• Home
  • Aktuelles
  • Technologie
  • Forschung
  • Lehre
  • Wirtschaft
  • Jobs
  • Home
  • Aktuelles
  • Technologie
  • Forschung
  • Lehre
  • Wirtschaft
  • Jobs
Kontakt
  • Deutsch
  • English

  • Home
  • Aktuelles
  • Technologie
  • Forschung
  • Lehre
  • Wirtschaft
  • Jobs
Kontakt
  • Deutsch
  • English

Projekt QCHALLenge, BMWK

Quantum-Classical Hybrid Optimization Algorithms for Logistics and Production Line Management

Aktuelles
Quantencomputing – Anwendungen für die Wirtschaft DLR Ergebnisworkshop
Weiterlesen

Tage der digitalen Technologien 2024
Weiterlesen

Vortrag auf der Bitkom 2024
Weiterlesen

QCHALLenge Veröffentlichungen auf der QCE 2024 in Montreal
Weiterlesen

QCHALLenge Konsortialmeeting 2024
Weiterlesen

QCHALLenge Veröffentlichungen bei der ICAART 24 in Rom
Weiterlesen


Über unser Vorhaben

Das Projekt QCHALLenge löst Optimierungsprobleme aus Produktion und Logistik mittels bestehender Quantum Computing (QC) Hardware. Hierfür werden Algorithmen, Konzepte und Werkzeuge entwickelt, die der Wirtschaft branchenübergreifend und niederschwellig den Einsatz von QC ermöglichen. 

BASF, BMW, SAP und Siemens vertreten im Konsortium die Anwenderseite, während die LMU ihre langjährige Erfahrung auf dem Gebiet der QC-Software einbringt. Dadurch setzt QCHALLenge unmittelbar auf den Ergebnissen des Projekts PlanQK auf. Ergänzt wird das Konsortium im Rahmen zweier umfangreicher F&E Unteraufträge durch das KMU AQARIOS als fokussierten Software- und Technologiepartner, der unter anderem insbesondere für die Entwicklung und Implementierung von QC-Lösungen verantwortlich ist. 

QCHALLenge setzt die Domänen Produktion und Logistik aufgrund ihrer Schlüsselrolle für die deutsche Wirtschaft in den Fokus. Daraus ergeben sich Use Cases wie Optimierung von Lieferketten und Warenlagern und der Einsatz von QC in der Automatisierung. Implementierungen erfolgen vorrangig in hybrider Form und werden so gestaltet, dass die Kunden schnell von einem Quantenvorteil profitieren, ohne sich mit der Technologie des QC auseinandersetzen zu müssen. Die Verwertung der Ergebnisse findet hierbei im Rahmen der Nutzung und des Vertriebs der erarbeiteten Softwaretools statt. Ebenso verwertet werden die maßgeschneiderten Problemlösungsansätze durch die Anwendungspartner und die gewonnenen Erkenntnisse im Umgang mit QC durch die Technologiepartner. 

QCHALLenge ermöglicht somit die Etablierung eines Ökosystems zur wirtschaftlichen Anwendung von QC und stärkt die technologische Souveränität der deutschen Wirtschaft.​

Liste ausgewählter Publikationen
  • Y. Sun, Z. Wu, Y. Ma and V. Tresp, „Quantum Architecture Search with Unsupervised Representation Learning“, arXiv:2401.11576 [qp], Jan. 2024. DOI:10.48550/arXiv.2401.11576.
  • M. Zorn, J. Stein, P. Altmann, M. Kölle, C. Linnhoff-Popien and T. Gabor, “Cohesive Quantum Circuit Layer Construction with Reinforcement Learning”. To appear in the Proceedings of the IEEE International Conference on Quantum Computing and Engineering in Sep. 2024.
  • Sun, J. Liu, Z. Wu, Z. Ding, Y. Ma, T. Seidl, V. Tresp, “SA-DQAS: Self-attention Enhanced Differentiable Quantum Architecture Search”, In the Companion Proceedings of the ICML 2024
  • Sun, J. Liu, Y. Ma, V. Tresp, “Differentiable Quantum Architecture Search For Job Shop Scheduling Problem”, In the Proceedings of the ICASSP 2024
  • M. Kölle, D. Seidl, M. Zorn, P. Altmann, J. Stein and T. Gabor, “Optimizing Variational Quantum Circuits Using Metaheuristic Strategies in Reinforcement Learning”. To appear in the Proceedings of the IEEE International Conference on Quantum Computing and Engineering in Sep. 2024. 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”. To appear in the Proceedings of the IEEE International Conference on Quantum Computing and Engineering in Sep. 2024. 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”. To appear in the Proceedings of the IEEE International Conference on Quantum Computing and Engineering in Sep. 2024. arXiv:2407.17204.
  • A.A. Awasthi, N. Kraus, F. Krellner, D. Zambrano, „Real World Application of Quantum-Classical Optimization for Production Scheduling”, to appear in the Proceedings of the IEEE QCE 2024
  • C. Jones, N. Kraus, P. Bhardwaj, M. Adler, M. Schrödl-Baumann and D. Zambrano Manrique, “Benchmarking Quantum Models for Time-series Forecasting”, to appear in the Proceedings of the IEEE QCE 2024
  • J. Stein, N. Roshani, M. Zorn, P. Altmann, M. Kölle and C. Linnhoff-Popien, „Improving Parameter Training for VQEs by Sequential Hamiltonian Assembly“. To appear in the Proceedings of ICAART 2024: The 16th International Conference on Agents and Artificial Intelligence. Rom, February 24 – 26, 2024. 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“. To appear in the Proceedings of ICAART 2024: The 16th International Conference on Agents and Artificial Intelligence. Rom, February 24 – 26, 2024. 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“. To appear in the Proceedings of ICAART 2024: The 16th International Conference on Agents and Artificial Intelligence. Rom, February 24 – 26, 2024. arXiv:2306.04998.
  • M. Kölle, J. Mauerer, P. Altmann, L. Sünkel, J. Stein and C. Linnhoff-Popien, „Disentangling Quantum and Classical Contributions in Hybrid Quantum Machine Learning Architectures“. To appear in the Proceedings of ICAART 2024: The 16th International Conference on Agents and Artificial Intelligence. Rom, February 24 – 26, 2024. arXiv:2311.05559.
  • J. Stein,T. Rohe, F. Nappi, J. Hager, D. Bucher, M. Zorn, M. Kölle, C. Linnhoff-Popien, „Introducing Reduced-Width QNNs, an AI-inspired Ansatz Design Pattern“, arXiv:2306.05047 [qp], November 2023. DOI: 10.48550/arXiv.2306.05047.
  • J. Stein, J. Jojo, A. Farea, D. Bucher, P. Altmann, M. S. Çelebi and C. Linnhoff-Popien, „Combining the QAOA and HHL Algorithm to achieve a Substantial Quantum Speedup for the Unit Commitment Problem“, arXiv:2305.08482 [qp], June 2023. DOI: 10.48550/arXiv.2305.08482.
  • J. Stein, I. Christ, N. Kraus, M. B. Mansky, R. Müller and C. Linnhof-Popien, „Applying QNLP to sentiment analysis in finance“. QCE23: IEEE International Conference on Quantum Computing and Engineering Companion. Bellevue (Washington), September 17-22, 2023. DOI: 10.1109/QCE57702.2023.10178. arXiv:2307.11788.
  • P. Stougiannidis, J. Stein, D. Bucher, S. Zielinski, C. Linnhoff-Popien and S. Feld, “Approximative lookup-tables and arbitrary function rotations for facilitating NISQ-implementations of the HHL and beyond”. QCE23: IEEE International Conference on Quantum Computing and Engineering. Bellevue (Washington), September 17-22, 2023. DOI: 10.1109/QCE57702.2023.00025. arXiv:2306.05024.
  • M. B. Mansky, F. Wörle, J. Stein, R. Müller and C. Linnhoff-Popien, “Adapting the DisCoCat framework for Question Answering to the Chinese Language”. QCE23: IEEE International Conference on Quantum Computing and Engineering. Bellevue (Washington), September 17-22, 2023. DOI: 10.1109/QCE57702.2023.00073.
  • A. Giovagnoli, Y. Ma, M. Schubert, V. Tresp, „QNEAT: Natural Evolution of Variational Quantum Circuit Architecture“. GECCO 2023: The 2023 Genetic and Evolutionary Computation Conference Companion. Lisbon, July 15-19, 2023. DOI: 10.1145/3583133.3590675. arXiv:2304.06981.
  • J. Stein, F. Chamanian, M. Zorn, J. Nüßlein, S. Zielinski, M. Kölle and C. Linnhoff-Popien, “Evidence that PUBO outperforms QUBO when solving continuous optimization problems with the QAOA”. GECCO 2023: The 2023 Genetic and Evolutionary Computation Conference Companion. Lisbon, July 15-19, 2023. DOI: 10.1145/3583133.3596358. arXiv:2305.03390.
  • 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.
  • 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, 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, 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.
  • M. Kölle, A. Giovagnoli, J. Stein, M. B. Mansky, J. Hager, T. Rohe, R. Müller and C. Linnhoff-Popien, “Weight Re-Mapping for Variational Quantum Algorithms”. Agents and Artificial Intelligence (LNCS volume 14546, LNAI), pages 286-309, Mar. 2024. DOI: 10.1007/978-3-031-55326-4_14. arXiv: 2306.05776.
Das Konsortium
LMU
SAP
Siemens
BASF
BMW Group
AQARIOS
LMU

Die LMU tritt im Projekt als Konsortialführung auf die einen Großteil des  Projektmanagements übernimmt. Als Forschungsinstitution mit langjähriger Expertise im Bereich Quantencomputing (die LMU ist u.a. Gründungspartner von PlanQK) unterstützt die LMU in allen forschungsintensiven Arbeitspaketen. Als universitäre Forschungsgruppe plant das QAR-Lab der LMU eine Verwertung der Projektergebnisse im Rahmen der Lehre, in wissenschaftlichen Publikationen  und in auf QCHALLenge aufbauenden Förder- und Forschungsprojekten.

SAP

SAP als führender Anbieter für betriebswirtschaftliche Anwendungssoftware vertritt einerseits die Anwenderseite bezüglich Optimierungsprobleme aus Wirtschaft und Industrie und stellt andererseits ihre Expertise auf dem Gebiet Design, Architektur, sowie Entwicklung von Software für Industriegroßkunden zur Verfügung. In dieser Funktion übernimmt SAP auch die Leitung von Arbeitspaketen in denen Use-Cases aus den Bereichen Optimierung, ML-und Simulation sowie Materialforschung mit einem hybriden Ansatz (quanten-klassische Algorithmen) implementiert und sodann mit rein klassischen Verfahren verglichen werden. Verschiedene Implementierungen werden hinsichtlich ihrer Performanz, Skalierbarkeit, Erweiterbarkeit etc. ausgewertet, untereinander abgestimmt und fließen daraufhin in die Gestaltung einer optimalen Softwarearchitektur ein.

Siemens

Der Fokus der Arbeit von Siemens im Projekt QCHALLenge liegt auf der möglichst nahtlosen Integration von Quantencomputing-Verfahren (QC) in existierende Automatisierungslösungen. Diese Integration betrifft verschiedene Phasen im Lebenszyklus einer Automatisierungslösung, z.B. die Konfiguration eines Optimierungsproblems innerhalb einer Automatisierung, die Schnittstellen zwischen Automatisierungslösung und QC-Software oder die Rekonfiguration und Software-Updates.  Dafür werden in den Arbeitskomplexen des Projekts entsprechende Konzepte und Werkzeuge entwickelt werden. Mittel- bis langfristig wird eine Kommerzialisierung der Konzepte und Lösungen im Rahmen des Automatisierungsportfolios von Siemens angestrebt.

BASF

BASF beteiligt sich am Verbundprojekt QCHALLenge als Industriepartner und hat im Konsortium die Rolle und Perspektive eines Endanwenders von Quantencomputing in der Wirtschaft, hier der chemischen Industrie. BASF verwendet bereits mathematische Optimierung zusammen mit Machine-Learning im laufenden Geschäftsbetrieb in den Bereichen F&E, Produktentwicklung, Prozessentwicklung, Produktion und Logistik. Kontinuierlich effizientere Lösungen dieser Optimierungsaufgaben zu finden, ist für BASF dabei nicht nur aus ökonomischer Sicht sinnvoll, sondern entspricht auch den übergreifenden Werten der Ressourceneinsparung und Nachhaltigkeit. Das Gesamtziel des Teilvorhabens von BASF innerhalb von QCHALLenge korreliert mit dieser Strategie: Im Projekt soll eine qualitative Abschätzung des Business Impact von Quantencomputing für die Industrie erarbeitet werden.

BMW Group

BWM beteiligt sich am Verbundprojekt QCHALLenge als Industriepartner und hat im Konsortium die Rolle und Perspektive des Endanwenders von Quantencomputing in der Wirtschaft inne. Als Großunternehmen der Automobilindustrie ist BMW im laufenden Geschäftsbetrieb mit diversen Optimierungsaufgaben in den Bereichen Produktion und Logistik konfrontiert. Kontinuierlich effizientere Lösungen dieser Optimierungsaufgaben zu finden, ist für BMW dabei nicht nur aus ökonomischer Sicht sinnvoll, sondern entspricht auch den übergreifenden Werten der Ressourceneinsparung und Nachhaltigkeit.

AQARIOS

Als Unterauftrag für die LMU und BASF bringt AQARIOS ihr QC Knowhow und Wissen aus aktuellen Kundenprojekten mit DAX-Konzernen ein. Der Hauptfokus ist hierbei die Entwicklung von QC-Softwaretools. Hierbei ist das Ziel den niederschwelligen Einsatzes von QC in industrieller Umgebung zu ermöglichen; Durch die Generalisierung von QC-Lösungsansätzen für Probleme aus Produktion und Logistik sowie Definition und Implementierung von geeigneten Schnittstellen für den industriellen Einsatz sollen industriell nutzbare QC-Softwaretools geschaffen werden.

Kontakt

Anfragen an das Konsortium bitte an:

E-Mail: qar-lab@mobile.ifi.lmu.de
Telefon: +49 89 2180-9153

QAR-Lab – Quantum Applications and Research Laboratory
Ludwig-Maximilians-Universität München
Oettingenstraße 67
80538 München

bmwk förderzusatz logo deutsch
Alle Projekte anzeigen

Copyright © QCHALLenge | 2024

QAR-Lab – Quantum Applications and Research Laboratory
Ludwig-Maximilians-Universität München
Oettingenstr. 67
80538 München
Telefon: +49 89 2180-9153
E-Mail: qar-lab@mobile.ifi.lmu.de

© Copyright 2025

Allgemein

Team
Kontakt
Impressum

Social Media

Twitter Linkedin Github

Sprache

  • Deutsch
  • English
Cookie-Zustimmung verwalten
Wir verwenden Cookies, um unsere Website und unseren Service zu optimieren.
Funktional Immer aktiv
Die technische Speicherung oder der Zugang ist unbedingt erforderlich für den rechtmäßigen Zweck, die Nutzung eines bestimmten Dienstes zu ermöglichen, der vom Teilnehmer oder Nutzer ausdrücklich gewünscht wird, oder für den alleinigen Zweck, die Übertragung einer Nachricht über ein elektronisches Kommunikationsnetz durchzuführen.
Vorlieben
Die technische Speicherung oder der Zugriff ist für den rechtmäßigen Zweck der Speicherung von Präferenzen erforderlich, die nicht vom Abonnenten oder Benutzer angefordert wurden.
Statistiken
Die technische Speicherung oder der Zugriff, der ausschließlich zu statistischen Zwecken erfolgt. Die technische Speicherung oder der Zugriff, der ausschließlich zu anonymen statistischen Zwecken verwendet wird. Ohne eine Vorladung, die freiwillige Zustimmung deines Internetdienstanbieters oder zusätzliche Aufzeichnungen von Dritten können die zu diesem Zweck gespeicherten oder abgerufenen Informationen allein in der Regel nicht dazu verwendet werden, dich zu identifizieren.
Marketing
Die technische Speicherung oder der Zugriff ist erforderlich, um Nutzerprofile zu erstellen, um Werbung zu versenden oder um den Nutzer auf einer Website oder über mehrere Websites hinweg zu ähnlichen Marketingzwecken zu verfolgen.
Optionen verwalten Dienste verwalten Verwalten von {vendor_count}-Lieferanten Lese mehr über diese Zwecke
Einstellungen anzeigen
{title} {title} {title}