ISC High Performance 2026 So erweitern Quantencomputer das Hochleistungsrechnen

Anbieter zum Thema

IBM Deutschland GmbH

Q.ANT GmbH

NVIDIA

PANDUIT

Auf der „ISC High Performance 2026“ zeigte sich ein klarer Trend: Klassische Supercomputer werden künftig durch Quantencomputer und photonische Systeme ergänzt. Erste hybride HPC-Umgebungen entstehen bereits.

Ein relativ neues Stichwort machte auf der „ISC High Perfomance 2026“ die Runde: eFTQC (early Fault Tolerant Quantum Computing). Gemeint sind damit Quantenrechner mit zwischen 100 und 1000 logischen Qubits sowie logischen Fehlerraten zwischen 10^-6 und 10^-10.

Diese Recheneinheiten sollen laut einer auf der Kongressmesse präsentierten Studie von Hyperion Research zwischen 2027 und 2030, also in relativ kurzer Zeit, auf den Markt kommen. Dadurch, dass die Genauigkeit gegenüber bisherigen Quantenmaschinen ansteigt, soll sie das insbesondere zum Einsatz in der Materialforschung befähigen.

Nikola Strah, Classiq, über Mut, Software, Chancen und Spielwiesen

Quantencomputing zwischen Hype, Handwerk und Hausaufgaben

Materialforschung gilt als erstes großes Einsatzfeld

Zu den zentralen Herausforderungen zählt die Entwicklung neuer Materialien. Sie müssen Temperaturen von mehreren Millionen Grad standhalten, wie sie in Fusionsreaktoren auftreten. Das ist eine bislang ungelöste Aufgabe, bei der man sich von Hochleistungsrechnen und Künstlicher Intelligenz (KI), kombiniert mit Quantencomputing, wohl größere Fortschritte erhofft.

Die sind auch nötig, um die aktuell noch immensen Energieverbräuche der KI abzupuffern. Und hier beißt sich die Katze in den Schwanz: Man braucht höchstleistungsfähige und neuartige Rechenmethoden, um neue Materialien zu entwickeln. Ohne diese Materialien wird es schwierig, die gewaltigen Energiemengen bereitzustellen, die KI-Höchstleistungsrechnen künftig benötigt. Deshalb gilt die Fusion jetzt als großer Hoffnungsträger.

Sehr niedrige Fehlerraten bleiben langfristiges Ziel

Andere Aufgaben, etwa aus der Hydrodynamik oder der Nuklearphysik, werden wohl auf ihre erfolgreiche Lösung mittels HPC und Quantencomputing noch eine Weile länger warten müssen. Die Studie schätzt, dass derartige Berechnungen fünf- bis zehntausend Qubits benötigen. Dies, weil sie sinnvollerweise nur Fehlerraten von 10^-15 bis 10^-20 tolerieren. Der Zeitrahmen dafür ist offen.

Die Studie stammt vom Quantencomputing-Unternehmen Alice & Bob. Der Firmenname geht auf die in der Kryptografie gebräuchlichen Platzhalternamen „Alice“ und „Bob“ zurück, die häufig zur Beschreibung von Kommunikationsszenarien dienen.

Nach Unternehmensangaben verfügt Alice & Bob derzeit über einen Quantenprozessor mit 15 Qubits. Das Unternehmen gibt an, eine der beiden wesentlichen Fehlerarten in Quantencomputern, den Bitflip, deutlich reduziert zu haben. Neben Bitflips zählen Phasenfehler zu den zentralen Fehlerquellen in Quantencomputern.

Das Quanten-resiliente Rechenzentrum

Quantenrechner im Co-Location und die Notwendigkeit von neuen Sicherheitsstufen

Bis 2030 soll er fertig sein

Fujitsu entwickelt Tiefstkühl-Quanten­computer mit 10.000 Qubits+

Alice & Bob kooperiert mit Bull

Die einmal mittels Supraleitung erzeugten Qubits werden sozusagen eingesperrt, damit sie in kohärentem Zustand bleiben. Das bedeutet, dass verhindert wird, dass ihr Wert von + auf – springt. Das schafft das Unternehmen nach eigenen Angaben mehr als eine Stunde lang.

An der Verringerung von Phasenfehlern arbeitet das Unternehmen nach eigenen Angaben noch. Auf der Veranstaltung in Hamburg gab zudem Bull, ein europäischer Anbieter von Hochleistungsrechnern, eine Kooperation mit Alice & Bob bekannt.

Bitflip und Phasenfehler bleiben zentrale Hürden

Leider, so heißt es bei Konkurrenzunternehmen, bedeute aber ein Absenken einer der beiden Fehlerquellen, dass der andere Fehler, hier die Phasenverschiebung, um so schwerer beherrschbar wäre.

Und zwar wegen der physikalischen Gegebenheiten im Quantenraum. Ob sich der Ansatz von Alice & Bob gegenüber anderen Verfahren durchsetzt, bleibt abzuwarten. An Methoden zur Verringerung von Quantenfehlern wird derzeit weltweit intensiv geforscht.

Mehr Genauigkeit, mehr Qubits

Von höheren Genauigkeiten und mehr Qbits berichten alle Hersteller. IonQ, das mit Trapped Ions (Ionenfallen) arbeitet, schafft derzeit nach eigenen Angaben 128 Qubits. Sie werden aktuell noch mit Laser erzeugt. Im nächsten Jahr will man zu Mikrowellentechnik wechseln und damit 256 Qubits erzeugen – genug also für eFTQC.

Quantinuum verwendet auch Trapped Ions und schafft derzeit mit Quantinuum Helios 98 physische Qubits, die bei Zwei-Qubit-Gates eine Genauigkeit von 99,92 Prozent erreichen. Für 2027 ist ein Modell mit 192, für 2029 eins mit mehr als 1000 Qubits angekündigt. Und nach 2030 sollen es schon mehr als eine Million Qubits sein. Für die Maschine mit mehr als 1000 Qubits (Quantinuum Apollo) verspricht das Unternehmen Fehlerraten zwischen 10^-5 und 10^-10.

Quantencomputer im 19-Zoll-Rack...

AQT will mit einer in ein 19-Zoll-Rack montierten, bei Zimmertemperatur betriebenen Ionenfallen-Technologie punkten. Derzeit schafft „Marmot“, so der Name des Rechners, bis zu 20 Qubits bei 99 Prozent Gate-Zuverlässigkeit. Dabei kann jedes Qubit mit jedem anderen verbunden werden.

AQT reklamiert für sich eine nahezu unbegrenzte Lebensdauer von Qubits. Die Kohärenzzeiten liegen bei mehr als einer Sekunde.

...und mehr Softwaretools fürs Quantencomputing

Dass es ernst wird mit dem Quantencomputing zeigt sich in ganz praktischen Integrationsbemühungen und erweitertem Tooling. Beispielsweise wird AQT Technologie demnächst neben konventionellen Rechenzentren und HPC-Einrichtungen in die AWS-Quantencomputing-Plattform „Braket and Scaleway“ integriert. Außerdem arbeitet ein AQT-System im Leibniz-Rechenzentrum in Garching bei München.

Großer Bahnhof für die Inbetriebnahme des IQM-Systems

Euro-Q-Exa nimmt am Supercomputing-Center in Garching seine Arbeit auf

Quantinuum, das ebenfalls auf Ionenfallen-Qubits setzt, bietet dazu mit „Quantinuum Inquanto“ einen kompletten Stack bis hin zu speziellen Modulen für die Fehlerkorrektur, die Variation von Algorithmen, die Quantenphasen-Schätzung und schließlich eine Schicht mit Treibern und Embedding-Methoden an. Dazu kommt mit „Quantinuum Nexus“ eine Workflow-Orchestrierungsplattform. Der Stack soll insbesondere bei „Computational Chemistry“ helfen.

Controller verbinden klassische Rechner und Quantencomputer

Der Integration zwischen klassischer und Quantenrechnerwelt hat sich Quantum Machines verschrieben. Das ist nicht nur für hybride Algorithmen, sondern auch für die Fehlerkorrektur nötig, die in der Regel auf konventionellen Rechnern erfolgt.

Der Hersteller hat mit „OPX1000“ einen Controller entwickelt, der Quanten- und Digitalrechnerwelt durch eine sogenannte Pulse Processing Unit (PPU) koordiniert und insbesondere die Latenz zwischen den beiden Systemklassen verringern soll. Dazu kommt eine spezielle PCIe-Schnittstellenkarte, die die schnelle Kommunikation zwischen dem OPX1000 und den angebundenen digitalen Verarbeitungseinheiten (GPU, CPU, GPU plus CPU, FPGA) sicherstellt.

Eine Sprache für alle Quantencomputer

Ein weiteres Beispiel ist Classiq. Das Unternehmen hat eine Hochsprache für die Programmierung von Quantenrechnern entwickelt, die, so der Anbieter, jede Quantenarchitektur unterstützt.

Die enthaltene Python-Library wird von der verbreiteten IBM-Sprache „Quiskit“ verstanden, die auf einer hardwarenäheren Software-Ebene arbeitet. Das ist nötig, damit mehr Menschen imstande sind, Quantenalgorithmen zu entwickeln und zu verstehen. Denn die Quantenlogik bedeutet gegenüber der digitalen ein völliges Umdenken.

Bechtle installiert supraleitende Qubit-Technologie

Hochschule Heilbronn bekommt einen IQM Spark-Quantencomputer

Software für Anwendungen auf dem Quantencomputer

Google stellt Algorithmus für Quantencomputer vor

Photonik entwickelt sich zur weiteren HPC-Technologie

Allerdings ist klassisches Quantencomputing nicht die einzige Methode, um neue Rechenmethoden ins Rechenzentrum zu bringen. Vielversprechend sind auch rein optische Systeme, wie sie beispielsweise Q.ant anbietet und stetig weiterentwickelt.

Das Unternehmen kann inzwischen auf Convolutional Neural Networks basierende Diffusionsmodelle rein photonisch rechnen.

Dieses Verfahren wird beispielsweise bei Zeitreihenprognosen verwendet. Utz Bacher, Vice President Software, bei Q.ANT sagt: „Bisher konnten wir lineare Algebra berechnen, jetzt schaffen wir auch nichtlineare Funktionen in AI-Modellen. Wir nutzen sehr mächtige Funktionen, die mehr mit weniger Ressoucen, etwa Parametern, schaffen, zum Beispiel den Cosinus.“

Startup verspricht 30-fache Energie-Effizienz

Qant demonstriert KI-Modelle auf Lichtchips

Reservoir Computing mit 1,6 Kilometern Glasfaser in der Kiste

Ebenfalls auf reine Photonik setzt Qantum Computing. Ein Beispiel ist „NeuraWave“. Das ist eine optische, Glasfaser-basierende Plattform für sogenanntes „Reservoir Computing“ entwickelt. Das ist eine Methode zur Verarbeitung und zum Erlernen von komplexen zeitlichen und sequenziellen Daten.

Anders als etwa ein CNN nutzt Reservoir Computing eine feste, zufällig verbundene Netzwerkschicht, hier bestehend aus 1,6 Kilometern gewickelter Glasfaser, entsprechend maximal 10.000 Knoten (Reservoir).

Sie transformiert Eingangsdaten (bis zu 1,25 Gbit/s) dynamisch in höherdimensionale Repräsentationen. Aus den Zeitreihen lassen sich damit komplexe Muster erkennen, die sonst verborgen blieben.

Hybride Architekturen prägen die Zukunft des HPC

HPC wird in Zukunft zunehmend ergänzt durch Technologien, die bestimmte Aufgaben besonders leistungsfähig lösen. Dieser Trend steht erst am Anfang, ist aber zur Bewältigung vieler technologischer Aufgaben unabdingbar.

Photonik „made in Germany“

Photonische Chips: Rechnen mit Licht für Cloud und KI

100fache Leistung trotz 90 Prozent weniger Energie im Leibniz-Rechenzentrum

62-Millionen-Finanzierung für photonische Chips von Quant

(ID:50890281)