Vereinheitlichung und Optimierung von Ressourcen für Quantencomputing

Quantencomputer haben das Potenzial, unsere Welt zu revolutionieren. Um dieses Potenzial auszuschöpfen, müssen wir jedoch viele Herausforderungen bewältigen, von grundlegenden Fragen der Quanteninformationstheorie bis hin zu den extremen technischen Anforderungen der Hightech-Ingenieurswissenschaft. Auf der theoretischen Seite ist eine der seit langem offenen Fragen, welche Quantenressourcen genau für die Vorteile der Quantenberechnung relevant sind. Dies ist ein Hindernis bei der Entwicklung von Algorithmen und Anwendungen, die die Leistungsfähigkeit des Quantencomputings voll ausschöpfen können. Ohne dieses Wissen können wir nur sehr ungenaue Vorgaben machen, was wir letztendlich von den Ingenieuren erwarten. Übersetzt mit DeepL.com (kostenlose Version)

In ResourceQ gibt es zwei wesentliche Aspekte dieses Problems, mit denen wir uns befassen möchten. Der erste Aspekt ist, dass bislang viele scheinbar unterschiedliche Ressourcen als für die Quantenbeschleunigung verantwortlich identifiziert wurden, wobei die Frage, welche davon tatsächlich relevant sind, offenbar davon abhängt, welches Berechnungsmodell man zugrunde legt. Wir möchten herausfinden, ob es eine zugrunde liegende Ressource gibt, die all diesen Ressourcen zugrunde liegt, d. h. wir möchten eine modellunabhängige Ressource finden, die für die Beschleunigung verantwortlich ist. Übersetzt mit DeepL.com (kostenlose Version)

Der zweite Grund ist, dass es eine große Kluft zwischen den Arten von Ressourcen gibt, die als grundlegende Quantenressourcen angesehen werden, und denen, die in einer bestimmten experimentellen Umsetzung typischerweise relevant sind. Beispielsweise werden Nichtlokalität und Kontextualität oft als die grundlegendsten Merkmale der Nichtklassizität der Natur angesehen, aber (zumindest für Geräte der nahen Zukunft) sind typischerweise Dinge wie Quantenvolumen, Clusterzustände, die Anzahl der T-Gatter oder die Tiefe des Quantenschaltkreises relevanter. Wir wollen diese Kluft überbrücken, indem wir verstehen, wie diese grundlegenden und praktischen Ressourcen miteinander in Beziehung stehen. Die wichtigsten Werkzeuge für ResourceQ werden aus folgenden Bereichen stammen und zu deren Weiterentwicklung beitragen: (i) strukturelle Methoden (z. B. grafische Sprachen) aus der Logik und der theoretischen Informatik, die sich gut für die Behandlung von Überlegungen wie der Kompositionalität eignen, von der wir wissen, dass sie den Kern der Unterschiede zwischen Quanten- und klassischen Theorien und Phänomenen bildet; (ii) Techniken des maschinellen Lernens, insbesondere des verstärkenden Lernens, die sich gut für die Zuweisung und Optimierung komplexer Größen wie Quantenressourcen eignen; und (iii) allgemeine Methoden aus der Quanteninformationstheorie, insbesondere die Untersuchung von Quantenressourcentheorien.

ResourceQ wird durch zwei Industriepartnerschaften verankert. Einerseits wird die Zusammenarbeit mit Quandela den Fokus auf photonische Technologien für Quantencomputing legen, wo noch viel weniger über die zugrunde liegenden Quantenressourcen bekannt ist. Andererseits werden uns unsere Berater bei TWT zu einem bestimmten Anwendungsfall führen, nämlich der Optimierung von Ressourcen für die Simulation komplexer Strukturen und Materialien mittels partieller Differentialgleichungen.