Email: sascha.muecke tu-dortmund.de Telefon: 0231/755-7536 Telefax: 0231/755-5105 Raumnummer: JvF25 R124

Zur Person

Mein Forschungsinteresse liegt im Bereich Quanten-Computing und dessen Anwendungen für das Maschinelle Lernen. Insbesondere beschäftige ich mich mit booleschen Optimierungsproblemen (QUBO, Ising-Modell), die mithilfe von Quantum-Annealing auf adiabatischen Quantencomputern, aber auch mittels klassischer Hardware gelöst werden können. Ich habe einen FPGA-basierten Hardware-Solver für QUBO-Probleme entwickelt, der einen genetischen Algorithmus verwendet. Meine ORCID ist 0000-0001-8332-6169.

Forschungsthemen

• Optimierung
• Maschinelles Lernen
• Maschinelles Lernen auf Quantencomputern

Publikationen

Muecke/2023a	Mücke, Sascha. Coding Nuggets: Faster QUBO Brute-Force Solving. TU Dortmund University, 2023.
Fischer/etal/2022a	Fischer, Raphael and Jakobs, Matthias and Mücke, Sascha and Morik, Katharina. A Unified Framework for Assessing Energy Efficiency of Machine Learning. In Proceedings of the ECML Workshop on Data Science for Social Good, 2022.
Franken/etal/2020a	Franken, Lukas and Georgiev, Bogdan and Mücke, Sascha and Wolter, Moritz and Piatkowski, Nico and Bauckhage, Christian. Quantum Circuit Evolution on NISQ Devices. In 2022 IEEE Congress on Evolutionary Computation (CEC), Seiten 1-8, 2022.
Muecke/etal/2022a	Mücke, Sascha and Heese, Raoul and Müller, Sabine and Wolter, Moritz and Piatkowski, Nico. Quantum Feature Selection. arXiv, 2022.
Muecke/Piatkowski/2022a	Mücke, Sascha and Piatkowski, Nico. Quantum-Inspired Structure-Preserving Probabilistic Inference. In 2022 IEEE Congress on Evolutionary Computation (CEC), Seiten 1-9, 2022.
Morik/etal/2021a	Morik, Katharina and Kotthaus, Helena and Fischer, Raphael and Mücke, Sascha and Jakobs, Matthias and Piatkowski, Nico and Pauly, Andreas and Heppe, Lukas and Heinrich, Danny. Yes We Care! - Certification for Machine Learning Methods through the Care Label Framework. In Elisa Fromont (editors), Frontiers in Artificial Intelligence, Frontiers, 2022.
Heese/etal/2021a	Heese, Raoul and Wolter, Moritz and Mücke, Sascha and Franken, Lukas and Piatkowski, Nico. On the effects of biased quantum random numbers on the initialization of artificial neural networks. 2021.
Gonsior/etal/2021a	Felix Gonsior and Sascha Mücke and Katharina Morik. Structure Search for Normalizing Flows. In Thomas Seidl and Michael Fromm and Sandra Obermeier (editors), Proceedings of the LWDA 2021 Workshops: FGWM, KDML, FGWI-BIA, and FGIR, Online, September 1-3, 2021, Vol. 2993, Seiten 98--105, CEUR-WS.org, 2021.
Fischer/etal/2020a	Fischer, Raphael and Jakobs, Matthias and Mücke, Sascha and Morik, Katharina. Solving Abstract Reasoning Tasks with Grammatical Evolution. In Trabold, Daniel and Welke, Pascal and Piatkowski, Nico (editors), Proceedings of the LWDA 2020 Workshops: KDML, FGWM, FGWI-BIA, and FGDB, Seiten 6--10, 2020.
Muecke/2019a	Mücke, Sascha. Evolutionäre Optimierung pseudoboolescher Funktionen auf FPGAs. TU Dortmund University, 2019.
Muecke/Piatkowski/2019a	Muecke, Sascha and Piatkowski, Nico and Morik, Katharina. Hardware Accelerated Learning at the Edge. In Kamp, Michael and Paurat, Daniel and Krishnamurthy, Yamuna (editors), Decentralized Machine Learning at the Edge, Springer, 2019.
Muecke/etal/2019a	Mücke, Sascha and Piatkowski, Nico and Morik, Katharina. Learning Bit by Bit: Extracting the Essence of Machine Learning. In Jäschke, Robert and Weidlich, Matthias (editors), Proceedings of the Conference on "Lernen, Wissen, Daten, Analysen" (LWDA), Vol. 2454, Seiten 144--155, 2019.

Ende der Seite von Sascha Mücke