<html aria-label="message body">
<head>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8">
</head>
<body style="overflow-wrap: break-word; -webkit-nbsp-mode: space; line-break: after-white-space;">
<div>We are glad to announce and invite you to the following talk in the ETH/UZH Research Seminar on Statistics:</div>
<div><br>
</div>
<div>„<b>Statistical Computing Meets Quantum Computing</b>“  </div>
<div><br>
</div>
<div>by <span style="font-weight: bold;">Ping Ma, University of Georgia</span></div>
<div><br>
</div>
<div><b>Date and Time</b>: Thursday, 01 October 2026 at 16.15 h</div>
<div><b>Place</b>:                ETH Zurich, HG E 5</div>
<div><br>
</div>
<div><b>Abstract:</b> Recent breakthroughs in quantum computers have shown quantum advantage (aka quantum supremacy), that is, quantum computers outperform classical computers for solving specific problems. More importantly, there are already general-purpose
 programmable quantum computing devices available to the public, for example, IBM Quantum Experience, Microsoft Quantum, and Amazon Braket. Such quantum devices are commonly known as noisy intermediate-scale quantum (NISQ)devices. It has been reported that
 NISQ with 1,000 qubits has been released. Despite the success of quantum computers, the problems investigated are highly physics-oriented and may not necessarily appeal to researchers in other fields, such as statistics and data science. The key challenge
 in leveraging quantum advantages in these fields is identifying practical applications in which integrating statistical analysis and quantum computing can effectively overcome computational bottlenecks. In this talk, I will present some of our recent work
 on best model selection, which exhibits excellent performance and computational efficiency in applications, particularly in the analysis of single-cell multi-omics data. Bio: Professor Ping Ma is a Distinguished Research Professor at the University of Georgia
 and co-directs the big data analytics lab. His research interests include statistics, machine learning, and their applications in biology, physics, and engineering. He was a Beckman Fellow at the Center for Advanced Study at the University of Illinois at Urbana-Champaign,
 a Faculty Fellow at the US National Center for Supercomputing Applications, and a recipient of the National Science Foundation CAREER Award. His paper won the best paper award from the Canadian Journal of Statistics in 2011. He delivered the 2021 National
 Science Foundation Distinguished Lecture. Professor Ma serves on multiple editorial boards. He is a Fellow of the American Association for the Advancement of Science and the American Statistical Association.</div>
<div><br>
</div>
<div>Seminar website, https://math.ethz.ch/sfs/news-and-events/research-seminar.html</div>
<div><br>
</div>
<div><br>
</div>
<div>Organisers:  A. Bandeira, P. Bühlmann, Y. Chen, R. Furrer, L. Held, T. Hothorn, J. Peters, J. Ziegel</div>
</body>
</html>