Project QASAR, Volkswagen Data:Lab
Quantum annealing is a promising algorithm for solving optimization problems. Quantum annealers from the Canadian company D-Wave implement this algorithm directly in the hardware. Using quantum annealing requires the conversion of real-world problems into a special mathematical form. In this project, we developed three such tasks for Volkswagen Data:Lab.
1. Wir betrachteten das kanonische Problem 3SAT. Dieses steht für die gesamte Klasse namens NP, die viele für heutige Computer schwer zu berechnende Probleme enthält. Anhand dieser Problemstellung konnten wir grundlegende Erkenntnisse über das Antwortverhalten der nur stochastisch funktionierenden Quantum Annealer gewinnen.
2. Wir betrachteten das Problem des Capacitated Vehicle Routing Problem (CVRP). Dieses wichtige Problem sucht die beste Verteilung von Gütern und die beste Auswahl an Routen, sodass mehrere Lastwagen eine bestimmte Menge Güter möglichst schnell und günstig an verschiedenen Orten abliefern können.
3. Wir betrachten QBoost als eine beispielhafte Anwendung von Quantum Annealing für Machine Learning. In der Schnittmenge von Quantum Computing und Artificial Intelligence identifizierten wir damals bereits großes Potenzial.
1. Wir betrachteten das kanonische Problem 3SAT. Dieses steht für die gesamte Klasse namens NP, die viele für heutige Computer schwer zu berechnende Probleme enthält. Anhand dieser Problemstellung konnten wir grundlegende Erkenntnisse über das Antwortverhalten der nur stochastisch funktionierenden Quantum Annealer gewinnen.
2. Wir betrachteten das Problem des Capacitated Vehicle Routing Problem (CVRP). Dieses wichtige Problem sucht die beste Verteilung von Gütern und die beste Auswahl an Routen, sodass mehrere Lastwagen eine bestimmte Menge Güter möglichst schnell und günstig an verschiedenen Orten abliefern können.
3. Wir betrachten QBoost als eine beispielhafte Anwendung von Quantum Annealing für Machine Learning. In der Schnittmenge von Quantum Computing und Artificial Intelligence identifizierten wir damals bereits großes Potenzial.
