Vedran Dunjko
Universitair hoofddocent
- Naam
- Dr. V. Dunjko
- Telefoon
- +31 71 527 2873
- v.dunjko@liacs.leidenuniv.nl
- ORCID iD
- 0000-0002-2632-7955
De onderzoeksinteresse van Vedran Dunjko ligt op het snijvlak van informatica en kwantumfysica, inclusief quantum computing en kwantumcryptografie. In de afgelopen jaren heeft hij zich gericht op het samenspel tussen quantum computing, machine learning en kunstmatige intelligentie. Meer informatie over Vedran Dunjko op zijn Engelstalige profielpagina.
Nieuws
-
Google gift voor quantumonderzoek -
Quantum Leiden brengt quantum-toekomst dichterbij -
Nederlandse en Japanse onderzoekers werken samen met toonaangevende quantumsoftware ontwikkelaar Qu&Co -
De toekomst van quantum -
615 miljoen voor quantumonderzoek -
Kunstmatige intelligentie leert sneller met quantumtechnologie -
Consortium zet Quantum Computer in de cloud -
LIACS onderdeel van Europees consortium om industriële quantum computing te stimuleren -
Nederland wil internationaal centrum quantumtechnologie worden -
PNAS Paperprijs voor quantum machine learning
Zie ook
Externe promovendi
Universitair hoofddocent
- Wiskunde en Natuurwetenschappen
- Leiden Inst of Advanced Computer Science
- Moussa C., Wang H., Bäck T.H.W. & Dunjko V (2022), Unsupervised strategies for identifying optimal parameters in Quantum Approximate Optimization Algorithm, EPJ Quantum Technology 9: 11.
- Yalouz S., Senjean B., Miatto F. & Dunjko V. (2021), Encoding strongly-correlated many-boson wavefunctions on a photonic quantum computer: application to the attractive Bose-Hubbard model, Quantum 5: 572.
- Orsucci D. & Dunjko V. (2021), On solving classes of positive-definite quantum linear systems with quadratically improved runtime in the condition number, Quantum 5: 573.
- Moussa C., Calandra H. & Dunjko V. (2020), To quantum or not to quantum: towards algorithm selection in near-term quantum optimization, Quantum Science and Technology 5(4): 044009.
- Moussa C., Wang H., Calandra H., Bäck T.H.W. & Dunjko V. (2020), Tabu-driven quantum neighborhood samplers. In: Zarges C. & Verel S. (red.) Evolutionary computation in combinatorial optimization. arXiv nr. 12692 Cham: Springer. 100-119.
- Melnikov A.A., Poulsen Nautrup H., Krenn M., Dunjko V., Tiersch M., Zeilinger A. & Briegel H.J. (2018), Active learning machine learns to create new quantum experiments, Proceedings of the National Academy of Sciences 115(6): 1221-1226.
- Zwerger M., Pirker A., Dunjko V., Briegel H.J. & Dür W. (2018), Long-range big quantum-data transmission, Physical Review Letters 120(3): 030503.
- Dunjko V. & Briegel H.J. (2018), Machine learning & artificial intelligence in the quantum domain: a review of recent progress, Reports on Progress in Physics 81(7): 074001.
- Scientific advisor