Die jüngsten technologischen Fortschritte eröffnen Unternehmen und Forschern neue Möglichkeiten, praktische Anwendungen für Quantencomputer zu erkunden, wie beispielsweise die Optimierung der Gate-Zuweisungen an Flughäfen.

Die bizarre Fähigkeit subatomarer Teilchen, gleichzeitig an zwei Orten zu sein, ermöglicht es sogenannten Quantencomputern, einige Berechnungen erheblich schneller als ihre konventionellen Gegenstücke durchzuführen. Diese Fähigkeit könnte bald helfen, Probleme in unserem täglichen Leben zu lösen, wie etwa verpasste Flugverbindungen zu vermeiden.

Während herkömmliche Computer Informationen als binäre Ziffern oder Bits speichern, die entweder Null oder Eins sein können, verwenden Quantencomputer Qubits. Diese Qubits können aufgrund ihres subatomaren Verhaltens eine komplexe Mischung aus Null und Eins darstellen. Sie können ihre Aktionen mit anderen Qubits sofort koordinieren, egal wie weit sie voneinander entfernt sind, ein Phänomen, das Albert Einstein als „spukhafte Fernwirkung“ bezeichnete.

Obwohl die massiven, hochwertigen Maschinen, die für solche Aufgaben benötigt werden, wahrscheinlich noch mindestens ein Jahrzehnt entfernt sind, haben Quantencomputer von Unternehmen wie IBM und D-Wave Systems die leistungsstärksten konventionellen Computer der Welt bei bestimmten physikalisch relevanten Berechnungen übertroffen. Diese Fortschritte veranlassen Unternehmen und Forscher, mehr praktische Anwendungen zu verfolgen – wie die Berechnung der optimalen Wege für Passagiere, um ihre Flugverbindungen zu erreichen.

„Wir leben jetzt in einer Ära, in der wir wirklich die Chance haben zu untersuchen, wo wir einen Quantencomputer einsetzen sollten“, sagt Karl Jansen, Physiker am Deutschen Elektronen-Synchrotron (DESY), der an dem Flug-Gate-Problem mit dem Quantencomputer-Unternehmen IonQ arbeitet.

D-Wave hat seinen Quantencomputer verwendet, um Kunden bei der Bestimmung der Fahrpläne für Lebensmittelgeschäftslieferungen, der Routenplanung von Promotion-Touren und der Abwicklung von Fracht am Hafen von Los Angeles zu helfen. Diese Aufgaben sind Beispiele für sogenannte Optimierungsprobleme, die aufgrund der Vielzahl an Optionen äußerst komplex sind. Weitere Beispiele umfassen die effizienteste Verpackung von Kisten in Containern und die Abwägung von Risiko und Ertrag in Finanzportfolios.

Es gibt 100.000 Möglichkeiten, fünf Flugzeuge zehn Gates an einem Flughafen zuzuweisen. Erhöht man dies auf 50 Flugzeuge und 100 Gates, explodiert die Anzahl der Möglichkeiten auf 10 hoch 100 – weit mehr als die Anzahl der Atome im sichtbaren Universum. Kein herkömmlicher Computer könnte all diese Möglichkeiten verfolgen, aber ein Quantencomputer könnte es theoretisch.

Sammlungen von Qubits verhalten sich wie Wellen, die eine enorme Menge an Daten enthalten. Ein Quantencomputer mit nur 350 Qubits könnte theoretisch alle möglichen Lösungen für das 50-Flugzeug-zu-100-Gates-Zuweisungsproblem verfolgen.

Angelo Bassi, Physiker an der Universität Triest, vergleicht den Unterschied zwischen herkömmlicher und Quantencomputing mit dem Unterschied zwischen einem Surfer und einer Welle, wenn sie auf einen Felsen treffen. Der Surfer geht entweder links oder rechts am Felsen vorbei, während die Welle beides gleichzeitig tut. Einige grundlegende Merkmale des Felsens können aus dem Weg des Surfers abgeleitet werden, aber viel mehr kann aus dem Wellenmuster im Wasser gelernt werden.

„Wellen tragen mehr Informationen als Teilchen“, sagt Bassi.

Qubits sind jedoch äußerst schwer zu handhaben. Oft mit supraleitenden Schaltkreisen oder eingefangenen Ionen erzeugt, werden Qubits durch die geringste Störung zerstört und müssen typischerweise auf Temperaturen kälter als der interstellare Raum gekühlt werden. Selbst dann sind Qubits viel anfälliger für Fehler als Bits, die sich auf gewöhnliche elektronische Schaltkreise stützen.

Zukünftige Quantencomputer werden eine enorme Anzahl von Qubits benötigen – möglicherweise Millionen –, um das Fehlerproblem zu bewältigen und dennoch genügend Leistung für Aufgaben wie die Simulation der Dynamik von Atomen und Molekülen zu haben, wie eine Studie von Microsoft aus dem Jahr 2022 ergab.

Selbst heutige vergleichsweise schwache Geräte haben jedoch einen Schwellenwert überschritten, der sie leistungsfähig genug macht, um die fortschrittlichsten Supercomputer der Welt bei einigen Berechnungen zu übertreffen. Dieser kritische Punkt liegt irgendwo zwischen 50 und 100 Qubits, sagt Travis Humble, Direktor des Quantum Science Center am Oak Ridge National Laboratory.

Ein Meilenstein wurde im Juni letzten Jahres erreicht, als IBM in der Zeitschrift „Nature“ eine Studie veröffentlichte, die zeigte, dass sein 127-Qubit-Prozessor konventionelle Computer bei bestimmten Berechnungen im Zusammenhang mit magnetischen Materialien übertreffen kann. Im März veröffentlichten Forscher von D-Wave ein Papier, das noch nicht begutachtet wurde und zeigt, dass ihre neueste Maschine in ähnlichen Situationen Mengen in Minuten berechnen kann, die den leistungsstärksten Supercomputer der Welt Millionen von Jahren kosten würden.

„Von all den bisher erhobenen Ansprüchen auf die Überlegenheit von Quantencomputern gegenüber konventionellen Computern ist dieser tatsächlich der stärkste“, sagt Daniel Lidar, Direktor des Center for Quantum Information Science & Technology der University of Southern California.

D-Wave setzt stark auf Optimierungsanwendungen, indem es eine spezielle Art von Quantencomputer namens Annealer entwickelt hat, der auf die Lösung dieses Problems spezialisiert ist. Er enthält etwa 5.000 Qubits, ist jedoch darauf beschränkt, schnell nach ungefähren Antworten zu suchen, anstatt exakte Berechnungen durchzuführen.

Ein vielversprechendes Zeichen dafür, dass die Annealing-Technologie von D-Wave möglicherweise einen Vorteil gegenüber herkömmlichen Computern bei praktischen Problemen bietet, ist, dass Lidar von der USC Anfang dieses Jahres zeigte, wie sie verwendet werden könnte, um ein mathematisches Spiel zu gewinnen, das Optimierung ähnelt, in einem Papier, das derzeit begutachtet wird.

Nun beginnt das Rennen, herauszufinden, welche anderen praktischen Anwendungen die neueste Generation von Quantencomputern haben könnte.

Jansen vom DESY sagt, dass er kleine Versionen des Flug-Gate-Optimierungsproblems erfolgreich auf einem gefangenen Ionen-Quantencomputer von IonQ gelöst hat und frühe Hinweise darauf gesehen hat, dass seine Technik bei ausreichend großer Qubit-Anzahl herkömmliche Rechenmethoden übertreffen könnte.

Forscher der Cleveland Clinic sagen, dass ein IBM-Quantencomputer unter Verwendung eines ähnlichen Ansatzes wie Jansens ein fortschrittliches künstliches Intelligenz-Algorithmus übertroffen hat, um die Form eines Abschnitts eines Proteinmoleküls aus der Kenntnis seiner Aminosäuren vorherzusagen – eine Aufgabe, die nützlich sein könnte, um bestimmte Krankheiten zu erkennen und zu behandeln, wenn sich die Fähigkeiten von Quantencomputern weiterentwickeln. Ihr Papier wurde im ACS Journal of Chemical Theory and Computation veröffentlicht.

Da Optimierung in das Training von maschinellen Lernalgorithmen einbezogen wird, glauben einige Unternehmen, dass Quantencomputing AI-Anwendungen sogar intelligenter machen kann.

IonQ hat mit Hyundai an quantenbasierter AI gearbeitet, um selbstfahrende Autos in die Lage zu versetzen, Verkehrsschilder und andere Objekte zu erkennen. Der Wechsel zum quantenbasierten AI-Training in einem kleinen maschinellen Lernmodell verdoppelte dessen Genauigkeit von 30 % auf 60 %, sagt IonQ. Sobald die Qubit-Zahl von derzeit 36 auf 64 im nächsten Jahr ansteigt, glaubt das Unternehmen, dass sein Algorithmus jedes denkbare nicht-quantenbasierte maschinelle Lernmodell übertreffen wird.

Trial-and-Error-Ansätze könnten sicherlich neue Anwendungen für Quantencomputer aufdecken, sagt Scott Aaronson, Direktor des Quantum Information Center an der University of Texas in Austin. Bekannte Theorien legen jedoch nahe, dass die Quantum-Geschwindigkeitssteigerungen bei Optimierung und AI relativ bescheiden sein werden und wahrscheinlich keine kommerziellen Auswirkungen haben werden, bis Quantencomputer viel größer und fehlerkorrigiert sind, sagt er.

„Es ist wirklich, wirklich schwer zu sehen, wie man mit der aktuellen Generation von Geräten einen Gewinn erzielen könnte“, sagt Aaronson. „Es muss etwas passieren, das außerhalb dessen liegt, was wir über die aktuellen Algorithmen wissen.“

Aber genau darauf hoffen einige der heutigen Quantenpioniere: ein Durchbruch, der aus Experimenten entsteht.

Es ist schon einmal passiert, sagt Ricardo Garcia von Moody’s Analytics, der mit dem Quantencomputing-Unternehmen Rigetti an einem Projekt zur Verbesserung der Genauigkeit eines AI-basierten Rezessionsprognosemodells gearbeitet hat. Eine der mächtigsten Methoden, die heute für Optimierungsprobleme verwendet wird, der Simplex-Algorithmus, wurde in den 1940er Jahren entwickelt, lange bevor Theoretiker erklären konnten, warum er so gut funktionierte.

„Nur weil es heute keine theoretischen Garantien gibt, bedeutet das nicht, dass es keine kurzfristigen Chancen gibt“, sagt Garcia.