Quantensprung für die Künstliche Intelligenz

Quantencomputer sollen 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 Quantencomputer 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 Quantencomputings vor, analysiert die aktuelle Forschungs- und Kompetenzlandschaft und zeigt Marktpotenziale auf.

Welche Quanteneffekte spielen beim Quantencomputing 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 (https://www.bigdata.fraunhofer.de/de/big-data/kuenstliche-intelligenz-und-maschinelles-lernen/quantum-ml.html).

Quantencomputer nutzen zur Informationsverarbeitung Quanteneffekte wie Superposi­tion oder Verschränkung und können dadurch prinzipiell schneller Ergebnisse liefern. Während ein digitaler Computer mit Bits rechnet, arbeitet ein Quantencomputer 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 Quantencomputer so anpassen, dass sie mehrere Lösungswege gleichzeitig beschreiten. Damit kann ein einzelner Quanten­computer schneller Lösungen finden als viele klassische Computer in einem Cluster, wie etwa einer Cloud. Anhand ausgewählter Beispiele zeigt die Studie, wie Quantenalgorithmen für das Durchsuchen großer Datenbanken, das Lösen komplexer Gleichungssysteme oder kombinatorischer Optimierungsprobleme genutzt werden können.

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

"Im Quantencomputing steckt das Potenzial, die prinzipiellen Beschränkungen klassi­scher Computer zu überwinden", sagt Professor 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 Quantencomputern. Lange waren diese Forschungen jedoch theoretische Konzepte. Das ändert sich jetzt: Schon bald werden wir in der Lage sein, ML-Algorithmen auf realen Quantencompu­tern anzuwenden."