KI News: Kurz und klar.

In einer neuen Veröffentlichung auf arXiv (2511.15246v1) stellen Forscher ein vollständig quantenbasiertes Graph Neural Network (QGNN) vor, das die klassische Graphverarbeitung für die Power‑Allocation in Device‑to‑Device (D2D)-Netzwerken ersetzt. Durch die Nutzung von Parameterized Quantum Circuits (PQCs) werden Nachrichten zwischen Knoten in einem Netzwerk in Quantenzustände kodiert, verarbeitet und anschließend mittels Messung in klassische Embeddings zurückverwandelt.

Die neuesten Entwicklungen bei Noisy Intermediate-Scale Quantum (NISQ)-Geräten zeigen, dass Quantencomputer bereits bei klassischen Problemen Vorteile bieten, von Physiksimulationen bis hin zu Gaussian Boson Sampling. Für Laien bleibt die Umsetzung dieser Vorteile jedoch schwierig, weil das Programmieren in Open Quantum Assembly Language (OpenQASM) komplex ist.