Künstliche Intelligenz oder besser neuronale Netze beschleunigen beim Quantencomputing die Kompilierung: Das ist eine Erkenntnis des Quantum Integration Centres (QIC) des Leibniz-Rechenzentrums (LRZ). Dazu simulierten die Expert:innen mögliche Quantenschaltungen eines kleineren Systems und überprüften deren Optimierbarkeit mit Hilfe eines eigens aufgebauten, neuronalen Netzes: „Quantencomputing ist oft verrauscht, in die finalen Ergebnisse können sich Fehler einschleichen, wichtig ist daher die Qualität der Schaltkreise“, erklärt Burak Mete, Forscher der Abteilung Quantencomputing und -Tchnologien (QCT). „Unser neuronales Netz testet diese und prognostiziert die Optimierbarkeit.“ Um Algorithmen auf einem Quantencomputer auszuführen, werden seine kleinsten Recheneinheiten, die Quanten- oder Qubits, miteinander verschränkt. Nicht jeder so entstehende Schaltkreis ist leistungsfähig oder lässt sich an eine gewünschte Anwendung anpassen. Die Prüfung dauert noch deutlich länger als beim klassischen Computing, was wiederum die Entwicklung von Betriebssoftware sowie die Integration von Quantenprozessoren ins Supercomputing behindert. Das neuronale Netz sortiert indes Schaltungen vor und verkürzt so die Zeit fürs Kompilieren: „Es sagt die Optimierbarkeit mit einer 96-prozentigen Genauigkeit voraus“, so Mete weiter. Es soll nun mit größeren Quantensystemen sowie mit unterschiedlichen Quantentechnologien konfrontiert werden. „Gut möglich, dass wir das Netz so trainieren können, dass es nicht nur die besten Schaltungen aufzeigt, sondern auch die Auswahl der passenden Quantentechnologie bestimmt“, so Mete weiter. Die Entstehungsweise von Qubits – das LRZ arbeitet bisher vor allem mit supraleitender Technologie, möglich sind aber auch Ionen-Fallen, außerdem können Qubits aus Diamanten, Photonen oder neutralen Atomen gewonnen werden – nimmt möglicherweise Einfluss auf die späteren Anwendungen. Auch diese Erfahrung beeinflusst die Software-Entwicklung für die Zukunftstechnologie.

Link zum Paper