Tender Match
EU · angol nyelvűNyitva – 2027. január 28-ig

Quantum Machine Learning (HORIZON-JU-EUROHPC-2026-QML-07-01)

Expected Outcome: Integration of quantum computing into data pre-processing pipelines and learning workflows for data-heavy or computationally intensive tasks, demonstrating clear improvements in processing speed, computational complexity, modelling accuracy, and reduced sample requirements at scales achievable with NISQ-era devices, Reliable and scalable Quantum Machine Learning (QML) models and

A kiírás hivatalos, angol nyelvű szövege az Európai Bizottság Funding & Tenders portáljáról származik.

Forrás: ec.europa.eu a forrás utoljára beolvasva: 2026. november 14.

Jogosult a cégem erre a kiírásra?

Uniós közvetlen kiírás: a jogosultságot főként a konzorcium összetétele, a résztvevők országa és szervezettípusa dönti el. Ezeket a cégadataidból nem tudjuk ellenőrizni, ezért nem mondjuk meg, hogy jogosult vagy-e. A feltételeket a hivatalos kiírásban találod.

Mennyi a támogatás?

Támogatás projektenként
2–3 millió EUR
A felhívás teljes kerete
6 millió EURkb. 2 nyertes projekt

Meddig lehet beadni?

Beadás kezdete
2026. június 2.
Beadási határidő
2027. január 28.még 75 nap

Miről szól?

Ez az uniós pályázat a kvantumszámítástechnika és a mesterséges intelligencia integrációjára irányul, különösen adatintenzív és számításigényes feladatokhoz. A támogatás olyan kutatási és fejlesztési projektekre használható, amelyek kvantum gépi tanulási algoritmusokat, hibamitigation-technikákat és hibrid megoldásokat dolgoznak ki, valamint ezek gyakorlati alkalmazásait validálják az éghajlat-modellezés, gyógyszerfejlesztés, képfeldolgozás vagy pénzügyi elemzés terén. A pályázat elsősorban kutatóintézeteknek és innovatív vállalatoknak szól, amelyek Európa technológiai szuverenitásának erősítésében érdekeltek, és olyan megoldásokat szeretnének kifejleszteni, amelyek klasszikus módszerekhez képest mérhető előnyt nyújtanak.

Hivatalos leírás

A pályázat célja és várt eredménye

Expected Outcome: Integration of quantum computing into data pre-processing pipelines and learning workflows for data-heavy or computationally intensive tasks, demonstrating clear improvements in processing speed, computational complexity, modelling accuracy, and reduced sample requirements at scales achievable with NISQ-era devices, Reliable and scalable Quantum Machine Learning (QML) models and algorithms, integrated with existing AI frameworks and pipelines, enabling faster data processing, improved prediction accuracy, and enhanced computational capabilities, Validated quantum-enhanced AI methods demonstrating measurable improvements over classical baselines in terms of speed, accuracy, data efficiency, complexity, or scalability, supported by rigorous benchmarking and complexity analysis, Robust, noise-aware QML techniques suitable for NISQ hardware , including error-mitigation strategies and algorithmic adaptations that improve reliability, performance, and reproducibility on real quantum processors, Demonstrators or proof-of-concept applications showcasing the relevance of QML for real-world challenges (e.g. climate and environmental modelling, Earth observation, healthcare and life sciences, materials discovery, finance, robotics, manufacturing, and cybersecurity), Strengthened European leadership and technological sovereignty in quantum computing and trustworthy AI, supported by cross-sector collaboration, knowledge transfer, and contributions to emerging standards, benchmarks and best practices.

Kérdésed van a kiírásról?

Az asszisztensed a kiírás szövegéből válaszol, és munkavázlatot ír a projektötletedből.

ingyenes regisztrációval
ingyenes regisztrációval

Szakértőt keresel a pályázathoz?

Pályázatírók küldenek árajánlatot – ingyenes, nem kötelez semmire.1 szakértő vállal ilyen pályázatot →

Regisztrálok és ajánlatot kérek

Kapcsolódó nyitott kiírások

Előzetes tájékoztatás – a hivatalos kiírás a mérvadó.