Webinar-Reihe: Basiswissen Quantencomputing

Quantenmechanik mag schwierig sein. Wie ein Quantencomputer funktioniert, kann man aber trotzdem verstehen – wenn es gut erklärt wird. In dieser Vortragsreihe erklären DLR-Expertinnen und -experten zum Beispiel, wie man mit Qubits rechnet, was einen Quantenannealer von Quantencomputern unterscheidet und wie man Quantensimulation zur Materialforschung einsetzen kann. Die fünfteilige Seminarreihe richtet sich an Menschen, die das Wort Quantencomputer schon einmal gehört haben, aber sich fragen, was das ist.

Hinweis: Die Videos werden derzeit bereitgestellt.

Quantum Annealer sind spezielle Quantenarchitekturen, die auf Basis des adiabatischen Theorems ein Quantensystem in ein anderes durch adiabatische Evolution überführen und dabei den Grundzustand, den Zustand der niedrigsten Energie, erhalten. Durch Kodieren einer Funktion im Zielquantensystem kann damit deren Minimum bestimmt werden.

Da die theoretischen Voraussetzungen des adiabatischen Theorems jedoch in der Realität nie vollständig erfüllt werden können, stellt der Quantum Annealer einen heuristischen Optimierer für diese Zielfunktionen dar, der durch wiederholtes Ausführen die Optimallösung nur mit einer gewissen Wahrscheinlichkeit findet.

Die Firma D-Wave Systems Inc. ist die erste, die einen Quantum Annealer kommerziell verfügbar machte. Die Realisierung der Qubits über überlappende supraleitende Schleifen erlaubt hierbei die Optimierung quadratischer Zielfunktionen über binäre Variablen. Diese sogenannten Ising-Probleme sind klassisch schwer zu lösen. Ein Beispiel ist das Flugzeug-Gate-Zuordnungsproblem, bei dem die Zeit, die Transitpassagiere von einem Gate zum anderen benötigen, optimiert wird.

Die eingeschränkte Hardwarestruktur erfordert jedoch verschiedene Transformationsschritte. So müssen beispielsweise alle Variablen binär kodiert und Nebenbedingungen durch Strafterme in die Zielfunktion integriert werden. Zudem realisieren die Qubit-Kopplungen nur einen ganz bestimmten Hardwaregraphen, in den eine sogenannte Einbettung gefunden werden muss, bevor auf der Maschine Berechnungen durchgeführt werden können. Auf Basis dieser Einbettung muss anschließend das eingebettete Ising-Problem formuliert werden, das das eigentlich zu lösende Problem auf der Maschine repräsentiert. Hierbei muss die eingeschränkte Maschinenpräzision beachtet werden. All diese Schritte haben einen starken Einfluss auf die Erfolgswahrscheinlichkeit und müssen daher mit großer Sorgfalt durchführt werden, um sinnvolle Experimente auf dem Quantum Annealer zu ermöglichen.

Wenn die inneren Prozesse der Natur nach quantenphysikalischen Regeln verlaufen, scheitern klassische Ansätze, sie zu simulieren. Besonders interessant sind Oberflächenprozesse, bei denen nur überschaubar viele Atome beteiligt sind. Beispiele sind Biokatalysatoren, die Zucker bei Raumtemperatur verbrennen oder Effekte an den Elektrodenoberflächen von Batterien.

Ein Quantencomputer würde dieses Problem elegant lösen. Fortschritte in der Experimentaltechnik erlauben es, Einzelatome und ihre Wechselwirkung zu untersuchen. Ketten von Einzelatomen bilden die Vorstufe von gatterbasierten Quantencomputern. Noch ist die Fehlerrate von Quantengattern zu groß, um mit ihnen umfangreiche Algorithmen zu programmieren. Einen Ausweg zeigen jedoch Hybridsysteme, die Aufgaben gemeinsam angehen: Zwischenergebnisse eines Quantencomputers fließen in die Rechnungen eines klassischen Computers ein. Er gibt verbesserte Parameter an den Quantencomputer zurück und grenzt dort den Parameterbereich ein. Damit führt der Quantencomputer die nächste Abschätzung durch und setzt die Schleife fort.

Quantenalgorithmen sind Algorithmen, die auf Quantencomputern ausgeführt werden. Sie nutzen Phänomene der Quantenmechanik wie Superposition von Zuständen und Verschränkung aus und ermöglichen es so, gewisse Probleme in weniger Schritten zu lösen als ein klassischer Computer. Der Vortrag erläutert wichtige Klassen von Quantenalgorithmen und ihre zentralen Bausteine. Neben einem Überblick über die wachsende Anzahl an Quantenalgorithmen betrachtet er einige wenige Beispiele genauer. Sie geben ein Gefühl dafür, woher diese ihren Vorteil gegenüber klassischen Verfahren gewinnen.