SEQUOIA End-to-End

Transparentes Quanten-Software-Engineering und Algorithmendesign anwendungszentrierter End-to-End Lösungen
Logo SEQUOIA End-to-End

Das SEQUOIA End-to-End Projekt entwickelte transparente, automatisierte und kontrollierbare End-to-End-Lösungen für den industriellen Einsatz von hybriden Quantenanwendungen und -algorithmen durch ganzheitliches Quanten-Software-Engineering.

Die Quanteninformatik bietet ein großes Potenzial, um klassische Berechnungen, die auf aktuellen Höchstleistungsrechnerinfrastrukturen (HPC) laufen, auf eine neue Ebene zu heben. Obwohl die Quanteninformatik noch in den Kinderschuhen steckt, ermöglichten die ersten Quantencomputer (QC), wie der IBM Q System One, der Wissenschaft und der Industrie, mit der Entwicklung spannender Lösungen zu beginnen, die auf derzeitigen Computersystemen nicht realisierbar sind.

Das Projekt SEQUOIA End-to-End ermöglichte es der Forschung und Industrie, die Möglichkeiten, die das Quantencomputing bietet, zu bewerten und sie gemeinsam in realen Szenarien aus einer Vielzahl von Anwendungsbereichen wie Fertigung, Robotik, Energie, Mobilität und dem Gesundheitssektor zu testen. SEQUOIA End-to-End konzentriert sich auf drei Schlüsselbereiche:

Transparenz und Weiterentwicklung des Quantensoftware-Entwicklungsprozesses

Ziel war die Bewältigung aktueller Herausforderungen, die im derzeitigen Entwicklungsprozess identifiziert wurden, der mit der Identifizierung eines industriellen Quantencomputer-Anwendungsfalls beginnt, mit der Auswahl eines optimalen QC-Algorithmus fortgesetzt wird und mit der Ausführung auf einem Quantencomputer sowie der Auswertung und Interpretation der Ergebnisse endet. Hier ist der problembezogene Entwurf von Algorithmen für hybride Anwendungen der Schlüssel.

Quanten-Software-Engineering

Es ist von großer Bedeutung, einfach zu verwendende Werkzeuge, Toolchains, Ansätze, Best Practices und systematisches Design während des gesamten Entwicklungsprozesses zu entwickeln und einzusetzen.

End-to-End-Lösungen

Das Projekt setzte acht industrielle Anwendungsfälle um, die in den Bereichen Produktion, Logistik, Maschinenbau und Automotive identifiziert wurden. Daraus wurden Demonstratoren und anwendungsspezifische Benchmarks entwickelt und ein Wissenstransfer in die Industrie und Gesellschaft erreicht.

Ein Hauptziel von SEQUOIA End-to-End war es, die Engpässe im gesamten Quantensoftware-Entwicklungsprozess transparent zu machen und mithilfe von ganzheitlichem Quantensoftware-Engineering performante, automatisierte und kontrollierbare End-to-End-Lösungen zu erforschen und bereitzustellen, um den industriellen Einsatz von hybriden Quantenanwendungen und -algorithmen in Zukunft zu ermöglichen.

Die Beiträge des HLRS zu SEQUOIA End-to-End zielen darauf ab, den Weg für hybride Lösungen zu ebnen, die von der Integration von HPC, KI und Quantencomputing profitieren.

Projektergebnisse

Das HLRS ist sehr daran interessiert, wie sich Quantenprozessoren letztendlich in das Computerkontinuum einfügen und integrieren lassen. Unsere Vision ist, dass mittel- bis langfristig Quantenprozessoren mit einem kompakten Formfaktor und einer geringen Latenzzeit in einem Hochleistungsrechensystem verfügbar sein werden. Im Rahmen des SEQUOIA-End-to-End-Projekts haben wir folgende Ergebnisse erzielt:

  • Neue hybride Algorithmen für die Quanteninformatik unter Einbeziehung der klassisch-quantischen Co-Verarbeitung wurden erforscht und evaluiert.
  • Benchmarking der Performance klassischer Emulatoren bei weit verbreiteten QC-Algorithmen, die für die Forschung im Bereich QC und für die Kalibrierung echter Quantencomputing-Systeme unerlässlich sind.
  • Untersuchung der Performance der heute verfügbaren Quantencomputing-Systeme im Vergleich zu klassischen Rechenarchitekturen.
  • Untersuchung der Vorteile des maschinellen Quantenlernens (QML) für Anwendungsfälle, bei denen partielle Differentialgleichungen (PDGL) gelöst werden müssen.

Ausblick

  • Im Anschluss an die erlangte Expertise im Bereich QML sollen zukünftig die Vorteile von QML für reale Datensätze und Quantenschaltkreisgröße umfassender untersucht werden.
  • In Fortsetzung unserer Benchmarking-Arbeiten soll sich eingehender mit Quantenoptimierungsproblemen befasst werden, beispielsweise mit Schemata zur Kodierung von Quantenzuständen. Hier ist es das Ziel, die besten Quantenansätze mit dem Stand der Technik klassischer Lösungen zu vergleichen, beispielsweise ein Vergleich mit CPLEX und Gurobi.
  • In Folge der initialen Arbeiten an der Lösung von PDGLs wird sich ebenso der Lösung komplexerer PDGLs angenommen, die die Verwendung von Quantengradienten und möglicherweise Zeitentwicklung beinhalten.

Projektpartner

  • Fraunhofer-Institut für Arbeitswirtschaft und Organisation IAO (Koordinator)
  • Fraunhofer-Institut für Angewandte Festkörperphysik IAF
  • Fraunhofer-Institut für Kurzzeitdynamik Ernst-Mach-Institut EMI
  • Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA
  • Eberhard Karls Universität Tübingen, Lehrstuhl Eingebettete Systeme
  • FZI Forschungszentrum Informatik
  • Universität Stuttgart, Institut für Höchstleistungsrechnen HLRS
  • Albert-Ludwigs-Universität Freiburg, Lehrstuhl für Theoretische Physik
  • Karlsruher Institut für Technologie, Institut für Informationssicherheit und Verlässlichkeit

Vorgängerprojekt SEQUOIA

Wenn Sie mehr über das Vorgängerprojekt HiDALGO, welches von 2018 bis 2022 im Rahmen des Horizon 2020 Programms von der EU gefördert wurde, erfahren möchten, verweisen wir Sie auf die Projektseite: www.iaf.fraunhofer.de/en/researchers/quantum-systems/quantumcomputing/sequoia.html

 

Fördergeber

Kontakt

Dennis Hoppe

Abteilungsleiter, Converged Computing

+49 711 685-60300 dennis.hoppe(at)hlrs.de