Quantencomputing trifft ML Datev avisiert quanten­ba­sier­tes Maschinelles Lernen

Anbieter zum Thema

Bundesministerium für Wirtschaft und Technolgie

DATEV eG

DATEV eG

Rittal GmbH & Co. KG

Kentix GmbH

mehr weniger

EPS Rechenzentrum Infrastruktur GmbH

weniger

Die Möglichkeiten und Geschwindigkeitsvorteile von Quantencomputing für Maschinelles Lernen nutzbar zu machen, das ist das Ziel des kürzlich gestarteten Forschungsprojekts „Q-ROM“, an dem sich auch die Datev eG beteiligt.

Gemeinsam mit vier weiteren Partnern aus Wissenschaft und Wirtschaft, arbeitet die Datev eG im Rahmen des vom Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) geförderten Projekts daran, diese Vision auf Basis der heute bereits verfügbarer Quantenhardware Wirklichkeit werden zu lassen. Dabei liefert die Datev den Anwendungsfall für das Forschungsprojekt: Mit einem datengetriebenen Ansatz und basierend auf historischen Umsatzdaten soll ein virtueller Assistent entstehen, der stets aktuell über die Marktpotenziale bereits verfügbarer Produkte informiert.

Das Akronym Q-ROM steht für Quantum Read‐Once‐Memory und es geht um die Verwandlung von klassischen Daten zu Quantenzuständen. Die Ausgangsbasis für das Forschungsprojekt ist folgende Problemstellung: Um einen Algorithmus für Maschinelles Lernen zu trainieren, wird eine sehr große Datenbasis benötigt. Klassische Computer laden solche Daten in ihren Arbeitsspeicher, den RAM, verarbeiten sie, löschen sie dann wieder und füllen den RAM mit weiteren Daten.

Im Bereich des Quantencomputings existiert aber noch kein flüchtiger Massenspeicher, der die Basis für einen vergleichbaren Quantum RAM (QRAM) bilden könnte. Aus diesem Grund können Quantenalgorithmen für maschinelles Lernen ihren hypothetischen Effizienzvorteil gegenüber ihren Pendants auf herkömmlichen Computern noch nicht ausspielen.

Die Verdichtung von Datenmengen soll es bringen

Diesen Mangel will das Forschungsprojekt ausgleichen, indem es ein Verfahren entwickelt, das wie ein nicht wiederbeschreibbarer Speicher wirkt – eben ein Quantum Read Once Memory. Ziel ist es, die zu trainierenden Daten extrem zu komprimieren, während sie für die weitere Verarbeitung auf dem Quantencomputer in einen Quantenzustand transformiert werden.

Auf diese Weise sollen alle benötigten Daten für das Training in einem Schritt möglichst effizient zur Verfügung gestellt werden. Die dazu nötige starke Verdichtung der Daten in den Quantenzustand ist möglich, weil in einem Qubit ungleich mehr Informationen gespeichert werden können als in einem klassischen Bit. Darin sieht das Projekt eine gute Basis, um einen effizienten Machine Learning-Prozess mit bereits verfügbarer Quantenhardware vielleicht schon in näherer Zukunft realisieren zu können.

Q-ROM setzt dabei unter anderem auf den Ergebnissen des vorangegangenen Forschungsprojekts „Quast“ auf, an dem Datev ebenfalls beteiligt war. Darin ging es um die Erforschung und Entwicklung einer geeigneten Toolchain, die Quantencomputing mit Fokus auf kombinatorische Optimierung für den industriellen Einsatz möglich machen soll.

Quantencomputing für den täglichen Gebrauch

Datev forscht an Quantencomputing-Anwendungen für KMUs

Das Projekt Q-ROM soll das Spektrum nun um maschinelles Lernen mit Unterstützung von Quantencomputern (Quantum Machine Lerning, kurz QML) erweitern. Neben dem Akronym QML ist dafür auch der Begriff Quantum AI geläufig.

Das Forschungsprojekt Q-ROM ist auf drei Jahre angelegt und läuft unter Trägerschaft des Technologiezentrums des technisch-wissenschaftlichen gemeinnützigen Vereins Deutscher Ingenieure (VDI). Die weiteren Teilnehmer im Konsortium sind neben Datev das Tech-Unternehmen Data Cybernetics als Konsortialführer, die Duale Hochschule Baden-Württemberg (DHBW), die Universität Hamburg und das Weierstraß-Institut für Angewandte Analysis und Stochastik in Berlin.

(ID:50449786)