Quantencomputer lernen mit Merlin KI Quandela und OVHCloud gestalten Umgebung für Quantum Machine Learning

Anbieter zum Thema

OVH GmbH

AMD Advanced Micro Devices GmbH

DAXTEN GmbH

Fujitsu Technology Solutions GmbH

DeRZ - Deutsche Rechenzentren GmbH

Sowohl KI als auch Quantencomputing haben noch ungelöste Herausforderungen. Bei der KI ist es der exorbitante Stromverbrauch der GPUs, beim Quantencomputing die Frage, für was die Technologie am besten taugt. Für beides gibt es neue Ansätze.

Quantum Machine Learning (QML) hat sehr spezifische Eigenschaften, die mit den Qualitäten von Quantenrechnern zu tun haben. Sie funktionieren nicht deterministisch wie Digitalrechner mit ihren Logikschaltungen. Vielmehr werden die Resultate physisch gemessen, Rechnungen vielfach wiederholt und am Ende das wahrscheinliche Ergebnis ausgemittelt.

Das bedeutet: Quantencomputer berechnen Wahrscheinlichkeiten, keine fixen Werte. Außerdem liegt eine vergleichsweise hohe Fehlerwahrscheinlichkeit in ihrer Natur. Dieses Problem versucht man perspektivisch durch die Menge an physischen Qbits und deren Zusammenfassung zu logischen Qubits zu lösen. Doch dieser Weg ist noch lang.

US-Energieministerium und IBM nutzen quantenzentriertes Supercomputing

Präzise Simulation realer magnetischer Materialien per Quantencomputer

Ihre Eigenschaften machen Quantencomputer geeignet für sehr spezifische Aufgaben. Das bedeutet: Da komplexere Fragestellungen meist nicht nur quantengeeignete Schritte umfassen, während andere besser auf Standard-Rechnerarchitekturen mit hoher Leistung ablaufen. Deshalb gehört es zu den Aufgaben bei der Weiterentwicklung der neuen Technologie, Methoden zu entwickeln, um zu determinieren, wo Quantencomputer in der Praxis wirklich bessere Ergebnisse bringen und sie mit klassischen Architekturen zu kombinieren.

Quandela setzt auf optisches Quantencomputing

Außerdem muss ein Weg gefunden werden, die Ergebnisse einzelner Quantenalgorithmen auf verschiedenen Maschinen zu vergleichen. Hier setzt ein neues Tool von Quandela an.

Der französische Hersteller mit Hauptsitz in Paris entwickelt Quantenrechner, deren Qbits auf photonischen Mechanismen beruhen. Die Geräte arbeiten bei Zimmertemperatur und lassen sich unter anderem deshalb laut Quandela einfacher als andere Quantenrechner-Varianten in konventionelle Umgebungen integrieren.

Quandela hat bislang fünf Quantenmaschinen in Europa und Nordamerika implementiert. Ein 12-Qubit-Quantencomputer von Quandela, „Lucy“, steht seit Oktober im Großrechenzentrum (TGCC, Tres Grand Centre de calcul) des französischen Energieministeriums (Commisariat a l énergie atomique et aux énergies alternatifs, CEA). Aufgebaut wurde er von dem französisch-deutschen Konsortium aus Quandela und Attocube Systems. Gekauft hat den Rechner die europaweite Aufholinitiative EuroHPC.

OVH kooperiert mit Quandela

Eine weitere photonische Quantenmaschine wurde bereits 2023 bei OVHCloud implementiert. Quandela und OVHCloud haben im Herbst 2025 eine strategische Initiative gestartet, um das Quantenrechner der praktischen und sinnvollen Anwendung näher zu bringen, und zwar durch den Aufbau einer hybriden ML-Umgebung.

Als Vorteile werden mehr Genauigkeit, Ressourceneffizienz und verringerter Stromverbrauch, bessere Skalierbarkeit für größere und elaboriertere Modelle versprochen. Dazu kommt schnellere Konvergenz, wenn Trainingsläufe auf hybriden Umgebungen ablaufen können.

Quanten-Lernframework Merlin

Basis des konkreten Hybridiesierungsvorhabens von Quandela und OVHCloud ist „Merlin“, ein photonisches QML-Lernframework, das von Quandela entwickelt wurde. Es soll helfen, AI und ML sinnvoll miteinander zu integrieren. Angeblich wird für seine Handhabung kein Quantenwissen benötigt.

Die Lernumgebung ermöglicht es, mit bekannten KI-Sprachen zu arbeiten. Beispiele sind Pytorch und scikit-learn. Merlin wurde in die OVHCloud-Plattform integriert.

GPU-Simulatoren versus Quantenrechner

Merlin kombiniert in seinem Framework für GPU optimierte Simulatoren mit dem Direktzugang zum photonschen Quandela-Quantencomputer in der OVH-Cloud. Anwender können dadurch Prototypen großer Modelle für Architekturen mit vielen Photonen auf GPUs simulieren. Dafür wird Nvidias Software CUDA-Q verwendet.

Außerdem können sie die Modelle auf den echten, bei OVH vorhandenen Quantenmaschinen ausführen. Sie unterscheiden sich in der Regel durch geringere Photonen-Anzahl von den zukünftigen. Durch den Vergleich zwischen Simulatorläufen und echten Umgebungen lässt sich beispielsweise erahnen, ab welcher Qubit-Zahl Quantenalgorithmen mit praktischen Vorteilen auf dem Quantenrechner ablaufen können. Mithilfe von MerlIn erzeugte Modelle sollen auch auf zukünftigen, größeren und fehlertoleranten Quandela-Maschinen ablaufen können.

Ob sich Merlin jetzt oder später auch zur Evaluierung anderer photonischer Quantenrechner verwenden lässt, bleibt in der Präsentation unklar – wünschenswert wäre es. Weitere Hersteller optischer Quantenmaschinen sind Q.ant aus Stuttgart und Quix Quantum aus dem niederländischen Eschede. Wie es scheint, entwickelt sich also Europa zu einem Hotspot dieser vielversprechenden Quantentechnologie.

Verifizierung von Quantenalgorithmen

Auf jeden Fall lassen sich mit Merlin aber veröffentlichte Quantenalgorithmen und ihre Ergebnisse auf photonische Quantencomputern von Quandela verifizieren. 18 solcher Validierungen liefert Quandela mit Merlin mit.

Anwender werden bei OVHCloud ihre Simulationen voraussichtlich ab Mitte 2026 zunächst auf GPUs laufen lassen und anschließend auf Quandelas Quantencomputer validieren können. Geplant sind bei OVH zunächst die Implementierung des 12-Qubit-Modells „Belenos“ und des 24-Qubit-Modells „Canopus“ des Herstellers. Quandela sucht im Moment Interessenten, die selbst mit Merlin arbeiten möchten, etwa um eigene Algorithmen damit zu testen.

(ID:50810228)