KI für Quantencomputing

Mit KI das Potenzial von Quantencomputing ausschöpfen

Quantencomputing hat das Potenzial, die Computerwissenschaft zu revolutionieren, indem es bisher unlösbare Probleme mit klassischen Computern bewältigt. Doch um dieses Potenzial zu entfalten, müssen wir in der Lage sein, Quantenalgorithmen effizient zu entwickeln und auf realer Quantenhardware umzusetzen.

Unsere Arbeit konzentriert sich auf die Weiterentwicklung modernster Quantenalgorithmen und die Schaffung innovativer Werkzeuge, um die effektive Nutzung von Quantenhardware zu optimieren. Ziel ist es, die Lücke zwischen theoretischem Potenzial und praktischer Anwendung zu schließen und Quantencomputing-Lösungen für reale Einsatzszenarien zu ermöglichen.

Die heutige Quantenhardware ist durch störanfällige Qubits und begrenzte Kohärenzzeiten gekennzeichnet und bringt erhebliche Herausforderungen mit sich. Um diese neue Technologie vollständig auszuschöpfen, müssen wir fortschrittliche Algorithmen und Tools entwickeln, die maximale Leistung bei minimalem Ressourcenaufwand bieten. Die Quantenhardware der Zukunft wird schließlich das gesamte Potenzial des Quantencomputings freisetzen.

Wir nutzen Methoden der Künstlichen Intelligenz, um diese Herausforderungen zu bewältigen. Dieser duale Ansatz – mit heutiger und zukünftiger Hardware – stellt sicher, dass Quantencomputing sein Versprechen einlösen kann, Branchen, Wissenschaft und Technologie zu transformieren: Quantencomputing, jetzt!

Unser Ansatz

Wie beschäftigt sich das Fraunhofer IIS – Bereich Lokalisierung und Vernetzung – mit der Technologie des Quantencomputings?

Basierend auf unserer Expertise in den Bereichen Quantencomputing und Machine Learning, insbesondere Deep Reinforcement Learning, entwickeln wir sowohl Softwarewerkzeuge als auch Algorithmen, um Quantencomputer für industrielle Anwendungen in naher Zukunft nutzbar zu machen. Dr. Daniel Scherer, Head of Quantum Compilation Group, betont, dass die interdisziplinäre Zusammenarbeit unseres Expertenteams aus Physik, Informatik und Mathematik essentielle Beiträge zum Quantencomputing-Software-Stack liefert. Unser Ziel ist es, vielversprechende Lösungsansätze zu schaffen, die das Quantencomputing, insbesondere die NISQ-Hardware, leicht zugänglich machen und gleichzeitig die maximale Rechenleistung zur Verfügung stellen.

© Fraunhofer IIS


Unsere Forschungsschwerpunkte auf einen Blick:

  • Quantenalgorithmen für maschinelles Lernen – Wir erforschen den Einsatz von Quantencomputern zur Verbesserung von Verfahren des maschinellen Lernens.
  • Quantum Circuit Cutting – Wir erforschen und entwickeln Verfahren zum „Zerschneiden“ von Quantenschaltkreisen. Dies ermöglicht verteiltes Quantenrechnen auf mehreren Quantum Processing Units.
  • Quantum Circuit Compilation – Wir arbeiten an der optimierten Übersetzungen von Quantenschaltkreisen in ausführbare Befehle des Quantencomputers.    
  • Quantum Error Correction – Wir erforschen Verfahren zur Erzeugung Hardware-angepasster Fehlerkorrektur zur Senkung der Anforderungen an fehlerkorrigierte und fehlertolerante Quantencomputer. 

Der Quantum Computing Stack umfasst Software und Hardware, die nötig ist um Quantenalgorithmen auf einem Quantencomputer auszuführen. Im Bereich Lokalisierung und Vernetzung des Fraunhofer IIS sind Forschung und Entwicklung auf Quantencomputing Middleware fokussiert: „Quantum Circuit Cutting“, „Compilation“ und „Quantum Error Correction“ bilden unsere Forschungsschwerpunkte. Weiterhin erforschen wir Quantenalgorithmen zur Verbesserung von Reinforcement Learning Verfahren, einer speziellen Variante des maschinellen Lernens.

 

Quantum Algorithms

Quantum Algorithms

Quantenalgorithmen für maschinelles Lernen – Wir erforschen den Einsatz von Quantencomputern zur Verbesserung von Verfahren des maschinellen Lernens.

Unser Leistungsangebot

Das Fraunhofer IIS ist Ihr Partner, um das Potential von Quantencomputing-basierten Lösungen für komplexe Herausforderungen in Ihren Unternehmensprozessen zu evaluieren.

Forschung/Entwicklung

Wir bieten Ihnen Teil- oder komplette F&E-Dienstleistungen.

 

 

Beratung

Wir bieten Ihnen Beratungen und Best Practices, um eine effektive Quantum DevOps-Kultur zu fördern.

Machbarkeits- und Technologiestudien

Wir bieten Ihnen Studien zur Evaluierung von Quantencomputing-Lösungen und deren wirtschaftlichem Potenzial an.

Consulting Workshop

Sie suchen den Einstieg ins Quantencomputing oder arbeiten bereits an Proof-of-Concept-Lösungen im Bereich Quantencomputing?

Gerne bieten wir Ihrem Unternehmen ein maßgeschneidertes Workshop an!

Kontaktieren Sie uns!

Wir realisieren die effiziente Bearbeitung Ihrer F&E-Projekte, sowie die Ausbildung von Nachwuchskräften mit diesem neuen Kompetenzprofil.

Kontaktieren Sie uns für eine individuelle Beratung unter:

 

Projekte

 

QACI

 

 

Als Teil des QACI-Konsortiums (Quantum Algorithms for Application, Cloud & Industry) forschen wir an Machine Learning-basierten Ansätzen und Methoden für die optimale Nutzung von NISQ-Hardware durch optimierte Kompilation.

 

BayQS

 

 

Im Bayerischen Kompetenzzentrum Quanten Security and Data Science (BayQS) erforschen wir den Einsatz von Quantencomputern zur Verbesserung von maschinellem Lernen.

 

QuaST

 

 

Im Forschungsprojekt QuaST entwickeln wir Werkzeuge zur verbesserten Ausnutzung von Quantencomputern und bereiten den Weg für verteiltes Quantenrechnen.

 

QLindA

 

 

Im Projekt QLindA entwickeln wir Quantum Reinforcement Learning Algorithmen für industrielle Anwendungen.

 

Bench-QC

 

 

Im Leuchtturmprojekt Bench-QC des Munich Quantum Valley erforschen wir Benchmarking-Verfahren zur Identifikation von praktischen Quantenvorteilen.

 

KID-QC²

 

 

Im Projekt KID-QC², einem Leuchtturmprojekt des Munich Quantum Valley, arbeiten wir und die Universität Augsburg eng zusammen, um den Entwurf und die Optimierung von Quantenschaltungen für quantenchemische Berechnungen auf eine neue Stufe zu heben.

Weitere Informationen

Quantentechnologien

Erfahren Sie mehr über Enablingtechnologien und Algorithmen für das Quantencomputing

Autonome Systeme

Automatisierung begegnet uns im Alltag inzwischen überall. Dass etwas automatisch läuft, ist so lange entlastend, bis ein Problem entsteht. Inzwischen können diese Fehler von den Maschinen selbst behoben werden.

Machine Learning Kompetenz

Das über viele Jahre aufgebaute Know-how in verschiedenen Anwendungsbereichen ermöglicht individuelle Beratung und Lösungen für den Kunden.

Wir suchen Studenten/innen...

Neue Stellen werden hier verlinkt

Online-Magazin

Serie: Quantentechnologien

Unsere Publikationen

Franz, Maja; Wolf, Lucas; Periyasamy, Maniraman; Ufrecht, Christian; Scherer, Daniel D.; Plinge, Axel; Mutschler, Christopher; Mauerer, Wolfgang (2022): Uncovering instabilities in variational-quantum deep Q-networks, in: 2022 Journal of the Franklin Institute, Volume 360, Issue 17, pp. 13822-13844.

Periyasamy, Maniraman; Meyer, Nico; Ufrecht, Christian; Scherer, Daniel D.; Plinge, Axel; Mutschler, Christopher (2022): Incremental Data-Uploading for Full-Quantum Classification, in: 2022 IEEE International Conference on Quantum Computing and Engineering (QCE), pp. 31-37.