Fraunhofer-Gesellschaft

Die vier Säulen der Quanten-Technologie

2. Dezember 2020, 14:09 Uhr | Gerhard Stelzer

Fortsetzung des Artikels von Teil 1

Wie profitiert Künstliche Intelligenz vom Quanten-Computing?

Übersicht über Fähigkeiten, Anwendungen und Branchen des Quanten-Computings.
Übersicht über Fähigkeiten, Anwendungen und Branchen des Quanten-Computings.
© Fraunhofer

Quanten-Computer werden die Künstliche Intelligenz und das Maschinelle Lernen tiefgreifend verändern und völlig neue Anwendungsmöglichkeiten erschließen. In einer Studie erläutern Expertinnen und Experten der Fraunhofer-Allianz Big Data und Künstliche Intelligenz gemeinsam mit wissenschaftlichen Partnern, wie Quanten-Computer Verfahren des Maschinellen Lernens beschleunigen können und welche Potenziale ihr Einsatz in Industrie und Gesellschaft mit sich bringen wird. Die Studie stellt grundlegende Konzepte und Technologien des Quanten-Computings vor, analysiert die aktuelle Forschungs- und Kompetenzlandschaft und zeigt Marktpotenziale auf.

Viele Aufgaben im Bereich Big Data, Künstliche Intelligenz (KI) und Maschinelles Lernen (ML) sind heute, trotz fortschrittlicher Rechenleistung von Computersystemen, nur mit immensem Zeit- und Rechenaufwand lösbar – manche sind sogar so komplex, dass ihre Berechnung mit heutigen Rechnerkapazitäten Jahre dauern würde. Bei der Entwicklung neuer Impfstoffe zum Beispiel könnten KI-Verfahren helfen – die Biologie ist jedoch so komplex, dass die Simulation der molekularen Reaktionen im Körper bei einer realistischen Rechenzeit nach heutigem Stand nur sehr unvollständig abgebildet werden könnte. Es braucht einen »Quantensprung«, um die Künstliche Intelligenz und das Maschinelle Lernen auf ein neues Level zu heben. Hier setzt das Quanten-Computing an.

»Im Quanten-Computing steckt das Potenzial, die prinzipiellen Beschränkungen klassischer Computer zu überwinden«, erklärt Prof. Dr. Christian Bauckhage, wissenschaftlicher Direktor des Fraunhofer-Forschungszentrums Maschinelles Lernen. »Das ist uns bei Fraunhofer schon lange bewusst und wir forschen seit Jahren an der Anpassung von Algorithmen des Maschinellen Lernens an die Anforderungen von Quanten-Computern. Lange waren diese Forschungen jedoch theoretische Konzepte. Das ändert sich jetzt: Schon bald werden wir in der Lage sein, ML-Algorithmen auf realen Quanten-Computern anzuwenden.«

Welche Quanten-Effekte spielen beim Quanten-Computing eine Rolle? Wie können sie Rechenverfahren beschleunigen und völlig neue Anwendungen ermöglichen – etwa im Bereich Logistik & Mobilität, in der Pharmaindustrie oder in der Finanzwirtschaft? Das erklären Expertinnen und Experten der Fraunhofer-Allianz Big Data und Künstliche Intelligenz sowie des Fraunhofer-Forschungszentrums Maschinelles Lernen in Kooperation mit dem Kompetenzzentrum Maschinelles Lernen Rhein-Ruhr ML2R in ihrer Studie.

Anbieter zum Thema

zu Matchmaker+

Wie Quanten-Computer Berechnungen beschleunigen

Funktionsweise einen Quanten-Computers mit verschiedenen Gattertypen für Rechenoperationen.
Funktionsweise einen Quanten-Computers mit verschiedenen Gattertypen für Rechenoperationen.
© FhG IAF | Google

Quanten-Computer nutzen zur Informationsverarbeitung Quanten-Effekte wie Superposition oder Verschränkung und können dadurch prinzipiell schneller Ergebnisse liefern. Während ein digitaler Computer mit Bits rechnet, arbeitet ein Quanten-Computer mit Qubits, die im Gegensatz zu den klassischen Bits nicht nur genau einen von zwei möglichen Zuständen annehmen können, sondern auch eine beliebige Überlagerung beider. Verfahren des Maschinellen Lernens lassen sich für Quanten-Computer so anpassen, dass sie mehrere Lösungswege gleichzeitig beschreiten. Damit kann ein einzelner Quanten-Computer schneller Lösungen finden als viele klassische Computer in einem Cluster, wie etwa einer Cloud. Anhand ausgewählter Beispiele zeigt die Studie, wie Quanten-Algorithmen für das Durchsuchen großer Datenbanken, das Lösen komplexer Gleichungssysteme oder kombinatorischer Optimierungsprobleme genutzt werden können.

Neben den logischen Konzepten von Quanten-Computern stellt die Studie auch Techniken für die Implementierung der Hardware vor, wie photonische Quanten-Computer, Ionenfallen oder die bisher am weitesten verbreitete Technologie der supraleitenden Schaltungen.

Wertschöpfungspotenziale durch Simulation und Optimierung

Der Einsatz von Quanten-Computern für Berechnungen auf Basis des Maschinellen Lernens wird zukünftig in vielen Industriebereichen für eine effizientere Wertschöpfung sorgen. Besonders prädestiniert sind Quanten-Computer aufgrund ihrer Konstruktionsprinzipien dazu, Einblicke in quantenmechanische Systeme, wie etwa Moleküle, zu gewähren. Lassen sich Moleküle und ihre Eigenschaften in vertretbarer Zeit simulieren, so eröffnen sich in Zukunft möglicherweise neue Produktionsverfahren für die chemische Industrie. Ebenso könnten Pharmaunternehmen die Medikamentenentwicklung beschleunigen oder die Ingenieurwissenschaften von einer gezielten Materialentwicklung profitieren.

Großes Wertschöpfungspotenzial liegt auch in der Lösung von Optimierungsproblemen mithilfe von Quanten-Computern. Diese stellen sich beispielsweise in der Logistik, wenn es darum geht, Ressourcen optimal einzusetzen. Aber auch in der Finanzwirtschaft und bei der Planung von Telekommunikationsnetzen spielen Optimierungsfragen eine entscheidende Rolle. Zudem gibt es schon heute Quantenalgorithmen, die große Auswirkungen auf die Kryptographie und sichere, verschlüsselte Kommunikation haben können.

Europa führt Forschungslandschaft an

An der Entwicklung von Quanten-Computern arbeiten alle Industrienationen. Öffentliche und private Investitionen, vor allem aus China, den USA und der Europäischen Union, haben bereits einen erheblichen Beitrag zur bisherigen Entwicklung von Quanten-Technologien geleistet. Dabei liegt China mit rund zehn Milliarden US-Dollar an Investitionen im Vergleich zu den USA (rund 1,3 Mrd. USD) und Europa (rund 1 Mrd. USD) bislang noch weit vorn. Die Fraunhofer-Studie gibt einen Überblick über die weltweite Forschungs-, Förder-, Patent- und Publikationslandschaft und zeigt das starke Wachstum dieses Marktes auf, das sich seit 2016 rasant beschleunigt hat. So hat sich etwa die Zahl der weltweit erteilten Patente von 2015 bis 2019 mehr als verdreifacht. Gemessen an der Anzahl an Publikationen ist Europa, beziehungsweise die EMEA-Region, international führend in der akademischen Quantenphysik – mit heute rund 50 Prozent aller wissenschaftlichen Publikationen und fast 40 Prozent der Forschenden in diesem Bereich.

»Europa und im Speziellen Deutschland befindet sich derzeit im weltweiten Forschungswettlauf auf Augenhöhe mit den USA und China. Das dynamische Wachstum und die vielen offenen Forschungsfragen bedeuten jedoch auch, dass es einer kontinuierlichen Forschungsförderung dieses Gebietes bedarf, um die im internationalen Vergleich gute Ausgangsposition zu halten und auszubauen«, betont Bauckhage.

Eigener Quanten-Computer für europäische Forschungslandschaft

Das »IBM Q System One« werden die Wissenschaftler der Fraunhofer-Allianz Big Data und Künstliche Intelligenz sowie des Fraunhofer-Forschungszentrums Maschinelles Lernen nutzen.
Das »IBM Q System One« werden die Wissenschaftler der Fraunhofer-Allianz Big Data und Künstliche Intelligenz sowie des Fraunhofer-Forschungszentrums Maschinelles Lernen nutzen.
© FhG IAF | IBM

Die Fraunhofer-Gesellschaft hat über die vergangenen Jahre ihre Kompetenzen im Bereich Quanten-Computing gezielt ausgebaut und unterstützt mit ihrer interdisziplinären Expertise Akteure aus Wirtschaft, Wissenschaft und Gesellschaft. Nun folgt der nächste entscheidende Schritt: Gemeinsam mit IBM wird Fraunhofer 2021 einen Quanten-Computer in Deutschland in Betrieb nehmen, um die technologische Souveränität Europas im Bereich Quanten-Computing zu stärken.

Das »IBM Q System One« werden die Wissenschaftler der Fraunhofer-Allianz Big Data und Künstliche Intelligenz sowie des Fraunhofer-Forschungszentrums Maschinelles Lernen für die angewandte Forschung im Bereich der Quanten KI – speziell des Quanten Maschinellen Lernens – nutzen. Insbesondere geht es darum, konkrete Anwendungsszenarien für den zukünftigen Einsatz der Technologie in der Industrie zu entwickeln. Ziel der Initiative ist es, Unternehmen schon früh die Chancen und Möglichkeiten aufzuzeigen, die durch die Kombination dieser Schlüssel-Technologien in den nächsten Jahren entstehen werden. Auf dem Weg dahin soll die Fraunhofer-Studie zum Quantum Machine Learning eine erste Orientierung schaffen.


  1. Die vier Säulen der Quanten-Technologie
  2. Wie profitiert Künstliche Intelligenz vom Quanten-Computing?
  3. Von Quanten-Sensoren zu Quanten-Computern

Das könnte Sie auch interessieren

Verwandte Artikel

IBM Deutschland GmbH, IBM Entwicklung und Forschung, Fraunhofer IOSB (Institut für Optronik

Matchmaker+