Innsbrucker Physiker lassen KI Quanten-Rechenoperationen planen
Ein Team der Universität Innsbruck stellte im Fachblatt „Nature Machine Intelligence“ ein neues KI-unterstütztes Konzept für Quanten-Rechenoperationen vor.
Innsbruck – Bei der Realisierung von Quantencomputer-Hardware, mit immer mehr Kapazitäten, haben Innsbrucker Physiker in der Vergangenheit viele Fortschritte erzielt. Um die verheißungsvollen Möglichkeiten, die die neue Art der Informationsverarbeitung bieten könnte, auch auszuschöpfen, müssen die nicht unendlich verfügbaren Rechenoperationen umso sorgfältiger geplant werden. Im Fachblatt "Nature Machine Intelligence" stellen die Forscher nun ein neues, KI-unterstütztes Konzept vor.
Den Ansatz vergleicht das Team um den Erstautor der Arbeit, Gorka Muñoz-Gil vom Institut für Theoretische Physik der Universität Innsbruck, mit den mittlerweile vielen geläufigen Programmen zur Bilderstellung mittels Künstlicher Intelligenz (KI), bei denen auf Basis von sprachlichen Vorgaben automatisch Foto-Dateien generiert werden: "Unser neues Modell zur Programmierung von Quantencomputern tut dasselbe, aber anstatt Bilder zu erzeugen, generiert es Quantenschaltungen auf Grundlage einer Beschreibung der auszuführenden Quantenoperation", wird der Wissenschafter in einer Aussendung der Uni zitiert.
Komplizierte Quantenwelt
Da die den teils bizarren Regeln der Quantenmechanik folgenden Technologien u.a. sehr störungsanfällig sind, sind Quantenrechner alles andere als einfach aufzubauen. Das gilt auch für die Anordnung der Rechenoperationen (Quantengatter). Auch hier gelte: Was in herkömmlichen, den Regeln der klassischen Physik folgenden Computern relativ einfach zu lösen ist, verkompliziert sich in der Quantenwelt extrem.
Viele Wissenschafter arbeiten daher daran, ins Design der Schaltungen im Quantenrechner, also der Gatter-Abfolgen, auch KI-Systeme einzubauen. Die Innsbrucker Forscher, zu denen u.a. auch Wittgenstein-Preisträger Hans Briegel und Florian Fürrutter zählen, setzen hier auf "Diffusionsmodelle" des maschinellen Lernens, die auch in Bilderstellungs-Programmen zur Anwendung kommen. Man habe nun zeigen können, dass mit diesem Zugang Probleme, die sonst beim Trainieren der Systeme auftreten, umgangen werden können, berichten die Physiker.
"Darüber hinaus zeigen wir, dass diese Diffusionsmodelle in ihrem Ergebnis genau und zudem sehr flexibel sind und es erlauben, Schaltkreise mit einer unterschiedlichen Anzahl von Qubits (die grundlegende Quanteninformationseinheit, Anm.) sowie verschiedenen Arten und Mengen von Quantengattern zu bauen", so Muñoz-Gil. Ebenso könne das System den Aufbau der Hardware - also die Art der Verbindung zwischen den Qubits - miteinbeziehen, mit dem es arbeiten soll: "Da die Herstellung neuer Schaltkreise sehr günstig ist, sobald das Modell einmal trainiert ist, kann man es auch nutzen, um neue Erkenntnisse über Quantenoperationen zu gewinnen." (APA)
Der Artikel im Fachblatt „Nature Machine Intelligence“ ist HIER online einsehbar.