(Berlin, 03/04.12.2024) Die vom Bundesministerium für Wirtschaft und Klimapolitik (BMWK) geförderte Initiative „Quantencomputing – Anwendungen für die Wirtschaft“ unterstützt verschiedene Projekte und evaluiert die wissenschaftliche Wirkung des Programms. Der zweitägige Workshop im Forum Digitale Technologien in Berlin versammelte mehr als 70 Teilnehmer aus Forschung und Industrie, um Fortschritte und zukünftige Herausforderungen zu diskutieren.

Zu den vorgestellten Schlüsselprojekten gehören:

• QUASIM: Simulation des Fräsens von Rotorblättern für Flugzeugtriebwerke mit dem Potenzial, den Ausschuss mithilfe von Quantencomputern um 80 % zu reduzieren.
• QuaST: Ein Entscheidungsbaum-Tool zur Optimierung von Problemlösungen mit Hilfe von Quantencomputern und klassischen Computern, das Branchen wie die Halbleiterherstellung unterstützt.
• Qompiler: Eine neue Programmiersprache, Qrisp, die die Softwareentwicklung für Quantencomputer vereinfachen soll.

Weitere Beiträge kamen von:

• Das Quantum Computing User Network (QuCUN), das vom Bundesministerium für Bildung und Forschung finanziert wird.
• Das Projekt QUA-SAR der DLR-Initiative Quantencomputer.
  Bench-QC vom Munich Quantum Valley, das sich auf anwendungsorientiertes Benchmarking konzentriert.
• Die Bundesdruckerei-Gruppe.

Dieses Gemeinschaftsprojekt präsentierte innovative Werkzeuge und Strategien, um Quantencomputing für Unternehmen zugänglicher und nutzbringender zu machen.

(Berlin, 7.10.2024) Unter dem Motto „Transformation durch Innovation – nachhaltig, souverän, vernetzt“ fand am 7. und 8. Oktober in Berlin die Tagung des Bundesministeriums für Wirtschaft und Klimaschutz (BMWK) statt. Vertretend für das QCHALLenge Konsortium waren Mitglieder von Siemens, SAP und LMU mit einem Stand anwesend und haben Kongressbesucher über Fortschritte und Ideen des Konsortiums informiert. Im Rahmen von zwei größeren Führungen und mehreren individuellen Pitches wurden Ziele und Use-Cases von Quantum Computing aus der Industrie und Wissenschaft an interessierte Besucher präsentiert.

(Berlin, 25.9 2024) Im Rahmen des diesjährigen Bitcom Events in Berlin präsentierten Dr Abhishek Awasthi (BASF) und Florian Krellner (SAP) Fortschritte und gewonnene Erkenntnisse zu einem der zentralen QCHALLenge Use-Case Probleme, Production Assignment. Das Problem umfasst die Planung und den Ausgleich von Aufträgen auf verschiedenen industriellen Produktionsmaschinen mit einer nichtlinearen Zielfunktion. Für QCHALLenge wurden hierbei verschiedene Modellierungstechniken für klassisches und Quanten-Computing entwickelt und getestet. 
In Ihrem Vortrag Case-studies on hybrid quantum solvers for business relevant optimization use-cases wurden unter anderem Ansätze und Details aus der folgenden zugehörigen Publikation vorgestellt.

Real World Application of Quantum-Classical Optimization for Production Scheduling
Abhishek Awasthi, Nico Kraus, Florian Krellner, David Zambrano (arxiv.org/abs/2408.01641)

(10. Oktober 2024/Garching) Im Rahmen der 5. Quantum Computing and Engineering Konferenz (QCE 2024, 15.09 – 20.09 in Montreal, Kanada) war das QCHALLenge Konsortium breit vertreten und konnte mehrere Publikationen präsentieren. Mit Teilnahme von BASF, Siemens, SAP, LMU und der Aqarios waren viele interessante Gespräche mit Industrie und Forschung entstanden und wertvolle Kontakte geknüpft worden. Ein Tutorial von Jonas Stein (LMU) und Sebastian Feld (TU Delft) über Simulations-basierte Optimierungsprobleme fand weiterhin großen Anklang. Wir freuen uns über u.a., die folgenden Publikationen zu berichten, die in den Proceedings der IEEE International Conference on Quantum Computing and Engineering im Sep. 2024 erscheinen werden:

• A.A. Awasthi, N. Kraus, F. Krellner, D. Zambrano, „Real World Application of Quantum-Classical Optimization for Production Scheduling”.
• C. Jones, N. Kraus, P. Bhardwaj, M. Adler, M. Schrödl-Baumann and D. Zambrano Manrique, “Benchmarking Quantum Models for Time-series Forecasting”.
• M. Zorn, J. Stein, P. Altmann, M. Kölle, C. Linnhoff-Popien and T. Gabor, “Cohesive Quantum Circuit Layer Construction with Reinforcement Learning”.
• M. Kölle, D. Seidl, M. Zorn, P. Altmann, J. Stein and T. Gabor, “Optimizing Variational Quantum Circuits Using Metaheuristic Strategies in Reinforcement Learning”. [arXiv:2408.01187.]
• J. Stein, J. Blenninger, D. Bucher, J. P. Eder, E. Çetiner, M. Zorn and C. Linnhoff-Popien, “CUAOA: A Novel CUDA-Accelerated Simulation Framework for the QAOA”. [arXiv:2407.13012.]
• T. Rohe, D. Schuman, J. Nüßlein, L. Sünkel, J. Stein and C. Linnhoff-Popien, “The Questionable Influence of Entanglement in Quantum Optimisation Algorithms”. [arXiv:2407.17204.]

(11. Juni 2024/Garching) Zu unserem jährlichen Konsortialtreffen trafen sich mehr als zwanzig Mitglieder des Konsortiums in Begleitung des DLR zu einem ganztägigen Workshop auf dem neuen Siemens-Campus in Garching bei München, um sich gegenseitig über den aktuellen Stand des Projekts auszutauschen. Beginnend mit internen Kickoffs der Arbeitskomplexe 8 und 9 und einer Vor-Ort-Besichtigung des LRZ Quantum Integration Center, um ein Gefühl für die Quantenhardware zu bekommen, begann der offizielle Teil nach der Mittagspause. Dieser umfasste detaillierte Updates der wichtigsten Arbeitspakete, mit einem Fokus auf die Use Cases, das Software-Framework, sowie der grundlegenden Forschung zu QML und Dekompositionstechniken für die Quantenoptimierung.
Nach intensiven technischen Diskussionen endete der Workshop mit einem positiven Ausblick auf den Erfolg des Projekts durch alle Beteiligten.

(6. März 2024/Rom) Mitglieder des QCHALLenge-Konsortiums haben auf der Internationalen Konferenz für Agenten und maschinelles Lernen in Rom vier akzeptierte Paper zur Erforschung von Anwendungen sowie der Grundlagenforschung im Bereich des Quantum Machine Learnings (QML) vorgestellt. Zwei dieser Veröffentlichungen entstanden aus der QC Optimization Challenge der LMU und beleuchten die Anwendung von QML für die Modellierung chemischer Prozesse sowie die Erkennung von Anomalien. In den anderen beiden Papern haben wir (1) einen neuen, KI-inspirierten Ansatz für die Architektur parametrisierter Quantenschaltkreise vorgestellt und (2) eine sequenzielle Zusammenstellung der Kosten-Hamiltonians im Variational Quantum Eigensolver vorgestellt, die einen Weg aufzeigt, das Problem der Barren-Plateaus anzugehen.

Für weitere Informationen finden Sie hier die Links zu den veröffentlichten Artikeln sowie zu den frei verfügbaren Vorveröffentlichungen:

• J. Stein, T. Rohe, F. Nappi, J. Hager, D. Bucher, M. Zorn, M. Kölle and C. Linnhoff-Popien, “Introducing Reduced-Width QNNs, an AI-inspired Ansatz Design Pattern”. In Proceedings of the International Conference on Agents and Artificial Intelligence – Volume 3, pages 1127–1134, Feb. 2024. DOI: 10.5220/0012449800003636. arXiv: 2306.05047.
• J. Stein, N. Roshani, M. Zorn, P. Altmann, M. Kölle and C. Linnhoff-Popien, “Improving Parameter Training for VQEs by Sequential Hamiltonian Assembly”. In Proceedings of the International Conference on Agents and Artificial Intelligence – Volume 2, pages 99–109, Feb. 2024. DOI: 10.5220/0012312500003636. arXiv: 2312.05552.
• J. Stein, M. Poppel, P. Adamczyk, R. Fabry, Z. Wu, M. Kölle, J. Nüßlein, D. Schuman, P. Altmann, T. Ehmer, V. Narasimhan and C. Linnhoff-Popien, “Benchmarking Quantum Surrogate Models on Scarce and Noisy Data”. In Proceedings of the International Conference on Agents and Artificial Intelligence – Volume 3, pages 352–359, Feb. 2024. DOI: 10.5220/0012348900003636. arXiv: 2306.05042.
• J. Stein, D. Schuman, M. Benkard, T. Holger, W. Sajko, M. Kölle, J. Nüßlein, L. Sünkel, O. Salomon and C. Linnhoff-Popien, “Exploring Unsupervised Anomaly Detection with Quantum Boltzmann Machines in Fraud Detection”.  In Proceedings of the International Conference on Agents and Artificial Intelligence – Volume 2, pages 177-185, Feb. 2024. DOI: 10.5220/0012326100003636. arXiv: 2306.04998.

(7. Mai 2024/München) Das Praktikum soll die Fähigkeit vermitteln, Optimierungsprobleme für Quantencomputer zu modellieren, sowie eine Einführung in die praktische Arbeit mit bestehenden Quantencomputern geben. Im QAR-Labor stehen dafür derzeit vier Rechner zur Verfügung: IBM Q System Two, IonQ Aria-2, Fujitsu DAU, D-Wave Advantage.
In Zusammenarbeit mit unseren Industriepartnern BMW Group, SAP und Siemens werden in diesem Semester von unseren Studenten Projekte mit hoher Relevanz für konkrete Anwendungen auf Quantencomputern berechnet. Mit den drei Anwendungsfällen (1) Topologieoptimierung (BMW), (2) VM Balance Assignment (SAP), (3) Image Classification (SAP), (4) BnB hybrid Optimization (Siemens) und (5) Distribution Modelling (Siemens) werden die Studenten die Hauptanwendungen von Quantencomputern erforschen: Maschinelles Lernen, Simulation und Optimierung.

Wir freuen uns, dies bereits zum 7. Mal zu ermöglichen und sind gespannt auf die Ergebnisse am Ende dieses Semesters.

(13.06.2023/München) Quantencomputing ist nicht mehr nur ein Zukunftstrend – es wird bleiben und verspricht, sowohl lokale als auch globale Probleme in verschiedenen Bereichen zu lösen, die außerhalb der Reichweite heutiger Computer liegen. Am 20.-21. September 2023 findet in Berlin der Quantum Summit statt, an dem zahlreiche Experten aus der Forschung sowie Entscheidungsträger aus der Wirtschaft und der Politik zusammenkommen, um sich über wichtige Erkenntnisse im Bereich des Quantencomputing auszutauschen. Jonas Stein, Wissenschaftlicher Mitarbeiter des QAR-Labs der LMU München wird wertvolle Einblicke in die aktuellen QC-Forschungsprojekte geben – insbesondere zu den Highlights aus der Quantum Computing Optimization Challenge.

(01.12.2022/München) Am 01. Dezember trafen sich zum ersten Mal alle Projektpartner, um die gemeinsame Vision voranzubringen, einen Quantenvorteil im Bereich der Produktion und Logistik zu erreichen. Mit Hilfe des Projekts QCHALLenge sollen Optimierungsprobleme speziell in diesen Bereichen mittels bestehender Quantum Computing (QC) Hardware gelöst werden. Hierfür werden Algorithmen, Konzepte und Werkzeuge entwickelt, die der Wirtschaft branchenübergreifend und niederschwellig den Einsatz von QC ermöglichen. Dabei soll vor allem die automatisierte Integration von QC in bestehende Lösungen, die Entwicklung generischer Quanten-SDKs und der Ausbau von Knowhow in der Anwendung und Entwicklung von QC-Lösungen im Fokus stehen.

Das Praktikum soll die Fähigkeit vermitteln, Optimierungsprobleme für Quantencomputer zu modellieren, sowie eine Einführung in die praktische Arbeit mit bestehenden Quantencomputern geben. Im QAR-Lab stehen dafür derzeit vier Rechner zur Verfügung: IBM Q System Two, Rigetti Aspen-M-2, Fujitsu DAU und der D-Wave Advantage.
In Zusammenarbeit mit unseren Industriepartnern BASF, der BMW Group und Siemens werden in diesem Semester von unseren Studenten konkrete Anwendungen mit hoher Relevanz für die Wirtschaft auf echten Quantencomputern berechnet. Anhand der drei Anwendungsfälle (1) Financial Forecasting (BASF), (2) Drive Train Optimization (BMW) und (3) Train Routing (Siemens) werden die Studenten drei Hauptanwendungen des Quantencomputings erkunden: Maschinelles Lernen, Simulation und Optimierung.

Wir freuen uns, dieses Praktikum bereits zum 5. Mal zu ermöglichen und sind gespannt auf die Ergebnisse am Ende dieses Semesters.