Geng, AlexanderAlexanderGengMoghiseh, AliAliMoghisehRedenbach, ClaudiaClaudiaRedenbachSchladitz, KatjaKatjaSchladitz2023-06-302023-06-302023https://publica.fraunhofer.de/handle/publica/44498710.1515/teme-2023-0008The size and number of images and the amount of data we process every day have grown rapidly over the last years. Quantum computers promise to process this data more efficiently since classical images can be stored in quantum states. Experiments on quantum computer simulators prove the paradigms this promise is built on to be correct. However, currently, running the very same algorithms on a real quantum computer is often too error-prone to be of any practical use. We explore the current possibilities for image processing on real quantum computers. We redesign a commonly used quantum image encoding technique to reduce its susceptibility to errors. We show experimentally that the current size limit for images to be encoded on a quantum computer and subsequently retrieved with an error of at most 5 % is 2 × 2 pixels. A way to circumvent this limitation is to combine ideas of classical filtering with a quantum algorithm operating locally, only. We show the practicability of this strategy using the application example of edge detection. Our hybrid filtering scheme’s quantum part is an artificial neuron, working well on real quantum computers, too.Die Größe und Anzahl von Bildern und die Menge an Daten, die wir täglich verarbeiten, sind in den letzten Jahren rapide angestiegen. Quantencomputer versprechen, diese Daten effizienter zu verarbeiten, da klassische Bilder in Quantenzuständen gespeichert werden können. Experimente an Quantencomputer-Simulatoren beweisen, dass die Paradigmen korrekt sind, auf denen diese Verarbeitung aufbaut. Allerdings treten bei der Ausführung von Algorithmen auf realen Quantencomputern noch zu große Fehler auf, um von praktischem Nutzen zu sein. Wir untersuchen die derzeitigen Möglichkeiten der Bildverarbeitung auf realen Quantencomputern und modifizieren eine häufig verwendete Quantenbild-Kodierungstechnik, um ihre Anfälligkeit für Fehler zu verringern. Wir zeigen experimentell, dass die derzeitige Größenbegrenzung für Bilder, die auf einem Quantencomputer kodiert und anschließend mit einem Fehler von höchstens 5 % ausgelesen werden können, bei 2 × 2 Pixeln liegt. Ein Weg, um diese Einschränkung zu umgehen, besteht darin, Ideen der klassischen Filterung mit einem lokal operierenden Quantenalgorithmus zu kombinieren. Wir zeigen die Praktikabilität dieser Strategie anhand des Anwendungsbeispiels der Kantenerkennung. Der Quantenteil unseres hybriden Filterschemas ist ein künstliches Neuron, das auch auf realen Quantencomputern gut funktioniert.enquantum image processingIBM quantum experiencequantum artificial neuronsDDC::500 Naturwissenschaften und Mathematikjournal article