Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Log inSign up
Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Blog
Job Board
Q3AS

© 2026 Aqora Quantum S.A.S.

TermsPrivacyLegal Notice

Wiley eBooks

Bietet die Feldtheorie Möglichkeiten für die Lösung des Quantenproblems?

Albert Einstein

Published Dec 16, 2005• 52 citations
Publisher
DOI
10.1002/3527608958.ch26

Related papers

Bietet die Feldtheorie Möglichkeiten für die Lösung des Quantenproblems? Albert Einstein

Wolfgang Trageser

Springer eBooks•Oct 17, 2015•0 citations

Bietet die Feldtheorie Möglichkeiten für die Lösung des Quantenproblems? Albert Einstein

Wolfgang Trageser

Springer eBooks•Jan 1, 2018•0 citations

Zum Mehrk�rperproblem der Quantentheorie

P. Jordan, Oskar Klein

The European Physical Journal A•Nov 1, 1927•186 citations

I Die Entwicklung der Quantentheorie

Werner Vogd

Velbrück Wissenschaft eBooks•Jan 1, 2014•0 citations

Kann die Quantentheorie den Hirnforschern helfen, Probleme zu verstehen? *

U. Kasper

•Jan 1, 2006•0 citations

Quanten-maschinelle Lernmethoden in der Preisprognose von gebrauchten Baumaschinen

Horst Stühler, Daniel Pranjić

Abstract Im Bausektor ist die präzise Preisvorhersage für gebrauchte Baumaschinen entscheidend, um den Wert von Maschinenbeständen optimal zu nutzen und die Rentabilität zu maximieren. Maschinelles Lernen (ML) bietet eine vielversprechende Lösung, indem es große Datenmengen analysiert und zukünftige Preisentwicklungen prognostiziert. Neuere Entwicklungen im Bereich des Quantencomputing (QC) und des Quanten-Maschinellen-Lernen (QML) versprechen weitere Fortschritte in der Genauigkeit und Effizienz von Vorhersagen. Dieser Artikel untersucht die Methodik und die potenziellen Vorteile quantenbasierter Modelle im Vergleich zu klassischen ML-Verfahren und beleuchtet die Rolle von Support-Vektor-Maschinen (SVM) und Quanten-Support-Vektor-Maschinen (QSVM).

Zeitschrift für wirtschaftlichen Fabrikbetrieb•May 20, 2025•1 citation
Abstract Im Bausektor ist die präzise Preisvorhersage für gebrauchte Baumaschinen entscheidend, um den Wert von Maschinenbeständen optimal zu nutzen und die Rentabilität zu maximieren. Maschinelles Lernen (ML) bietet eine vielversprechende Lösung, indem es große Datenmengen analysiert und zukünftige Preisentwicklungen prognostiziert. Neuere Entwicklungen im Bereich des Quantencomputing (QC) und des Quanten-Maschinellen-Lernen (QML) versprechen weitere Fortschritte in der Genauigkeit und Effizienz von Vorhersagen. Dieser Artikel untersucht die Methodik und die potenziellen Vorteile quantenbasierter Modelle im Vergleich zu klassischen ML-Verfahren und beleuchtet die Rolle von Support-Vektor-Maschinen (SVM) und Quanten-Support-Vektor-Maschinen (QSVM).