Fraunhofer-Institut für Integrierte Schaltungen IISDie Entwicklung von Quantencomputern schreitet rasant voran, die Nutzung in industriellen Anwendungen hingegen steht noch am Anfang. Dabei haben Quantencomputer das Potenzial, in vielen Industrien Anwendungen grundlegend zu verbessern. Die aktuell voranschreitende Steigerung der Kapazität von Quantencomputern eröffnet die Möglichkeit, Quantencomputer in KI‐Systemen einzusetzen. Die optimale Steuerung dynamischer Systeme wird in der KI meist mit Reinforcement Learning Methoden gelöst. Erste Realisierungen dieser Methoden mit Quantencomputern gibt es schon heute.
QLindA – Quantum Reinforcement Learning
Ziele und Prozess
Das Projekt zielt darauf ab, diese jüngsten Fortschritte in der Entwicklung von Quantencomputing mit künstlicher Intelligenz, insbesondere für Reinforcement Learning (RL), zu kombinieren und technisch nutzbar zu machen. Dazu wird untersucht, wie RL auf Quantencomputern realisiert werden kann, um eine Vielzahl relevanter Probleme aus der industriellen Anwendung lösen zu können: die auf RL basierende Regelungsoptimierung in der Prozessindustrie, der Einsatz verteilter Automatisierungssysteme in der Smart Factory sowie die Optimierung in der Produktionsplanung.
Innovation und Perspektiven
Dadurch dass Quantencomputer fehlerbehaftet sind, müssen Anpassungen an klassischen Algorithmen vorgenommen werden, um eine gewissen Kompatibilität zu gewährleisten.
Inhalte des Projektes
- Entwicklung neuartiger Algorithmen für Quantencomputer
- Benchmark zur Evaluierung der Methoden
- Erstellung einer Bibliothek zur Nutzbarmachung für industrielle Anwendungen
- Untersuchung von Möglichkeiten und Potentialen sowie bestehende Limitierungen der Algorithmen
