukommen.
Neuronale Netze sind nicht robust. Die Entwicklung zuverlässiger Prädiktoren erfordert systematische Methoden, um sowohl ihre Qualität zu bewerten als auch Vertrauen in ihre Korrektheit zu gewinnen. Hier kann Quantencomputing helfen.
Cyber-Physical Systems (CPS) kombinieren Software-Algorithmen und physische Strukturen. Um mehr zu bieten als die einfachen eingebetteten Systeme von heute, müssen weiterentwickelte CPS insbesondere Eigenschaften wie Anpassungsfähigkeit, Resilienz und Sicherheit aufweisen. Lean Management von CPS mit resilienten Architekturen erfüllt diese Anforderungen durch die Kombination von Datenverteilung mit dienstorientierten Strukturen. Ein Beispiel aus der Praxis: ein mobiler Roboter in einem Lager.
