Euro-Q-Exa: „Ein Forschungsspielzeug, allerdings ein wichtiges“

Sie haben verschiedene Quantentechnologien mit dem Problem des Handelsreisenden konfrontiert – liefern diese Systeme dazu schon konkrete Antworten?
PD Dr. Jeanette Lorenz: Nein, das Problem des Handlungsreisenden können diese Quantencomputer wie die meisten aktuellen nicht lösen. Noch zeigt die verfügbare Hardware Grenzen auf, auch die aktuellen Algorithmen können nicht immer an spezialisierte Systeme angepasst und dafür optimiert werden. Folglich können wir uns im Quantencomputing nur mit einfachen Problemen oder Spielereien befassen. Das heißt nicht, dass diese Computer unnütz sind. Ganz im Gegenteil, Forschende untersuchen damit, wie Technologien und verschiedene Hardware funktionieren, auf welche Algorithmen sie ansprechen, wie wir sie mit klassischen Ressourcen verzahnen, um sie zu steuern. Außerdem brauchen wir Kennzahlen um die Leistungskraft und Funktionen von verschiedenen Technologien und Qubits miteinander vergleichen, aber auch um den technischen Fortschritte im Quantencomputing besser bewerten zu können.

Ziel Ihrer Arbeit war im Speziellen der Vergleich verschiedener Quantentechnologien. Was sind die wichtigsten Erkenntnisse?
Lorenz: Quantencomputer brauchen zwei Zustände, die man überlagern kann. Das wird heute mit unterschiedlichen Technologien realisiert. In supraleitenden Schaltkreisen entstehen künstliche Qubits, während Systeme mit Ionenfallen oder neutralen Atomen mit echten Teilchen und perfekten Qubits arbeiten. Eine Erkenntnis war, dass jede getestete Plattform einen unterschiedlichen Reifegrad hatte und über Eigenschaften verfügte, die wiederum die Gestaltung von Algorithmen beeinflusst. In unserer Studie qualifizierten wir Unterschiede, indem wir die Systeme mit dem gleichen Rechenproblem, das Problem des Handlungsreisenden, konfrontierten. Eine Beobachtung ist beispielsweise, dass Qubits aus supraleitenden Schaltkreisen schneller arbeiten, aber mit größerem Rauschen oder höherer Fehlerquote, eine weitere, dass Neutralatom-Systeme Rechenprobleme in die Konnektivität der Qubits kodieren können. Wir sollten Technologien und Systeme mit einem breiteren Spektrum an Rechenaufgaben und Algorithmen konfrontieren – von mathematisch anspruchsvollen bis hin zu praktischen wie etwa dem Problem des Handlungsreisenden – um ihren Fortschritt besser vergleichen zu können.

Sie fordern einheitliche Benchmarks für Quantencomputer und Algorithmen – welche Zahlen sind wichtig?
Lorenz: Die Geschwindigkeit beim Rechnen ist sicher ein entscheidender Faktor, aber auch die Zuverlässigkeit der Ergebnisse, außerdem Werte rund um die Eigenschaften der Technologien, die auch auf ihren operativen Betrieb wirken. Braucht ein Quantensystem Kühlung? Wie leicht ist es in klassische Computer zu integrieren? Welche Latenzzeiten entstehen, wenn beide Systeme zusammenarbeiten? Wir haben festgestellt, dass der Cloud-Zugang, über den Quantencomputer heute durch Rechenzentren oder durch Anbieter verfügbar werden, eher ungünstig ist, weil so Latenzzeiten kumuliert werden. Könnten das Vor- und Nachbereiten der Daten fürs Quantencomputing sowie die Berechnungen in geschlossenen Blöcken abgearbeitet werden, dann wäre die Latenz kein Problem. Aber so funktioniert hybrides Rechnen eben nicht, dabei werden Tausende oder Millionen von einzelnen Rechenschritten zwischen den Systemen ausgetauscht, also sollten wir die Latenz durch technische Eingriffe oder Programmierung zumindest vermindern können.

Die Lösungsmöglichkeiten für das Optimierungsproblem des Handlungsreisenden, der nach dem besten Weg zwischen beliebig vielen Punkten sucht, skaliert schnell in Bereiche, die klassische Computer überfordern: Könnten solche Aufgaben zum Vergleichsmaßstab für Quantencomputer werden?
Lorenz: Um das Problem des Handlungsreisenden zu lösen, wird heute ein Variational Quantum Eigensolver, kurz: VQE, eingesetzt, ein Algorithmus, der Quantencomputing mit klassischen Methoden kombiniert. Man kann darüber streiten, ob er ein gutes Werkzeug für Benchmarks ist. Um die Leistungen von Quantencomputern zu bewerten, sollten eher fehlertolerante Algorithmen zum Einsatz kommen. Diese sind näher an den praktischen Anwendungen und verwenden logische Qubits, die aus mehreren physikalischen Qubits kombiniert wurden, um Fehler aufzuspüren und zu korrigieren. Ein Beispiel ist der Shor-Algorithmus, ebenfalls ein hybrider Quantenalgorithmus, mit dem sich große Zahlen in ihre Primfaktoren zerlegen lassen. Die enthaltende Subroutine für den Quantencomputer erfordert Perfektion, also möglichst viele perfekte Qubits, daher kann der Shor-Algorithmus praktisch noch nicht oder nur auf kleinsten Skalen ausgeführt werden. Aber man könnte ihn so modifizieren, dass er bei neuer Hardware zeigt, ob damit immer höhere Zahlen faktorisierbar sind.