Quantum Optimization Applications With Quark and Quapps

Windgätter, Lukas und Lobe, Elisabeth (2025) Quantum Optimization Applications With Quark and Quapps. IEEE Software, 42 (05), Seiten 34-42. IEEE - Institute of Electrical and Electronics Engineers. doi: 10.1109/MS.2025.3564146. ISSN 0740-7459.

PDF - Verlagsversion (veröffentlichte Fassung)
1MB

Offizielle URL: https://doi.ieeecomputersociety.org/10.1109/MS.2025.3564146

Kurzfassung

Solving discrete optimization problems is one of the most promising use cases on quantum computers. The libraries quark and quapps provide an easily usable, modular workflow to encode discrete optimization problems and interface them to both classical and quantum hardware

elib-URL des Eintrags:

https://elib.dlr.de/219642/

Dokumentart:

Zeitschriftenbeitrag

Titel:

Quantum Optimization Applications With Quark and Quapps

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Windgätter, Lukas	lukas.windgaetter (at) dlr.de	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Lobe, Elisabeth	Elisabeth.Lobe (at) dlr.de	https://orcid.org/0000-0002-3473-8906	NICHT SPEZIFIZIERT

Datum:

13 August 2025

Erschienen in:

IEEE Software

Referierte Publikation:

Open Access:

Gold Open Access:

Nein

In SCOPUS:

In ISI Web of Science:

Band:

DOI:

10.1109/MS.2025.3564146

Seitenbereich:

Seiten 34-42

Verlag:

IEEE - Institute of Electrical and Electronics Engineers

Name der Reihe:

Focus: Quantum Software and its Engineering

ISSN:

0740-7459

Status:

veröffentlicht

Stichwörter:

Optimization, Quantum Computing, Hardware, Libraries, Computers, Quantum Annealing, Linear Programming, Benchmark Testing, Approximation Algorithms, Software Algorithms, Quantum Software, Optimization Problem, Quantum Computing, Problem Instances, Discrete Problem, Hardware Platform, Solving Optimization Problems, Quantum Algorithms, Quantum Information Theory, Finding Optimal Solutions, Objective Function, Computation Time, Random Generation, Types Of Problems, Object Classification, Linear Term, Simulated Annealing, Problem Size, Slack Variables, Simulated Annealing Algorithm, Back End, Classical Counterpart, Max Cut, Basic Input, Quadratic Objective Function, Problem Size Increases, General Optimization Problem

HGF - Forschungsbereich:

keine Zuordnung

HGF - Programm:

keine Zuordnung

HGF - Programmthema:

keine Zuordnung

DLR - Schwerpunkt:

Quantencomputing-Initiative

DLR - Forschungsgebiet:

QC SW - Software

DLR - Teilgebiet (Projekt, Vorhaben):

QC - ALQU

Standort:

Hamburg

Institute & Einrichtungen:

Institut für Softwaretechnologie

Hinterlegt von:

Windgätter, Lukas

Hinterlegt am:

25 Nov 2025 13:23

Letzte Änderung:

01 Dez 2025 10:47

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags