Das plant das Projekt SEQUOIA für Quantencomputer

Seit etwa 50 Jahren wird mit Quantum Computing an einer alternativen Strategie zur klassischen Implementierung von Rechenleistung geforscht. Zunächst war die
Idee, mit Quantencomputern zu arbeiten, vor allem ein theoretisches Konzept. Im Herbst 2019 wurde von Google jedoch erstmals praktisch nachgewiesen, dass Quantencomputer einige Berechnungsprobleme wesentlich schneller lösen können als Digitalcomputer. Zukünftig sollen Quantencomputer beispielsweise klassische Computersysteme in der Lieferlogistik über die Taktung in der Werkshalle bis zur Designentwicklung neuer Produkte in Sachen Leistungsfähigkeit und Geschwindigkeit weit überflügeln. Nötig dafür ist aber nicht nur die Entwicklung geeigneter Quantencomputer, sondern auch deren Software. Dr. Christian Tutschku vom Fraunhofer IAO erklärt in einem Interview, wie Wirtschaft und Wissenschaft derzeit gemeinsam den Sprung der Industrie in die Quanten-Ära vorbereiten.

Eine entscheidende Rolle soll dabei das Projekt Software-Engineering industrieller, hybrider Quantenanwendungen und -algorithmen (SEQUOIA) spielen. Es konzentriert sich auf das Software-Engineering industrieller, hybrider Quantenanwendungen und -algorithmen. Im Projekt werden Methoden, Werkzeuge und Vorgehensweisen für Quantencomputing erforscht, entwickelt und erprobt, um zukünftig die industrielle Nutzung zu ermöglichen.

Haben Firmen bereits mit Quantencomputern Antworten auf Probleme gefunden, die anders kaum zu lösen gewesen wären?

Angesprochen auf die Möglichkeiten, die das IBM Q System One in Ehingen bietet und ob bereits per Quantencomputer Antworten auf sonst unlösbare Probleme gefunden wurden antwortet Tutschku „Ganz so weit sind wir noch nicht. Noch lässt sich Quantencomputing nicht im großen Stil industriell produktiv einsetzen. Schon die Hardware ist dafür noch nicht reif genug. Aber die Systeme werden aktuell immer besser.“ Zwar sei bereits ein enormerer Leistungsanstieg bei Quantencomputern zu sehen und auch die Zuverlässigkeit steige. Bis Unternehmen in Jahren und nicht erst in Jahrzenten von den neuen Möglichkeiten profitieren könnte, bräuchte es auch die entsprechende Software. Genau an diesem Punkt setzt SEQUOIA an, bei dem es um das Software-Engineering industrieller, hybrider Quantenanwendungen und -algorithmen geht.

Obwohl dem Projekt verschiedenen Fraunhofer-Institute sowie Universtäten angehören, sei es jedoch keinesfalls ein rein akademisches Projekt. Grund dafür ist ein Unternehmensnetzwerk, an dem sich vom Industriekonzern bis zu KMUs bereits mehr als 25 Firmen unterschiedlichster Branchen beteiligen. „Sie alle haben uns konkrete Problemstellungen aus ihrer täglichen Arbeit genannt, die sie mit klassischen Computersystemen bisher nicht oder nicht performant genug berechnen können“, so der Forscher.

Aus diesen Probleme beziehungsweise Anwendungsideen identifizierten die Forschenden dann diese, die mit einem Quantencomputer der aktuellen NISQ-Ära (Noisy Intermediate Scale Quantum Computer) berechnet werden können. „Sechs besonders typische und aussichtsreiche Kandidaten haben wir ausgewählt. Sie wurden unsere Pilot-Use-Cases, für die wir nun im Rahmen von SEQUOIA Softwarelösungen entwickeln, um sie anschließend im Anwendungszentrum zu demonstrieren und bereitzustellen.“

Diese Anwendungen werden im Quantencomputer-Projekt SEQUOIA untersucht

Bei den ausgewählten Anwendungen handelt es sich um einen breit gefächerter Strauß an sehr konkreten Anwendungen. Unter anderem geht es um die Routenplanung für eine LKW-Flotte. Oder um das Finden der vielversprechendsten Fahrstecke für einen Fahrzeug-Prototyp, um möglichst zeitsparend und umfassend alle relevanten Fahrszenarien im realen Straßenverkehr testen zu können.

„Und im Produktionsumfeld müssen Unternehmen häufig typische Job-Shop-Probleme lösen, etwa wie verschiedene Werkstücke die Bearbeitungsprozesskette möglichst reibungslos und produktiv durchlaufen. Auch das untersuchen wir. Außerdem gehen wir der Frage nach, wie sich das Laden vieler Elektrofahrzeuge am Arbeitsplatz ihrer Besitzer*innen so steuern lässt, dass Lastspitzen im Stromnetz nachhaltig reduziert werden, sodass möglichst viel regenerativ erzeugter Strom dafür eingesetzt werden kann,“ erläutert Tutschku. In zwei weiteren Use-Cases sollen die Möglichkeiten des Quantencomputing Strömungssimulationen für Windkanalberechnungen in der Fahrzeug- und Produktentwicklung verbessern sowie Lösungen für Nesting-Probleme finden (effizienteste Nutzung von Material oder Platz), wie das verschnittoptimale Ausschneiden geometrisch unterschiedlicher Teile aus einem Metallblech.

Lässt sich eine allgemein gültige Aussage treffen, für welche Branchen oder welche Industriebereiche besonders vom Quantencomputing profitieren werden?

„Quantencomputing gewinnbringend einzusetzen, ist keine Frage der Branche“, erklärt Tutschku. Genauso wenig lasse sich das Potenzial der neuen Computertechnologie auf bestimmte Entwicklung- oder Planungsprozesse eingrenzen. Ob eine Fragestellung für einen quantenbasierten Lösungsansatz prädestiniert ist, entscheide die konkrete mathematische Problemstellung, auf die jede Anwendung zurückgeführt werden muss. „Dazu zählen zum Beispiel komplexe Optimierungsprobleme, bei denen die zu untersuchenden Kombinationsmöglichkeiten exponentiell anwachsen. Gleichgültig, ob bei der LKW-Flotte ein Auftrag hinzukommt oder die Prozesskette in der Fertigungshalle einen zusätzlichen Fertigungsschritt inkludieren soll: Mathematisch bedeutet eine zu betrachtende Einheit mehr in beiden Fällen nicht nur einen zusätzlichen Rechenschritt, sondern eine Verdoppelung des gesamten Rechenaufwands.“ Zumindest wenn dafür ein klassisches Computersystem verwendet wird, das jede Kombinationsmöglichkeit einzeln berechnen muss. Genau hier spielen nämlich Quantencomputer ihre große Stärke aus: „Mit einem Quantencomputer, der einige Hundert gleichzeitig nutzbare Quantenbits zur Verfügung stellen würde, lassen sich gleichzeitig mehr Konfigurationen eines kombinatorischen Optimierungsproblem auf die optimale Lösung hin testen als es Atome in unserem gesamten sichtbaren Universum gibt. Bei der Routenplanung für eine LKW-Flotte beispielsweise könnte ein leistungsfähiger Quantencomputer sämtliche Optionen nahezu live analysieren, also auch kurzfristige Auftragsänderungen oder Verkehrsstaus mitberücksichtigen.“

Was unterscheidet Algorithmen auf Quantencomputern von klassischen Rechnern?

In einem klassischen Algorithmus sind logische Verknüpfungen festgeschrieben, die das binäre Bitsystem nacheinander abarbeitet. Der Knackpunkt liegt im Wörtchen nacheinander. Je komplexer das Problem, desto länger das rechnen. Dabei ist allerdings über die gesamte Laufzeit klar, welche Zwischenergebnisse der Computer liefert und wie das korrekte Ergebnis einer Berechnung lautet. „Rechnen mit Quantenzuständen dagegen ist immer probabilistisch. Ein Quantencomputer liefert als Rechenergebnis also immer eine Wahrscheinlichkeitsaussage. Entsprechend muss auch jede Quantensoftware daher auf probabilistischen Verknüpfungen basieren: Ihre Entwickler*innen wissen nicht mehr das exakte Ergebnis, das ihre Codes liefern müssen, sondern lediglich den Prozentsatz, mit dem ein bestimmtes Ergebnis zu erwarten ist,“ beschreibt Tutschku das Problem. Daher können auch nicht einfach Optimierungsalgorithmen, mit denen klassische Computer nicht schnell und effizient genug rechnen können, auf die Systematik der Quantencomputer zu übertragen. „Quantencomputing steht für ein vollkommen neues Rechenparadigma, für das wir das gesamte Software-Engineering neu denken müssen – von den Programmcodes über die Testmethoden der Ergebnisqualität bis zu den Verfahren für die Fehlerbeseitigung oder Life-Cycle-Updates der Software.“

Wie ein Quantenalgorithmus getestet wird

„““““Um zu testen, ob ein Quantenalgorithmus auch zuverlässig funktioniert, nutzen wir zum Beispiel Simulationen von Quantenbits auf einem klassischen Rechnersystem. Bis zu einer gewissen Anzahl an Qubits können wir so quantenmechanische Vorgänge im Idealzustand ablaufen lassen. Im Vergleich zu den Ergebnissen von Softwaretests auf einem echten Quantencomputer lernen wir dann Schritt für Schritt mit den Unwägbarkeiten und Fehlern der realen Quantenbits umzugehen und unsere Softwarelösungen mit entsprechenden Korrekturverfahren oder Absicherungsroutinen zu ergänzen. Außerdem verwenden wir derzeit (noch) keine reinen Quantenalgorithmen, sondern hybride Algorithmen, bei denen Quantencomputer und klassisches Computersystem miteinander verzahnt werden: Der Quantencomputer rechnet eine Teilaufgabe, deren Ergebnisse optimieren klassische Verfahren weiter, dann folgt eine erneute Analyse auf den Quantenbits und so weiter. Das Ziel dabei ist, diesen Mix so zu gestalten, dass der Algorithmus am Ende mit einer sehr hohen Wahrscheinlichkeit immer das beste Ergebnis für das gestellte Optimierungsproblem liefert. Das ist allerdings auch für uns noch anwendungsnahe Grundlagenforschung, die sich nur heuristisch angehen lässt. Wir programmieren also derzeit mit einer Mischung aus domänenspezifischem Wissen, Expert*innenerfahrung und den neuesten, aus unseren Experimenten gewonnenen Erkenntnissen.