Klassische Computer können viele Optimierungsprobleme wie etwa das ‚Problem des Handlungsreisenden‘ nur näherungsweise knacken, aber nicht vollständig und oft nur unter langer Laufzeit. Ihre Algorithmen orientieren sich dabei an tatsächlichen Problemen aus der Praxis und nutzen deren Strukturen heuristisch aus. „Das funktioniert erstaunlich gut. Oft sind Algorithmen, die in der Theorie langsamer sind als andere, in der Praxis dennoch schneller“, erklärt Peter P. Orth, Professor für Theoretische Physik der Quanteninformation an der Universität des Saarlandes. Jedoch erzielen die Algorithmen oft nur die beste Lösung, die sich unter den gegebenen Umständen finden lässt. Orth und sein Professoren-Kollege Markus Bläser, Informatiker und Experte für Komplexität und Algorithmik wollen gemeinsam mit den Industriepartnern Infineon und BMW sowie dem Quantencomputer-Startup Planqc einen Schritt weiter gehen.
Im neuen Forschungsprojekt namens ‚Qiapo‘ – Quanteninformierte approximative Optimierung auf NISQ und partiell fehlertoleranten Quantencomputern‘ wollen die Beteiligten mit einem auf Neutralatomen basierenden Quantencomputer zunächst hochkomplexe Logistikaufgaben, die z.B. bei Herstellung und Vertrieb von Autos oder Computerchips auftauchen, so weit ‚kleiner rechnen‘, dass ein klassischer Computer mit seinen in der Praxis erprobten Algorithmen damit besser fertig wird und das Problem zu Ende rechnen kann.
Quantencomputer bergen hier Potenzial, da ihre Recheneinheiten, die Qubits, sich in einer Überlagerung der Zustände 0 und 1 befinden können. Die Bits herkömmlicher Computern nehmen hingegen entweder den Zustand 1 oder 0 ein. Wo klassische Computer an grenzen stoßen, können Quantencomputer dadurch Lösungen für hochkomplexe mathematische Probleme finden oder diese vereinfachen.
Die Wissenschaftler betonen jedoch, dass es auch mit dieser Methode für alltägliche Herausforderungen von Industrieunternehmen keine hundertprozentige Lösung geben wird. Hier kommt ‚approximative Optimierung‘ ins Spiel. Mithilfe von Quanten- und klassischen Algorithmen versuchen die Wissenschaftler, die bestehenden Optimierungsthemen per Annäherung noch etwas besser zu lösen als es derzeit der Fall ist.
Ein Beispiel zur Veranschaulichung: Wenn ein Problem derzeit mit 80-prozentiger Genauigkeit gelöst werden kann, könnte ein Ansatz aus der Kombination von Quanten- und klassischen Computern dafür sorgen, dass das Problem auf effiziente Weise zu 85 oder 95% gelöst wird. Ein Quantencomputer könnte also dabei unterstützen, die Genauigkeit zu erhöhen.
Physiker Orth beschreibt ein realistisches Ziel des Projekts: „Wir werden nun in den kommenden drei Jahren nicht auf Anhieb die großen Probleme lösen. Aber wir werden am Ende mit hoher Wahrscheinlichkeit wissen, ob wir mit unserem Ansatz solche Probleme grundsätzlich lösen können und diese dann gegebenenfalls weiter erforschen.“ Schon minimale Effizienzgewinne in den komplexen Abläufen der industriellen Produktion und des Vertriebs könnten hier einen Nutzen erzielen, betonen die Forschenden.
Gefördert wird das Projekt mit 2,3Mio.€ vom Bundesforschungsministerium.
