(openPR) Ziel des Q-GeneSys-Projekts ist die Überlegenheit – Supremacy im Fachjargon genannt – von Quantencomputern für den praktischen Einsatz in der Industrie nutzbar zu machen. Damit sind neuartige Modellierungs- und Evaluierungsmethoden für ein breites Spektrum von Industrieanwendungen möglich. Sie reichen von der Erstellung neuer Molekülstrukturen für Chemie, Pharmazie und Medizin, über die industriellen Prozessoptimierung bis zur Automatisierung. Das Projekt ist auf drei Jahre angelegt und beschäftigt sich auch mit Optimierungen von Energieverteilung für das Netzmanagement in Smart Grids und der Steuerung der Gebäudeautomation.
Das Bundesministerium für Forschung, Technologie und Raumfahrt BMFTR fördert dieses Vorhaben im Programm Quantensysteme »Anwendungsorientierter Quanteninformatik«, um Quantencomputing und generatives Lernen zu verbinden und für effizientere, neue Produktentwicklungen nutzbar zu machen.
Q-GeneSys soll hochkomplexes Benchmarking effizienter und schneller gestalten
Die Lücke zwischen klassischen Rechnern und Supercomputern und den Möglichkeiten effizienten Quantencomputings nun zu schließen, haben sich die Konsortialpartner von
Q-GeneSys auf die die Fahne geschrieben. Mit ihrem Ansatz versuchen sie Quantenberechnungen zu beschleunigen und so beispielsweise Konstruktionsentwürfe nach Kriterien wie Gewichtsreduzierung, Materialeffizienz, Kostenminimierung und Leistungssteigerung mit hoher Einsparung von Zeit- und Kostenressourcen zu optimieren.
Q-GeneSys verbindet Quantencomputing und generatives Lernen
Vorteile, die sich aus den physikalischen Eigenschaften von Quanten ergeben, wie z.B. eine Parallelität in der Verarbeitung (Superposition) oder beispielsweise durch die Verschränkungen (Entanglement), werden gezielt mit Lösungsansetzen aus dem generativen Lernen verbunden. Beim generativen Lernen versucht man, durch Anreicherung von Informationen und geeignete Verknüpfung vorhandener Daten neue, angepasste Lösungen für Optimierungs- und Simulationsprozesse zu erzielen. Bisher wurde dies über hohen Rechenaufwand mit klassischen Rechnern so genannter Super-Computer realisiert. Dies bedeutete trotz des hohen Aufwands jedoch keine ausreichende Beschleunigung bei der Berechnung hochdimensionaler Wahrscheinlichkeitsverteilungen, wie sie für praxisrelevante Szenarien in Industrie- und Wirtschaftsprozessen vorliegen.
Mit KI und Quantencomputing zu neuen Evaluierungsmethoden und besseren Prognosen
Unter Federführung der Siemens AG stellten die Forschenden geeignete Datensätze aus der Industrie zusammen, bewerten und evaluieren sie dann im Praxistest. Die Firma IQM wird quantengenerative Modelle erstellen, die klassisch trainierbar sind und sich für die Erstellung von Stichproben eignen.
Frühzeitige Fehlertoleranz und -korrektur durch KI plus Quantencomputing
Die Expertinnen und Experten des Fraunhofer IIS erweitern diese klassisch erzeugten quantengenerative Modelle, um notwendige Strategien für frühzeitige Fehlertoleranz und -korrektur anbieten zu können. Hierbei nutzen sie vorrangig Methoden der künstlichen Intelligenz, um Fehlerkorrekturverfahren zu entwickeln und anzupassen, und diese dadurch so effizient wie möglich zu gestalten. So können die Vorteile, die Quantencomputing bietet, auch auf eher fehlerbehaftet arbeitender Hardware dennoch genutzt werden.
Die OTH Regensburg beschäftigt sich mit den notwendigen Methoden zum Training und dem adäquaten Erstellen von Stichproben, die sich für die Beantwortung der Problemstellung besonders eignen. So können im Projekt effiziente Schätzverfahren für die entsprechend trainingsrelevanten Größen bzw. für eine fehlerresistentes Stichproben-Sampling-Verfahren erstellt werden.
Gefördert durch das Bundesministerium für Forschung, Technologie und Raumfahrt BMFTR
Forschungsprogramm Quantensysteme
Projektlaufzeit: 01.10.2025 - 30.09.2028
Projektvolumen: 3,33 Mio € (zu 76,95% durch das BMFTR gefördert)
