Alle Projekte
Anwendungen Quanten-Maschinelles-Lernen Ulm
DLR-Institut
Auftragnehmer

Ziel

Wir machen die komplette End-to-End-Pipeline von Quanten-KIs vergleichbar, quantifizieren eventuelle Quantenvorteile gegenüber klassischen Methoden, entwickeln einen Demonstrator und stoßen so eine Standardisierung im Quanten-KI-Umfeld an.

Obwohl das Interesse an KI-Methoden auf Quantenhardware für praxisrelevante Anwendungen stetig steigt, stecken die passenden Algorithmen noch in den Kinderschuhen. Machbarkeitsstudien haben bisher kaum Quantenvorteile nachweisen können, die über konstruierte Problemstellungen hinausgehen. Mit Quant²AI wollen wir mögliche Vorteile von Quanten-KIs heuristisch mit einem reproduzierbaren Vergleich evaluieren. Dieser Benchmark ermöglicht Entwicklerinnen und Entwicklern, ihre Methoden standardisiert zu testen und hilft Anwenderinnen und Anwendern geeignete Algorithmen für ihr Einsatzgebiet zu identifizieren.

Motivation

Die Leistungsfähigkeit von Quantencomputern wurde in den letzten drei Jahren enorm gesteigert. Google verkündete sogar bereits, die Quantenüberlegenheit oder Quantenvorteil erreicht zu haben. Diese Steigerung weckt die Erwartung auch komplexe KI-Algorithmen auf Quantenhardware umzusetzen und mittelfristig Vorteile für praktische Anwendungen gegenüber klassischen Methoden zu realisieren. Der Betrieb eines Quantencomputers ist mit erheblichem Aufwand verbunden, was sich perspektivisch nicht ändern wird. Das wirft die Frage auf, ob nicht-klassische Hardware effizienter genutzt werden kann. Auch wenn die Implementierung einer KI-Methode Sub-Algorithmen beinhaltet, deren Quantenvorteil nachgewiesen ist, kann der Vorteil im Gesamtsystem wieder verloren gehen, etwa durch die Notwendigkeit der Codierung klassischer Daten in Quantenzustände oder die Messung zum Auslesen der Ergebnisse. Eine realitätsnahe Beurteilung von Quantenvorteilen muss daher die komplette Prozesskette berücksichtigen und so der Überbewertung von Teilprozessen entgegenwirken.

Herausforderung

Unser Benchmark soll durch den Einsatz statistischer Methoden und Hyperparametersuchen den Vergleich von Algorithmen vorurteilsfrei und reproduzierbar durchführen. Dabei vergleichen wir jeweils die beste Konfiguration einer spezifischen KI-Prozesskette. Eine modulare Struktur ermöglicht uns, den Ursprung eines Vorteils zu identifizieren und anhanddessen einen Ansatzpunkt für eine weiter Untersuchung zu finden.

Das Einsatzgebiet des Benchmarks sehen wir neben der Wissenschaft vor allem im industriellen Kontext: Hier besteht Bedarf, den Einsatz von Quanten-KI für eigene Anwendungen zu evaluieren und den Zeitrahmen abschätzen zu können, in dem geeignete Quanten-Hardware für diese Algorithmen verfügbar sein wird. Dafür gestalten wir den Benchmark so, dass er nicht nur für die Entwicklungsebene sondern auch für die Entscheidungsebene eines Unternehmens zugänglich ist. Technisch versierte Entscheiderinnen und Entscheider können damit informierte Entscheidungen über den Einsatz von Methoden treffen. Damit ermöglichen wir den ersten Schritt von der aktuellen „Goldgräberstimmung“ zu einer höheren Investitionssicherheit in Quantencomputing-Anwendungen.

Alle Neuigkeiten

Publikationen