Quantencomputer Quantencomputerwurden ursprünglich bereits im letzten Jahrhundert als neuartige Computer vorgeschlagen, um insbesondere Simulationen von quantenmechanischen Prozessen zu verbessern. In den letzten Jahren konnten Quantencomputer auch praktisch realisiert werden und stehen nun als erste kleine Geräte kommerziell zur Verfügung. Dadurch kann das Potential für unterschiedliche Anwendungsbereiche eingehender praktisch erforscht werden. Ein vielversprechender Bereich ist die quantengestützte Künstliche Intelligenz (KI), wo der Einsatz von Quantencomputing z. B. zu einem dateneffizienteren Training führen kann. Dieser Beitrag diskutiert den aktuellen Stand von Quantencomputing und zeigt mögliche Perspektiven einer quantengestützten KI auf, einschließlich möglicher Anwendungsfelder und aktueller Herausforderungen.
Quantencomputer Quantencomputerwurden ursprünglich bereits im letzten Jahrhundert als neuartige Computer vorgeschlagen, um insbesondere Simulationen von quantenmechanischen Prozessen zu verbessern. In den letzten Jahren konnten Quantencomputer auch praktisch realisiert werden und stehen nun als erste kleine Geräte kommerziell zur Verfügung. Dadurch kann das Potential für unterschiedliche Anwendungsbereiche eingehender praktisch erforscht werden. Ein vielversprechender Bereich ist die quantengestützte Künstliche Intelligenz (KI), wo der Einsatz von Quantencomputing z. B. zu einem dateneffizienteren Training führen kann. Dieser Beitrag diskutiert den aktuellen Stand von Quantencomputing und zeigt mögliche Perspektiven einer quantengestützten KI auf, einschließlich möglicher Anwendungsfelder und aktueller Herausforderungen.
Zusammenfassung Quantencomputing ist als Konzept mittlerweile zwar mehrere Jahrzehnte alt und hat von der Idee bis zu den heutigen Noisy Intermediate-Scale Quantum Maschinen verschiedene Phasen stetiger Entwicklung durchlaufen, jedoch insbesondere in den letzten Jahren deutlich an Dynamik gewonnen. Im aktuellen Stadium stehen Quantenrechner zur Verfügung, die zwar noch immer stark limitiert sind, jedoch die Ausführung maßgeschneiderter Algorithmen unterstützen, die bestehende Schwächen dieser Maschinen mit ihrem speziellen Design zu umgehen versuchen. Diese Algorithmen adressieren dabei mit Maschinellem Lernen, kombinatorischer Optimierung und Simulationsanwendungen sowie weiteren potenziellen Anwendungsfeldern Problemstellungen, die praktisch vielfältig relevant und deshalb von breitem, allgemeinen Interesse sind. Das prinzipielle Potenzial des Quantencomputers, in bestimmten Anwendungsfeldern deutlich leistungsfähiger zu sein als klassische Rechner, ruft viel Aufmerksamkeit hervor. Außerdem stellt bereits eine ganze Reihe von prinzipiell für jedermann zugänglichen Softwareframeworks Implementierungen aktueller Quantenalgorithmen zum Test und zur Evaluierung bereit. Der Artikel stellt die bisherige Entwicklung, aktuelle Verfahren sowie weitere Perspektiven der Technologie in Grundzügen dar und informiert über mögliche Anwendungsgebiete aber auch bekannte Grenzen des Quantencomputing-Paradigmas.
Quantencomputer besitzen das Potenzial, um in naher Zukunft Probleme, die mit herkömmlichen Computern und Supercomputern nicht bewältigbar sind, zu lösen. Bisher ist die Umsetzung dieser Technologie in der Industrie noch in der Anfangsphase, wodurch der Einsatz von Quantencomputern bisher nur für Forschungsprojekte möglich ist. Dennoch ermöglichen es große IT-Unternehmen, interessierten Personen einen indirekten Zugang zu Quantencomputern über deren Services. Da die Technologien und Konzepte, auf denen Quantencomputern basieren, sehr umfangreich und komplex sind, ist es für interessierte Personen, die sich in diese neue Materie vertiefen wollen, oft schwierig, die Hauptkonzepte, die benötigt werden, um Quantencomputern zu verstehen, zu identifizieren und somit ein Grundverständnis von Quantencomputern zu erlangen. Aus diesem Grund besteht der Hauptzweck dieser Arbeit darin, die benötigten Grundkonzepte und Themen auf denen Quantencomputer aufbauen, zu identifizieren und auszuarbeiten. Hierfür werden die Konzepte von bekannten Lehrbüchern im Bereich Quantencomputer herangezogen und systematisch nach deren Wichtigkeit für das Verständnis von Quantencomputern gegliedert, aufgelistet und ausgearbeitet. Für den praktischen Teil der Arbeit werden zwei Quantenbeispiele anhand des zuvor erarbeiteten Wissens beschrieben und erweitert. Die zuvor identifizierten und beschriebenen Grundkonzepte werden anschließend grafisch mittels einer Concept-Map dargestellt, diese bietet einen systematischen Überblick über die einzelnen Konzepte und deren Abhängigkeiten zueinander. Der Vorteil in der Darstellung von Wissen mittels einer Concept-Map besteht darin, dass die Visualisierung der Verbindungen zwischen den einzelnen Konzepten hervorgehoben wird. Zusätzlich wird auf Basis des erarbeiteten Wissens ein Beispiel-Curriculum für eine Lehrveranstaltung, die das Ziel hat, die Grundkonzepte von Quantencomputern zu vermitteln, erstellt. Das Ergebnis dieser Arbeit zeigt, dass die Konzepte, auf denen Quantencomputer aufbauen, in drei Grundkompetenzen unterteilt werden können. Zum einen die Kompetenz der linearen Algebra, in dem die meisten Konzepte und Themen bereits in einem vorangegangenen Studium behandelt wurden. Zum anderen die der Informatik-Konzepte, wobei hier wie bei der linearen Algebra das Verständnis im Bereich der Programmierung angenommen werden kann. Die Kompetenz der Quantenmechanik stützt sich auf die Konzepte, die von Quantencomputern genutzt wird und auf die Kompetenzen und das Wissen der beiden anderen Kompetenzen. Zusammenfassend zeigt diese Arbeit, dass für das reine Verständnis von Quantencomputern und dem Replizieren von bereits erstellten Quantenalgorithmen eine große Anzahl an unterschiedlichen Konzepten benötigt wird. Für die Fähigkeit der Entwicklung von eigenen Quantenalgorithmen reicht das erarbeitet Wissen nicht aus, sondern wird als Grundwissen angesehen.
Für optimierte Produktionsprozesse und weniger Materialverschwendung in Fertigungen werden Künstliche Intelligenz (KI) und Quantencomputing immer wichtiger. Diese Methoden kommen über die gesamte Prozesskette von der initialen Blechproduktion über das Blechschneiden und -schweißen (zum Beispiel mittels Laser) bis hin zum abschließenden Lackieren der gefertigten Teile zum Einsatz. Dazu gehören auch Ansätze wie erklärbare KI für transparente Modelle, Quantencomputing zur Materialoptimierung, physikbasierte KI-Modelle für präzise Schneide- und Schweißprozesse sowie generative KI als virtueller Assistent und zur Generierung synthetischer Datensätze.
Eine der größten Herausforderungen der angewandten Quanteninformatik ist die Suche nach einem praxisrelevanten Quantenvorteil auf aktueller, rauschbehafteter Quantenhardware. Obwohl es sowohl empirische als auch theoretische Nachweise für bis zu exponentielle Quantenbeschleunigungen gibt, sind die betrachteten Probleme überwiegend akademischer Natur und hängen von spezifischen mathematischen Eigenschaften ab. Dies erschwert die praktische Anwendbarkeit erheblich, da bei realen Anwendungsfällen im Allgemeinen nicht davon ausgegangen werden kann, dass diese komplexe mathematische Voraussetzungen erfüllen. Vor diesem Hintergrund untersucht diese Arbeit, wie etablierte Quantenvorteile auf praxisrelevante Probleme in den Bereichen KI und Optimierung ausgeweitet werden können. Für die zwei praxisrelevanten Optimierungsprobleme des Turbinenauswuchtens und der Community-Erkennung zeigen wir, wie sich Quantenoptimierungsalgorithmen mithilfe neuartiger, speichereffizienter Lösungskodierungen effizient einsetzen lassen. Weiter zeigen wir für die KI-Anwendungen der Betrugserkennung, der Designraumexploration und der Stimmungserkennung, dass Quantenalgorithmen in einigen Fällen bessere Ergebnisse als ihre klassischen Gegenstücke erzielen können. Darüber hinaus stellen wir verschiedene Verbesserungen der praktischen Anwendbarkeit häufig eingesetzter Quantenoptimierungs- und Quanten-Machine-Learning-Algorithmen mit Fokus auf rauschbehaftete Hardware vor. Zunächst präsentieren wir eine polynomielle Problemformulierung für kontinuierliche Optimierungsprobleme hohen Grades, die die vollen Möglichkeiten des weit verbreiteten Quantum Approximate Optimization Algorithm (QAOA) ausschöpft. Anschließend stellen wir ein problemagnostisches Designkonzept für parametrisierte Quantenschaltkreise vor, das besonders parametereffizient ist und dadurch Beschleunigungen beim Parametertraining ermöglicht. Für nicht-lokale Problemstellungen führen wir eine effiziente Trainingsmethode für entsprechend parametrisierte Quantenalgorithmen ein, die Informationen über die Verlustfunktion ausnutzt. Abschließend präsentieren wir eine NISQ-optimierte Implementierung der weitreichend eingesetzten Umwandlung von digitaler in analoge Quantenkodierung, sowie einen sehr effizienten GPU-basierten QAOA Simulator, der großskalige Benchmarks in Bezug auf einen Quantenvorteil ermöglicht. Zusammenfassend treibt die Vielzahl und Tiefe der in dieser Arbeit vorgestellten Ansätze zahlreiche Wege hin zu einem praxisrelevanten Quantenvorteil für Optimierung und Künstliche Intelligenz signifikant voran.
Quantencomputer ermöglichen es, bestimmte Berechnungen schneller, genauer und energieeffizienter durchzuführen als klassische Computer, indem sie quantenmechanische Phänomene ausnutzen. Da die Umsetzung der meisten Quantenalgorithmen allerdings Operationen benötigt für die Quantencomputer ungeeignet sind, z. B. Datenbankzugriffe, werden Quantencomputer typischerweise als Spezialprozessoren in hybriden Quantenanwendungen verwendet. Die Entwicklung und der Betrieb dieser hybriden Anwendungen sind komplex und erfordern eine enge interdisziplinäre Zusammenarbeit. Dabei wird tiefgreifendes Wissen aus unterschiedlichen Domänen benötigt, beispielsweise aus der Mathematik, Physik und Softwareentwicklung. Zusätzlich wird die Entwicklung und der Betrieb von Quantenanwendungen durch weitere Faktoren erschwert: (i) Die aktuelle Quantensoftwarelandschaft und die verfügbaren Quanten-Clouddienste, die Zugriff auf unterschiedliche Quantencomputer geben, sind sehr heterogen. (ii) Die schnellen Fortschritte im Quanten-Software-Engineering führen zur Einführung neuer Techniken, welche die Ausführung von Quantenschaltkreisen verbessern können, allerdings aktuell eine komplexe, manuelle Integration erfordern. (iii) Das Fehlen geeigneter Abstraktionsebenen führt dazu, dass die Entwicklung von Quantenanwendungen, insbesondere für Entwickler, die wenig Erfahrung mit Quantencomputing haben, zeitaufwändig und fehleranfällig ist. Um diese Probleme zu lösen, wird in dieser Arbeit die PASTA-Methode präsentiert. Diese basiert auf der Quantencomputingmustersprache, welche etablierte Konzepte und Best Practices in der Quantencomputingdomäne intuitiv verständlich dokumentiert, und stellt einen ganzheitlichen Prozess für diemusterbasierten Entwicklung und den Betrieb von Quantenanwendungen vor. Die Methode beinhaltet alle notwendigen Schritte von der Auswahl der zu verwendenden Quantencomputingmuster, über die Generierung der ausführbaren Quantenanwendung auf Basis wiederverwendbarer Lösungen sowie die Bereitstellung der erforderlichen Softwareartefakte, bis hin zur Überwachung und Analyse der Ausführung hybrider Quantenanwendungen. Zur Umsetzung der PASTA-Methode wird im Rahmen dieser Arbeit die Quantencomputingmustersprache um mehrere Muster erweitert, welche Best Practices für den Betrieb von hybriden Quantenanwendungen sowie etablierte Methoden zur Abschwächung und Korrektur von Quantenfehlern dokumentieren. Um die vom Nutzer ausgewählten Muster in einen ausführbaren Quantenworkflow transformieren zu können, werden eine Vielzahl neuer Workflowmodellierungskonstrukte eingeführt, welche die Spezifikation verschiedener, häufig auftretender Aktivitäten in Quantenworkflows vereinfachen. Weiterhin wird ein Ansatz für die automatische und dynamische Bereitstellung von hybriden Quantenanwendungen auf Grundlage von Nutzeranforderungen vorgestellt. Auf diesen Konzepten aufbauend werden neue Sichten auf Quantenworkflows eingeführt, welche die Überwachung und Analyse von hybriden Quantenanwendungen vereinfachen. Die Sichten ermöglichen es unterschiedlichen Nutzergruppen, wie beispielsweise Quantenexperten und dem Betriebspersonal, Quantenanwendungen auf verschiedenen Abstraktionsebenen zu analysieren und bieten zusätzliche, für die jeweilige Nutzergruppe relevante Informationen. Zur Demonstration der praktischen Umsetzbarkeit der PASTA-Methode wird das PASTA-Framework eingeführt, welches die in dieser Arbeit eingeführten Konzepte prototypisch implementiert. Die Nutzbarkeit der Methode und des Frameworks werden anhand mehrerer Anwendungsfälle evaluiert, für welche eine Laufzeitanalyse sowie eine Nutzerstudie durchgeführt wird.
Quantencomputer versprechen eine revolutionäre Leistungssteigerung und könnten damit einige aktuelle Paradigmen der Informatik obsolet werden lassen. Diese Technologie ist für Interessierte ohne Vorkenntnisse aus dem Bereich der Quantenphysik jedoch schwer nachzuvollziehen. Die vorliegende Arbeit basiert auf einer Literaturrecherche und wurde verfasst, um die Thematik der Quantencomputer verständlich darzulegen. Zu diesem Zweck wird zuerst eine Beschreibung von relevanten Grundprinzipien der Quantenmechanik gegeben. Neben der Anführung von bestimmten Quantenzahlen und deren Zuständen werden dabei die Konzepte der Superposition und der Verschränkung dieser Zustände erläutert. Danach wird die Funktionsweise eines auf Quantengattern basierenden Computers mathematisch und grafisch nachvollziehbar beschrieben. Operationen, welche durch Transformation von Quantenzuständen ausgeführt werden, und Anwendungen für diese Art von Berechnungen werden vorgestellt. Potenziale und Einschränkungen sind durch das Verständnis der Arbeitsweise eines Quantencomputers eingängig. Der Aufbau eines Quantencomputers, sowie eine Analyse des Fortschritts bei der Realisierung von voll skalierbaren Quantencomputern werden weiters dargelegt. Dabei wird auf die wesentlichen Bestandteile eines Quantenchips näher eingegangen. Für geeignet gehaltene Quantenzustände für die Nutzung als Qubits, sowie Verfahren zur Speicherung und Manipulation von Informationen durch Quantencomputer werden beschrieben. Vor allem die Fehlerrate von Qubits stellt Forscher und Entwickler derzeit noch vor große Herausforderungen. Diese Arbeit gibt deshalb einen Ausblick, welche weiteren Schritte nötig sind, um die Vision von kommerziell einsetzbaren Quantencomputern zu verwirklichen.