ZHAW-Forschende kombinieren klassische Rechner und Quantencomputer

Quantencomputer kennen nicht nur den Zustand 0 und 1, sondern können durch sogenannte Qubits – analog zu Bits klassischer Rechner – mehrere Zustände zwischen 0 und 1 repräsentieren und dadurch viele mögliche Ergebnisse gleichzeitig berechnen. Qubits sind jedoch anfällig für Fehler, wie die Zürcher Hochschule für angewandte Wissenschaften (ZHAW) in einer Mitteilung erklärt. Zu den Fehlern kommt es etwa durch äussere Einflüsse wie Temperaturschwankungen oder elektromagnetische Strahlung. Aber auch durch interne Prozesse können Fehlberechnungen entstehen, da die Qubits nur kurz in einem stabilen Zustand bleiben. Deshalb brauche es möglichst kleine Algorithmen, mit denen Quantencomputern möglichst schnell Ergebnisse berechnen können, bevor die Qubits instabil werden, schreibt die Hochschule. Sie merkt an, dass es bislang vor allem theoretische Arbeiten gebe, wie sich diese Vorteile von Quantencomputer im Bereich Quantum Machine Learning nutzen lassen. Praktisch angewendet worden sei diese Computertechnologie jedoch bisher kaum.

Stärke des Quantencomputers gezielt nutzen

Nun haben Forschende der ZHAW eine neue Methode entwickelt, um die Stärken von Quantencomputern spezifisch zu nutzen. "Wir haben mithilfe eines Hybrid-Ansatzes den komplexesten Teil eines Algorithmus in einen Quantencomputer implementiert, den restlichen Teil jedoch weiterhin von einem klassischen Computer berechnen lassen"; erklärt ZHAW-Forscher Kurt Stockinger in der Mitteilung.

Für seine Versuche nutzte das Forscherteam einen Quantencomputer von IBM. Damit sowie mit einem klassischen Computer führte es Berechnungen an fünf Datensätzen durch und verglich danach die Ergebnisse.

Konkret testeten die Forschenden ihren Ansatz beispielsweise am sogenannten Iris-Datensatz, der Informationen zu Blumen enthält und zur Klassifizierung einzelner Blumenarten eingesetzt wird. Und tatsächlich habe die Hybrid-Methode zu exakteren Resultaten geführt. "Wir konnten damit zeigen, dass klassische Machine-Learning-Probleme durch den Hybrid-Ansatz besser lösbar sind als mit klassischen Computern", fasst Stockinger das Ergebnis zusammen.

Noch am Anfang stehe die Forschung mit neuronalen Netzen. Es müsse weiter untersucht werden, wie sie am effektivsten in einen Quantencomputer implementiert werden könnten. Auch auf diesem Gebiet experimentierten die ZHAW-Forschenden. Sie verwendeten einen Wetter-Datensatz mit vielen untereinander abhängigen Parametern wie Luftfeuchtigkeit, Luftdruck oder Temperatur und fütterten damit ein neuronales Netz, um damit am Ende das Ergebnis "Regen" oder "Sonnenschein" zu bekommen. "Eine bestimmte Schicht dieses Netzes implementierten wir in den Quantencomputer. So ist es möglich, mehrere Abhängigkeiten gleichzeitig zu berechnen und anzuschauen. Dadurch sind deutlich genauere Wetterprognosen möglich", beschreibt Stockinger.

Mehr darüber, was ein Quantencomputer genau ist und wie er funktioniert, erfahren Sie hier.