Quantum Applications and Research Laboratory – Alt

Switch to english

Become Quantum Ready!

Quantum Computing bietet neue Möglichkeiten, komplexe Berechnungen schneller und damit oft überhaupt erst auf praktische Weise durchzuführen. Im QAR-Lab erschließen wir diese Möglichkeiten für konkrete Probleme aus der Praxis, von Routenplanung bis Maschinellem Lernen, die wir auf einem Quantencomputer programmieren. So bereiten wir unsere Partner und unsere Studenten auf eine Zukunft mit Quantum Technology vor.

Inhaltsverzeichnis

    1. Historie des Quantencomputings
    2. Was ist Quantencomputing?
    3. Unser Leistungsspektrum
    4. Hardware
    5. Struktur des QAR-Lab
    6. Anwendungsgebiete und Fragestellungen
    7. Quantum Software Lifecycle
    8. PlanQK
    9. QAR Kompetenz-Team
    10. Weiterführende Links
    11. Aktivitäten / Vorträge / Publikationen

1. Historie des Quantencomputings

Quantencomputing geht auf zwei wissenschaftliche Revolutionen in der ersten Hälfte des 20. Jahrhunderts zurück.
Die erste Revolution wurde durch die radikal neue Theorie der Quantenmechanik ausgelöst, die unsere Auffassung von Realität drastisch veränderte. Quantenmechanik ist eine der Hauptsäulen der modernen Physik. Ihre Grundlagen wurden zwischen 1925 und 1932 von renommierten Wissenschaftlern wie Werner Heisenberg, Erwin Schrödinger, Max Planck, Nils Bohr, Paus Dirac und anderen geschaffen. Die wissenschaftliche Würdigung dieser Arbeiten erfolgte 1933 durch die Vergabe des Nobelpreises für Physik an Schrödinger/Dirac für die „Entdeckung neuer produktiver Formen der Atomtheorie“, als Ausprägung einer Weiterentwicklung der Quantenmechanik.
Die zweite wissenschaftliche Revolution erfolgte in den 1940er Jahren durch verdiente Wissenschaftler wie Konrad Zuse, Alan Turing und John von Neumann. Sie legten die Grundlagen für den Bau der ersten programmierbaren Computer, welche die Basis aller Rechentechnik ist, wie wir sie heute vom Smartphone bis Großrechner kennen.
In den letzten beiden Jahrzehnten wurden diese beiden Wissenschaften nun zusammen geführt. Es entstand der interdisziplinäre Zweig des Quantencomputings.

2. Was ist Quantencomputing?

Das Ziel des QC ist es, Quantencomputer zu bauen, Quantenalgorithmen zu entwickeln und zu untersuchen, wie die Quantenmechanik für die Informationsübertragung und -verarbeitung genutzt werden kann.

  • Was ist Quantenmechanik?
    Die Quantenmechanik beschreibt spezielle Eigenschaften von Materie im Größenbereich von Atomen. Im Fachbereich von QC nutzt man solche Eigenschaften um Qbits in einer „Superposition“ zu halten, miteinander zu verschränken oder unwahrscheinliche Lösungsmengen durch „Tunneling“ zu erreichen.
  • Was ist das Quantum Circuit Model?
    Das Quantum Circuit Model ist ein Rechenmodell für Quantencomputer. Die darin stattfindende Berechnung ist eine Folge von Quantengattern, die auf einem Qubit-System operieren.
    Ähnlich wie bei klassischen Rechnern, werden logische Gatter in Sequenzen (sogenannte Quantum Circuit) zusammengesetzt, um bestimmte Algorithmen zu realisieren und Problemstellungen zu lösen.
  • Was ist Quantum Annealing?
    Quantum Annealing ist eine Metaheuristik, die mit Hilfe von Quantenfluktuation das Energieminimum eines Qubit-Systems bestimmt.
    Durch eine langsame Abkühlung des Lösungsraumes findet man so eine Antwort auf viele Optimierungsprobleme.
  • Was sind Quantenalgorithmen?
    Der Begriff Quantenalgorithmen umfasst im Allgemeinen Algorithmen, die inhärent quantenhaft erscheinen oder wesentliche Merkmale der Quantenmechanik wie Superposition oder Verschränkung bei der Berechnung bzw. dem Lösen von Problemstellungen verwenden.
    Diese Algorithmen laufen im Gegensatz zu klassischen Algorithmen auf Quantencomputing Hardware.
  • Was ist Quantensoftware?
    Unter Quantensoftware versteht man das breite Spektrum von hardwarenahen QC -Compilern, -Schaltkreisen, -Algorithmen bis hin zu vollumfänglichen -Applikationen.

3. Unser Leistungsspektrum

  • Identifizierung von Use Cases der Anwenderindustrie
    Infolge der vielfältigen Problemstellungen der Unternehmen aus unterschiedlichsten Branchen betrachten wir verschiedenste Anwendungen aus der Praxis, bereiten sie hinsichtlich ihrer Lösbarkeit mit Hilfe von Quantencomputern auf und realisieren erste Prototypen. Hierdurch werden Anforderungen an die verfügbaren QC-Technolgien und Erwartungen an zukünftige Entwicklungen identifiziert. So werden Forschung und Anwendung in engen Austausch gebracht. Gleichzeitig dient dies auch einem frühzeitigen Transfer von Wissen in die Anwenderfirmen.
  • Realisierung von Pilotprojekten
    In enger Zusammenarbeit mit Anwenderfirmen realisieren wir in Pilotprojekten Prototypen. Diese Pilotprojekte gehen über die eingangs erwähnten Use Cases weit hinaus, lösen Anwendungsprobleme, die für die Anwenderfirmen geschäftsrelevant sind und Wettbewerbsvorteile versprechen. Eine Bewertung der Pilotprojekte erlaubt es, die Reife und Praxisrelevanz der QC-Anwendung zu beurteilen.
  • Zugang zu Quantencomputern und „Quantum-inspired“ Hardware
    Unser Ziel ist es, den problemlosen Zugang zu den weltweit führenden Quantencomputern für Industrie und Forschungspartner sowie Lehrende und Studenten zu ermöglichen. Wir pflegen eine langjährige Zusammenarbeit mit der Firma D-Wave Systems, die auf sogenannte Quantum Annealer spezialisiert ist, die insbesondere auf die Lösung (spezieller) Optimierungsprobleme ausgelegt sind. Mit einem Digital Annealer bietet z.B. Fujitsu eine verwandte Architektur des Quantum Annealings, kommt dabei aber ohne Quanteneffekte aus. Die Reihe der Technologien soll jedoch offen gehalten werden, um jederzeit ergänzt werden zu können und insbesondere einen einfachen Zugang zu den zu entwickelnden Quantencomputern ermöglichen.
  • Quantum-Plattformen
    Für den einfachen und universellen Zugang zu Hardware-Resourcen arbeiten wir an gemeinsamen Plattformen für Quantum Computing, die nicht nur mit einer grundlegenden Schnittstelle, sondern auch mit Entwicklungswerkzeugen, Prozessen, Guidelines und Lehrmaterial ausgestatten sind. Eine Plattform für Optimierung (u.A. mittels Quantum Annealing) wird bereits in Lehre und Forschung mit unseren Studenten eingesetzt.
  • Aufbau einer Bewertungskompetenz
    Derzeit entwickeln sich viele QC-Lösungen und -Technologien weltweit, die selbst für große Konzerne, aber insbesondere auch für den Mittelstand nur schwer nachvollziehbar sind. Daher helfen wir mit unserer unabhängigen Bewertungskompetenz, indem wir die Angebote der verschiedenen Hersteller vom QC-Anwendungskompetenzcluster evaluieren und vergleichen. Hierzu werden insbesondere Prototypen auf Quantencomputern erstellt und sowohl untereinander als auch mit klassischen Lösungen verglichen. Ein Werkzeug zur Entscheidungsunterstützung, das die resultierenden Erkenntnisse implementiert, wird diese Bewertungen begleiten.
  • Gebündelter Wissenstransfer
    In großen deutschen Unternehmen gibt es bereits Initiativen zum Thema Quantencomputing. Um das volle Potenzial des QC auszuschöpfen, ist ein Wissenstransfer von der Akademia in die Wirtschaft nötig sowie der Austausch der Experten untereinander um Synergien aller Beteiligten zu erreichen. Hierzu halten wir Workshops, Infoveranstaltungen, Seminare und Kurse ab und organisieren zahlreiche Projekte zur Zusammenarbeit von Industrie und Wissenschaft.

4. Hardware

Neben theoretischen Vorarbeiten, wie der Use Case Analyse und dem Knowledge Transfer, können im QAR-Lab schon jetzt entwickelte Prototypen und Algorithmen auf verschiedener Quantum Computing Hardware evaluiert werden. Grundsätzlich unterscheidet man zwei verschiedene Typen von Quantum Computing Hardware.

Quantum Annealer:
Quantum Annealer sind speziell für die Lösung von Optimierungsproblemen konstruiert worden. Alle Fragestellungen, egal ob Kosten, Wegstrecken oder andere Variablen, werden in Form einer mathematischen Beschreibung – dem sogenannten Quadratic Unconstrained Binary Optimization (QUBO) Problem – auf einem Gitter aus Qubits modelliert und durch die Hardware gelöst.

Universal Gate Quantum Computer:
Das Universal Quantum Gate Model ist ein weiterer Ansatz zur Realisierung von Quantum Computing und beruht auf der Nutzung von Quantengattern. Ähnlich wie bei klassischen Rechnern, werden logische Quantengatter in Sequenzen zusammengesetzt, um bestimmte Algorithmen zu realisieren und Problemstellungen zu lösen.

Im QAR-Lab beschäftigen wir uns sowohl mit der Algorithmenimplementierung für Quantum Annealing Hardware der Firma D-Wave Systems, als auch mit den Gate-basierten Modellen von Rigetti und IBM.

5. Struktur des QAR-Lab

Das QAR-Lab ist fokussiert auf die Software, die mit Quantum Computing entstehen kann. Die Hardware (bspw. Quantum Annealer von D-Wave) nutzen wir über die Cloud. Diese neuen Möglichkeiten können auf vielfältige Weise eingesetzt werden, sowohl in verschiedenen Disziplinen der Wissenschaft als auch verschiedenen Branchen der Wirtschaft. Das QAR-Lab versteht sich dabei auch als Vermittler zwischen den Domänenexperten und den Quantentechnologieexperten, um neue Anwendung zu realisieren.

6. Anwendungsgebiete und Fragestellungen

Mobilität:

  • Wie kann der Verkehr durch eine Stadt ideal gesteuert werden, um Staus auszuschließen?
  • Wie beeinflussen sich alle Verkehrsteilnehmer gegenseitig?

 

Energie:

  • Wie müssen Kraftwerke und Speichersysteme genutzt werden, um die Last ideal zu verteilen?
  • Wie kann ich mögliche Überschüsse und Engpässe rechtzeitig vorhersagen?

 

Medizin:

  • Welche Zusammenhänge bestehen zwischen Patientendaten, erkannten Symptomen und gewählten Behandlungsmethoden?
  • Welche Behandlung ist deshalb die vielversprechendste?

 

Smart Farming:

  • Wie sollen Maschinen ideal über den Tag oder über die Saison hinweg genutzt werden?
  • Wie spielen Parameter wie Wetter, Nachfrage und Ertrag zusammen?

 

Smart Factory:

  • Wie können Produktbestellungen am schnellsten abgearbeitet werden?
  • Wann muss mit dem Ausfall oder der Abnutzung einer Produktionsmaschine gerechnet werden?

 

3D-Modellierung:

  • Wie erstelle ich eine 3D-Repräsentation aus zahlreichen Einzelmessungen?
  • Wie kann ich aus einer Objekterkennung einen effizienten Konstruktionsplan ableiten?

 

Künstliche Intelligenz und Maschinelles Lernen:

  • Können maschinelles Lernen und andere Optimierungsverfahren mit Quantum Annealing kombiniert werden?
  • Wie lassen sich die Entscheidungen mehrerer intelligenter Komponenten effizient abstimmen und koordinieren?

 

Logistik:

  • Lässt sich die Gate-Zuweisung an einem Flughafen bis auf Echtzeit beschleunigen?
  • Wie kann auf alle eventuellen Ausfälle und Probleme mit Mensch und Technik kurzfristig reagiert werden?

7. Quantum Software Lifecycle

Das QAR-Lab untersucht Optimierungsprozesse. Diese kommen in verschiedensten modernen Anwendungen vor. Auch Machine Learning und Künstliche Intelligenz bauen auf Optimierung auf. Sie ermöglichen das komplexe Problemlösen in Anwendungsdomänen wie Logistik, Industrie 4.0 oder Location-Based Services. Aus der Nutzung dieser Anwendungen entstehen Daten in unterschiedlichen Formaten und von unterschiedlicher Qualität. Diese effizient auf einen Quantencomputer zu übertragen stellt aktuell noch eine Herausforderung dar, die von Problem zu Problem gemeistert werden muss. Diese Daten werden von etablierten Algorithmen bearbeitet, deren Komplexität jedoch oft nicht die effiziente Bearbeitung großer Datenmengen erlaubt. Auch hier verspricht Quantum Computing schon einen Gewinn an Performance. Durch die Datenanalyse werden wichtige Einsichten über die Struktur der Daten gewonnen. Diese lassen sich auf High-Level Eigenschaften zusammenfassen und können so unser Wissen über die Problemdomäne beschreiben. Die Zusammenfassung wiederum kann oft auf natürliche Weise durch einen Quantencomputer unterstützt werden. Gleichzeitig hilft diese High-Level-Darstellung auch im Umgang mit manchen Eigenheiten von (aktuellen) Quantencomputern. Dieses tiefe Wissen über das gestellte Problem wiederum ermöglicht oft erst neu und revolutionäre Anwendungen in der realen Welt.

Im QAR-Lab beschäftigen wir uns mit allen Stufen dieses Prozesses, der die digitale Welt jetzt schon prägt. Der Quanten Computer integriert sich auf vielfältige Weise in diesen Prozess und die Möglichkeiten sind noch lange nicht ausgeschöpft.

8. PlanQK

Das QAR-Lab der LMU ist unter anderem als Konsortialpartner im BMWi geförderten Projekt PlanQK (Plattform und Ökosystem für Quantenunterstützte Künstliche Intelligenz) vertreten.
Mit der Expertise in den Bereichen des Maschinellen Lernens und Quantum Computing unterstützen wir Industriepartner bei der Umsetzung und Entwicklung von Quantenunterstützten KI-Algorithmen für diverse Business Use Cases. Weitere Informationen, finden Sie unter PlanQK.

9. Das QAR-Lab Kompetenzteam


Prof. Dr. Claudia
Linnhoff-Popien

(Leitung)

 


Thomas Gabor

Carsten Hahn

Asst. Prof. Dr. Sebastian Feld

Christoph Roch

Irmengard Sax

Sebastian Zielinski

Jonas Stein

10. Weiterführende Links

11. Publikationen

  • C. Roch, T. Phan, S. Feld, R. Müller, T. Gabor, C. Hahn, and C. Linnhoff-Popien, „A Quantum Annealing Algorithm for Finding Pure Nash Equilibria in Graphical Games,“ in 20th International Conference on Computational Science (ICCS 2020), 2020, p. 12. doi:10.1007/978-3-030-50433-5_38
    [BibTeX] [Download PDF]

    @inproceedings{roch2020quantum,
    author = {Christoph Roch and Thomy Phan and Sebastian Feld and Robert Müller and Thomas Gabor and Carsten Hahn and Claudia Linnhoff-Popien},
    title = {A Quantum Annealing Algorithm for Finding Pure Nash Equilibria in Graphical Games},
    booktitle = {20th International Conference on Computational Science (ICCS 2020)},
    year = {2020},
    month = {June},
    pages = {12},
    url = {https://www.iccs-meeting.org/archive/iccs2020/papers/121420466.pdf},
    doi = {10.1007/978-3-030-50433-5_38},
    }
  • I. Sax, S. Feld, S. Zielinski, T. Gabor, C. Linnhoff-Popien, and W. Mauerer, „Approximate Approximation on a Quantum Annealer,“ in 17th ACM International Conference on Computing Frontiers (ACM CF 2020), 2020, p. 9. doi:10.1145/3387902.3392635
    [BibTeX] [Download PDF]

    @inproceedings{sax2020approximate,
    author = {Irmengard Sax and Sebastian Feld and Sebastian Zielinski and Thomas Gabor and Claudia Linnhoff-Popien and Wolfgang Mauerer},
    title = {Approximate Approximation on a Quantum Annealer},
    booktitle = {17th ACM International Conference on Computing Frontiers (ACM CF 2020)},
    url = {https://arxiv.org/abs/2004.09267},
    year = {2020},
    month = {May},
    pages = {9},
    doi = {10.1145/3387902.3392635},
    }
  • T. Gabor, L. Suenkel, F. Ritz, L. Belzner, C. Roch, S. Feld, and C. Linnhoff-Popien, „The Holy Grail of Quantum Artificial Intelligence: Challenges in Accelerating the Machine Learning Pipeline,“ in 1st International Workshop on Quantum Software Engineering (QSE at ICSE), 2020.
    [BibTeX]
    @InProceedings{gabor2020the,
    author = {Thomas Gabor and Leo Suenkel and Fabian Ritz and Lenz Belzner and Christoph Roch and Sebastian Feld and Claudia Linnhoff-Popien},
    title = {The Holy Grail of Quantum Artificial Intelligence: Challenges in Accelerating the Machine Learning Pipeline},
    booktitle = {1st International Workshop on Quantum Software Engineering (QSE at ICSE)},
    year = {2020},
    owner = {tgabor},
    }
  • T. Gabor, S. Feld, H. Safi, T. Phan, and C. Linnhoff-Popien, „Insights on Training Neural Networks for QUBO Tasks,“ in 1st International Workshop on Quantum Software Engineering (QSE at ICSE), 2020.
    [BibTeX]
    @InProceedings{gabor2020insights,
    author = {Thomas Gabor and Sebastian Feld and Hila Safi and Thomy Phan and Claudia Linnhoff-Popien},
    title = {Insights on Training Neural Networks for QUBO Tasks},
    booktitle = {1st International Workshop on Quantum Software Engineering (QSE at ICSE)},
    year = {2020},
    owner = {tgabor},
    }
  • S. Feld, C. Roch, K. Geirhos, and T. Gabor, „Approximating Archetypal Analysis Using Quantum Annealing,“ in Accepted at the 28th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning (ESANN 2020), 2020.
    [BibTeX]
    @InProceedings{feld2020approximating,
    author = {Sebastian Feld and Christoph Roch and Katja Geirhos and Thomas Gabor},
    title = {Approximating Archetypal Analysis Using Quantum Annealing},
    booktitle = {Accepted at the 28th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning (ESANN 2020)},
    year = {2020},
    owner = {sfeld},
    }
  • S. Feld, C. Roch, T. Gabor, M. To, and C. Linnhoff-Popien, „The Dynamic Time Warping Distance Measure as QUBO Formulation,“ in IEEE 5th International Conference on Computer and Communication Systems (ICCCS 2020), 2020.
    [BibTeX]
    @inproceedings{feld2020DTWQubo,
    title={The Dynamic Time Warping Distance Measure as QUBO Formulation},
    author={Sebastian Feld and Christoph Roch and Thomas Gabor and M. To and Claudia Linnhoff-Popien},
    booktitle={IEEE 5th International Conference on Computer and Communication Systems (ICCCS 2020)},
    year={2020},
    organization={IEEE}
    }
  • T. Gabor, S. Zielinski, C. Roch, S. Feld, and C. Linnhoff-Popien, „The UQ Platform: A Unified Approach To Quantum Annealing,“ in IEEE 5th International Conference on Computer and Communication Systems (ICCCS 2020), 2020.
    [BibTeX]
    @inproceedings{gabor2020UQ,
    title={The UQ Platform: A Unified Approach To Quantum Annealing},
    author={Thomas Gabor and Sebastian Zielinski and Christoph Roch and Sebastian Feld and Claudia Linnhoff-Popien},
    booktitle={IEEE 5th International Conference on Computer and Communication Systems (ICCCS 2020)},
    year={2020},
    organization={IEEE}
    }
  • S. Feld and C. Linnhoff-Popien, Quantum Technology and Optimization Problems: First International Workshop, QTOP 2019, Munich, Germany, March 18, 2019, Proceedings, Springer, 2019, vol. 11413.
    [BibTeX]
    @book{feld2019quantum,
    title={Quantum Technology and Optimization Problems: First International Workshop, QTOP 2019, Munich, Germany, March 18, 2019, Proceedings},
    author={Feld, Sebastian and Linnhoff-Popien, Claudia},
    volume={11413},
    year={2019},
    publisher={Springer}
    }
  • S. Feld, C. Roch, T. Gabor, C. Seidel, F. Neukart, I. Galter, W. Mauerer, and C. Linnhoff-Popien, „A Hybrid Solution Method for the Capacitated Vehicle Routing Problem Using a Quantum Annealer,“ in Frontiers in ICT, 2019, pp. 1-13.
    [BibTeX]
    @InProceedings{feld2019hybrid,
    author = {Sebastian Feld and Christoph Roch and Thomas Gabor and Christian Seidel and Florian Neukart and Isabella Galter and Wolfgang Mauerer and Claudia Linnhoff-Popien},
    title = {A Hybrid Solution Method for the Capacitated Vehicle Routing Problem Using a Quantum Annealer},
    booktitle = {Frontiers in ICT},
    year = {2019},
    volume = {6},
    pages = {1--13},
    owner = {sfeld},
    }

12. Aktivitäten / News

Alle Meldungen / Zum Archiv

Switch to english