Vom Bit zum Qubit (openHPI)

Vom Bit zum Qubit (openHPI)

Quantenbits können im Gegensatz zu klassischen Bits nicht nur den Wert 0 oder 1 annehmen, sondern gleichzeitig im Zustand 0 und 1 sein - dies wird zumindest manchmal behauptet. Warum dies so nicht stimmt, wann wir ein Qubit nicht von einem einfachen Münzwurf unterscheiden können, warum Quantenbits trotzdem mehr können als klassische Bits und was wir in Zukunft von Quantencomputern erwarten können und was nicht - all dies erfahren Sie hier in diesem Kurs.

Quantencomputer sind in aller Munde und wecken die Hoffnung, dass viele heutzutage unlösbare Rechenprobleme in Zukunft effizient mit ihnen gelöst werden können. Doch was steckt wirklich hinter dem Phänomen Quantencomputer und was werden sie vielleicht in Zukunft wirklich leisten können?

Wer also mehr über die grundlegenden Eigenschaften von Quantencomputern wissen möchte, aber noch kein ausreichendes Wissen über Quantenphysik hat, ist hier genau richtig. In diesem Kurs erfahren sie mehr über die grundlegenden Eigenschaften von Quantenbits und Quantencomputern. Indem wir die Arbeitsschritte eines Quantencomputers mit Stift und Papier nachvollziehen, gehen wir Phänomenen wie Superposition und Verschränkung auf die Spur.
In diesem Kurs lernen Sie erste Anwendungen von Quantenbits wie Verschlüsselung und Quantenalgorithmen wie den Deutsch-Josza-Algorithmus und ihre Vorteile gegenüber klassischen Verfahren kennen. Außerdem diskutiert der Kurs wichtige Voraussetzungen für den Bau von Quantencomputern sowie begründete und unbegründete Erwartungen an Quantencomputern.

What you'll learn

  • Teilnehmer kennen die grundlegenden quantenmechanischen Phänomene und Eigenschaften von Qubits wie den Messprozess, Superposition und Verschränkung.
  • Sie können wichtige Eigenschaften benennen, die ein Quantensystem erfüllen muss um einen Quantencomputer zu bauen und entwickeln eine Vorstellung davon, was Quantencomputer in Zukunft vielleicht leisten können und was nicht.

Course contents

Intro:
Willkommen zum Kurs "Vom Bit zum Qubit"!

Woche 1:
In Woche 1 lernen Sie Ihre Dozentin PD Dr. Sabine Wölk sowie die Gemeinsamkeiten und Unterschiede von klassischen Bits und Quantenbits, kurz Qubits, kennen. Was ist der Unterschied zwischen der quantenmechanischen Superposition, bei welcher ein Qubit angeblich gleichzeitig 0 und 1 ist, und klassischen Zufall, wie zum Beispiel bei einem Münzwurf? Wie kann man Qubits benützen um Nachrichten zu verschlüsseln und was haben Qubits mit Zeigern in einer Kugel, der sogenannten Blockugel, zu tun?

Woche 2:
In Woche 2 beschäftigen Sie sich mit Quantensystemen mit 2 und mehr Qubits. Sie erfahren was es mit der ominösen Verschränkung auf sich hat und wie man experimentell zeigen kann, dass Einstein unrecht hatte. Sie lernen ein erstes Problem kennen welches mit Hilfe von Quantenalgorithmen exponentiell schneller gelöst werden kann. Außerdem wird die Umsetzbarkeit von Quantencomputing diskutiert und sie erfahren welche Probleme wahrscheinlich mittels Quantencomputing schneller gelöst werden können und welche nicht.

Go to Class
MOOC List is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

Related Courses

Finding Mutations in DNA and Proteins (Bioinformatics VI) (Coursera) Coursera
University of California, San Diego

Finding Mutations in DNA and Proteins (Bioinformatics VI) (Coursera)

In previous courses in the Specialization, we have discussed how to sequence and compare genomes. This course will cover advanced topics in finding mutations lurking within DNA and proteins. In the first half of the course, we would like to ask how an individual's genome differs from the "reference genome" of the species.

Jun 22nd 2026
5-12 Weeks
Introduction to TensorFlow for Artificial Intelligence, Machine Learning, and Deep Learning (Coursera) Coursera
DeepLearning.AI

Introduction to TensorFlow for Artificial Intelligence, Machine Learning, and Deep Learning (Coursera)

If you are a software developer who wants to build scalable AI-powered algorithms, you need to understand how to use the tools to build them. This course is part of the upcoming Machine Learning in Tensorflow Specialization and will teach you best practices for using TensorFlow, a popular open-source framework for machine learning.

Jun 22nd 2026
4 Weeks
Linux für Alle (openHPI) OpenHPI
Hasso-Plattner-Institut,University of Potsdam

Linux für Alle (openHPI)

In diesem Onlinekurs möchten wir Ihnen Linux vorstellen, ein Open Source Betriebssystem. Im täglichen Leben begegnet uns Linux häufig dort wo es vielen Menschen gar nicht wirklich bewusst ist: So laufen beispielsweise viele Webserver unter Linux, übrigens auch der openHPI-Server, Android baut auf Linux auf und auch als Spieleplattform ist Linux beliebt. Man kann Linux aber auch auf nahezu jedem Desktop PC oder Laptop als ein kostenloses, alternatives Betriebssystem zu Windows nutzen.

Self Paced
Self-Paced
Inside the Belly of a Search Engine (openHPI) OpenHPI
Hasso-Plattner-Institut

Inside the Belly of a Search Engine (openHPI)

They have made encyclopedias obsolete: Web search engines like Google or Bing provide us with the information we are looking for at lightning speed. Surveys have shown that every Internet user searches via Google 3 to 4 times a day on average. In total, estimates assume more than 2 trillion search queries* per year, and the trend is rising. If you want to understand how these search engines work, this course is for you.

Feb 15th 2023
2 Weeks
Comparing Genes, Proteins, and Genomes (Bioinformatics III) (Coursera) Coursera
University of California, San Diego

Comparing Genes, Proteins, and Genomes (Bioinformatics III) (Coursera)

Once we have sequenced genomes in the previous course, we would like to compare them to determine how species have evolved and what makes them different. In the first half of the course, we will compare two short biological sequences, such as genes (i.e., short sequences of DNA) or proteins. We will encounter a powerful algorithmic tool called dynamic programming that will help us determine the number of mutations that have separated the two genes/proteins.

Jun 22nd 2026
5-12 Weeks
Ordered Data Structures (Coursera) Coursera
University of Illinois at Urbana-Champaign

Ordered Data Structures (Coursera)

In this course, you will learn new data structures for efficiently storing and retrieving data that is structured in an ordered sequence. Such data includes an alphabetical list of names, a family tree, a calendar of events or an inventory organized by part numbers. The specific data structures covered by this course include arrays, linked lists, queues, stacks, trees, binary trees, AVL trees, B-trees and heaps. This course also shows, through algorithm complexity analysis, how these structures enable the fastest algorithms to search and sort data.

Jun 24th 2026
4 Weeks
Netzwerkvirtualisierung - Von einfach bis zur Cloud (openHPI) OpenHPI
Hasso-Plattner-Institut

Netzwerkvirtualisierung - Von einfach bis zur Cloud (openHPI)

Nach der Virtualisierung der Server wird nun das Netzwerk virtualisiert. Physikalische und virtuelle Netzwerke werden entkoppelt und somit entstehen Netze mit neuen Möglichkeiten. Der Kurs zeigt die Netzwerkvirtualisierung, die schon lange im Netzwerk Verwendung findet, bis hin zu Cloud Netzwerken und Unternehmensvernetzung mit Hilfe von SD-WAN.

Self Paced
Self-Paced
Troubleshooting and Debugging Techniques (Coursera) Coursera
Google

Troubleshooting and Debugging Techniques (Coursera)

In this course, we'll give you the tools to quickly identify and solve real-world problems that you might come across in your IT role. We'll look at a bunch of different strategies and approaches for tackling the most common pitfalls of your code and IT infrastructure. You'll learn strategies for approaching almost any technical problem and then see how those apply to solving different real-world scenarios.

Jun 23rd 2026
4 Weeks
Preparing for the Google Cloud Professional Data Engineer Exam (Coursera) Coursera
Google Cloud

Preparing for the Google Cloud Professional Data Engineer Exam (Coursera)

From the course: "The best way to prepare for the exam is to be competent in the skills required of the job." This course uses a top-down approach to recognize knowledge and skills already known, and to surface information and skill areas for additional preparation. You can use this course to help create your own custom preparation plan. It helps you distinguish what you know from what you don't know. And it helps you develop and practice skills required of practitioners who perform this job.

Jun 27th 2026
5-12 Weeks
Approximation Algorithms (Coursera) Coursera
EIT Digital

Approximation Algorithms (Coursera)

Many real-world algorithmic problems cannot be solved efficiently using traditional algorithmic tools, for example because the problems are NP-hard. The goal of this course is to become familiar with important algorithmic concepts and techniques needed to effectively deal with such problems. These techniques apply when we don't require the optimal solution to certain problems, but an approximation that is close to the optimal solution. We will see how to efficiently find such approximations.

Jun 26th 2026
4 Weeks