Quantencomputing 2021: 12 führende Anwendungen verständlich erklärt

Wissenschaftler weltweit treiben Quantencomputer voran, um die leistungsstärkste Quantencomputing-Technologie zu erreichen. Tech-Giganten wie Google und IBM rennen um die Quantenüberlegenheit.

Aber warum? Quantenmaschinen können bestimmte Probleme eine Milliarde Mal schneller lösen als klassische Computer. Da der Bedarf an leistungsstarken Prozessoren steigt und Aufgaben an Umfang und Komplexität zunehmen, werden wir effektivere Rechenarchitekturen benötigen, um Lösungen zu ermöglichen.

Solche Fortschritte in der Computertechnologie würden Millionen Chancen schaffen – in fast jedem Aspekt des modernen Lebens. Laut GlobeNewswire wurde der globale Quantencomputing-Markt 2019 auf 507,1 Millionen US-Dollar geschätzt. Er soll bis 2030 65 Milliarden US-Dollar erreichen, bei einer CAGR von 56 %. Nordamerika und Europa werden voraussichtlich über 78 % des Quantencomputing-Marktes ausmachen.

Das bedeutet nicht, dass Quantensysteme heutige Computer ersetzen. Stattdessen werden sie neben klassischen Supercomputern arbeiten, da jeder seine einzigartigen Stärken und Vorteile hat.

In diesem Überblicksartikel nennen wir einige der primären Anwendungen des Quantencomputings aus dem riesigen Spektrum der Möglichkeiten. Sie erhalten einen besseren Eindruck, wofür Quantencomputer konzipiert sind.

12. Wettervorhersage

Quantencomputer können extrem komplexe Wettermuster abbilden. Im Gegensatz zu aktuellen Wettersystemen werden sie Vorhersagen für kleinere, spezifischere Regionen liefern können – was Landwirten hilft, sich besser auf Wetteränderungen vorzubereiten, und Airlines Störungen minimiert.

IBM investiert stark in Wettervorhersagesysteme. Es kollaboriert mit The Weather Company, dem National Center for Atmospheric Research und der University Corporation for Atmospheric Research in den USA, um ein überlegenes Modell zu bauen, das Gewitter auf lokaler Ebene schätzen kann.

2019 enthüllten IBM und The Weather Company das Global High-Resolution Atmospheric Forecasting System (GRAF), das IBM-Supercomputer nutzt, um Daten von Millionen Sensoren weltweit zu verarbeiten.

Wenn Quantencomputing machbar wird, können GRAF-ähnliche Systeme Milliarden Daten pro Stunde analysieren und mikrometeorologische Ereignisse vorhersagen – wie die Bildung einzelner Wolken oder Windwirbel.

11. Cybersicherheit

Alles sind nur grobe Schätzungen

Quantencomputer werden Probleme lösen können, die für heutige Maschinen fast unmöglich sind. Dazu gehört das Knacken von Verschlüsselungsalgorithmen, die die Internet-Infrastruktur und sensible Daten schützen.

RSA-Verschlüsselung basierend auf 2048-Bit-Zahlen wird breit für sichere Datenübertragung genutzt. Schätzungen zufolge könnte ein Quantencomputer mit 20 Millionen Qubits eine solche Verschlüsselung innerhalb von 8 Stunden brechen.

Natürlich kann die Kraft des Quantencomputings auch genutzt werden, um weit sicherere Verschlüsselungssysteme zu entwickeln. Viele Unternehmen, darunter Microsoft und Google, arbeiten bereits an quantensicheren Verschlüsselungsalgorithmen. Diese befinden sich derzeit in theoretischer und Testphase. Die Hauptaufgabe ist die Integration dieser neuen Ansätze in die bestehende Infrastruktur.

Quantensichere Algorithmen sollen verschlüsseln:

• Finanz- und Banktransaktionen
• Militärische und Regierungs-Kommunikation
• Unternehmensnetzwerke
• Medizinische Datensätze und persönliche Daten in der Cloud

10. Batterien der nächsten Generation

Lithium-Ionen-Batterien haben einen langen Weg hinter sich: Vor einem Jahrzehnt brachten sie Smartphones gerade so durch den Tag, heute treiben sie Elektrofahrzeuge hunderte Kilometer weit.

Doch wenn wir leistungsstärkere, günstigere Batterien wollen, die länger halten als bestehende, brauchen wir Durchbrüche. Forscher von IBM und Daimler AG (Mutterkonzern von Mercedes-Benz) testen, wie effizient Quantencomputer das Verhalten chemischer Verbindungen in Batterien simulieren können.

Sie konnten Dipolmomente von vier industriell relevanten Molekülen (Schwefelwasserstoff, Lithiumhydrid, Lithiumsulfid, Lithiumwasserstoffsulfid) mit einem 21-Qubit-Quantencomputer simulieren.

Je mehr wir Qubit-Zustände erhöhen oder verbessern, desto größere und komplexere Verbindungen können wir für Batterien der nächsten Generation testen. Diese Art von Grundlagenforschung wird uns letztlich dorthin bringen.

9. Solarenergieernte

Quantenpunkt-Solarzelle | Credit: University of Queensland

Quantenpunkte (nanoskalige Halbleiterpartikel mit einzigartigen elektronischen und optischen Eigenschaften durch Quantenmechanik) können Solarenergie effizient in Strom umwandeln. Das wird uns helfen, CO₂-Emissionen signifikant zu reduzieren und bestehende Energieerzeugungstechnologien zu verbessern.

Australische Forscher der University of Queensland entwickelten bereits flexible, druckbare Quantenpunkte mit einem Wirkungsgrad von über 16 Prozent.

Ungiftige Quantenpunkt-Materialien wie Silber-Bismut-Sulfid-Nanokristalle wurden aufgrund ihrer Verfügbarkeit und Sicherheit intensiv untersucht. Obwohl sie noch nicht kommerziell im großen Maßstab einsetzbar sind, haben einige kleine Unternehmen begonnen, Quantenpunkt-Photovoltaik-Produkte zu vermarkten.

8. Saubere Düngemittel

Heute wird Ammoniak-Dünger durch den Haber-Bosch-Prozess hergestellt. Er verbindet atmosphärischen Stickstoff mit Wasserstoff unter hohen Temperaturen und extrem hohem Druck. Der Prozess verbraucht massive Energiemengen und setzt viele Treibhausgase frei.

Wüssten Forscher den Nitrogenase-Mechanismus und das Verhalten von Übergangsmetallen detailliert, könnten sie effizientere Katalysatoren für die Düngemittelherstellung sowie andere wichtige Industriechemikalien entwickeln.

Die gute Nachricht: Quantencomputer könnten eines Tages den primären Kofaktor der Nitrogenase (FeMo-Kofaktor) modellieren und Einblicke in dessen Mechanismen geben. Das würde Chemikern helfen, energieeffiziente Industrieprozesse zur Synthese von Stickstoffdüngern zu bauen.

7. Materialentdeckung

Bildquelle: Second Bay Studios/Harvard SEAS

Da Quantencomputing auf Quantenmechanischen Phänomenen wie Superposition und Verschränkung basiert, kann es andere Quantensysteme weit leichter darstellen als klassische Computer. Beispiel: Eine Quantenmaschine kann die Schrödinger-Gleichung für ein Molekül lösen, um seine erlaubten Energieniveaus zu berechnen.

Sie bietet die Fähigkeit, komplexe Moleküle zu simulieren, die klassische Computer nicht können. Gemeinsam versprechen Quantenhardware und Quantenalgorithmus-Entwicklungen, die theoretische Chemie aufzumischen.

Indem man das Rauschen in den Qubits einer Quantenmaschine handhabt, können Forscher bessere Materialien mit fein abgestimmten optischen und mechanischen Eigenschaften entwickeln.

Angesichts jüngster Fortschritte bei „Quanten-Rauschunterdrückung“-Techniken können wir sagen, dass Materialien der nächsten Generation möglicherweise auf Quantencomputern designt werden – statt chemische Eigenschaften durch Trial-and-Error zu ermitteln.

6. Verkehrsoptimierung

Quantencomputer werden viele Herausforderungen mildern, die durch wachsende Bevölkerung und Staus bei gleichzeitigem Dekarbonisierungsbedarf entstehen. Eine dieser Herausforderungen ist Verkehrssteuerung.

Quantentechnologie kann genutzt werden, um Staus zu vermeiden und Wartezeiten zu verkürzen. Das bedeutet, Busse und Taxis müssen keine langen Strecken ohne Fahrgäste fahren, und Menschen müssen nicht lange auf ihre Taxis warten.

Volkswagen hat bereits den Live-Einsatz von Quantencomputing zur Verkehrsoptimierung demonstriert. Sein Quanten-Routing-Algorithmus läuft auf dem D-Wave-Quantencomputer und berechnet die schnellsten Reiserouten individuell in Echtzeit.

Solche Algorithmen können kontinuierlich mit bewegten Objekten (Fahrrädern, Autos, Menschen) interagieren und das gesamte Mobilitätssystem einer Stadt erweitern. Sie können auch in der Flugsicherung für optimierte Routing-Informationen implementiert werden.

Volkswagen ist nicht das einzige Unternehmen, das an „Quanten-Verkehrsoptimierung“ arbeitet. Fast alle Automobilhersteller – BMW, Toyota, Ford – investieren in Quantenforschung.

5. Marketing und Werbung

Quantenalgorithmen können bessere Werbung liefern, indem sie Assoziationsmuster erzeugen, die Kaufverhalten beeinflussen. Statt Anzeigen nur basierend auf dem Browserverlauf der Nutzer auszuliefern, fokussieren sich diese Algorithmen darauf, wie sich Nutzer nach dem Sehen einer Anzeige fühlen und welche Art von Anzeigen Marken dabei helfen, langfristige Kundenbeziehungen aufzubauen.

Beispiel: Wenn eine Anzeige unterhaltsam ist und Zuschauer zum Lachen bringt oder gut fühlen lässt, formt sie starke Marken-PR. Langweilige oder nervige Anzeigen können dagegen kontraproduktiv sein.

D-Wave Systems Inc. (in Zusammenarbeit mit Recruit Communication Ltd) hat Quantencomputing bereits auf Werbung, Marketing und Kommunikationsoptimierung angewendet. Ziel ist es, komplexe Daten in kürzerer Zeit zu analysieren und die Effizienz der Anzeigen-Kunden-Zuordnung im Web-Advertising zu optimieren.

D-Wave Systems erklärte auch, wie Organisationen Quanten-Annealing nutzen könnten, um Zielgruppen mit relevanten Anzeigen zu erreichen und die Click-Through-Rate (CTR) zu steigern.

4. Finanzmodellierung

Moderne Märkte gehören zu den komplexesten Systemen, die existieren. In der Zeit, die Sie brauchen, um diesen Satz zu lesen, werden Hedgefonds, Investmentbanken und Privatanleger weltweit über 80 Millionen US-Dollar in Aktien gehandelt haben.

Für institutionelle Anleger ist es entscheidend, den richtigen Mix für fruchtbare Investments basierend auf erwarteten Renditen und assoziierten Risiken zu finden. Das erfordert die Analyse von Tausenden Faktoren, die Aktienkurse beeinflussen können. Viele Investmentbanken führen „Monte-Carlo“-Simulationen auf klassischen Computern durch – was enorme Rechenressourcen und Zeit kostet.

Quantencomputer sind speziell für diese Art probabilistischer Berechnungen konzipiert. Indem sie auf den Quanten-Zug aufspringen, können Investmentbanken nicht nur die Lösungsqualität steigern, sondern auch die Entwicklungszeit verkürzen. Da diese Geschäfte Milliarden Dollar umfassen, kann selbst eine kleine Verbesserung der erwarteten Rendite viel wert sein.

Letztlich werden Quantencomputer Finanzdienstleistungen helfen,:

• Investmentgewinne zu steigern
• Kapitalanforderungen zu senken
• Risiko- und Compliance-Erkennung und -Management zu verbessern
• Neue Investitionsmöglichkeiten zu eröffnen

Weiterlesen: Wie viel Geld gibt es auf der Welt?

3. Arzneimittelforschung (Drug Discovery)

Der Fluss genetischer Information in einem biologischen System

Derzeit benötigen Pharmaunternehmen Milliarden Dollar und über zehn Jahre, um ein neues Medikament zu entdecken und auf den Markt zu bringen. Sie führen hunderte Millionen Vergleiche auf klassischen Computern durch. Doch die Verarbeitungskapazitäten dieser Maschinen sind begrenzt: Sie können nur Moleküle bis zu einer bestimmten Größe analysieren.

Betrachten Sie das Penicillin-Design mit 41 Atomen: Eine gründliche und präzise Modellierung der Grundzustandsenergie des Penicillin-Moleküls würde eine digitale Maschine mit mehr Transistoren erfordern, als es Atome im beobachtbaren Universum gibt.

Quantencomputing kann dieses Problem lösen. Sobald Quantenhardware und -algorithmen breiter verfügbar sind, wird es möglich sein, weit größere Moleküle zu vergleichen. Das kann die Medikamentenentwicklungszeit und -kosten drastisch reduzieren und Forschern ermöglichen, schneller Entdeckungen zu machen, die zu Heilungen diverser Krankheiten führen könnten.

In der Life-Sciences-Industrie werden Quantencomputer drei Schlüsselnutzungsfälle ermöglichen, die sich in einem tugendhaften Zyklus gegenseitig verstärken:

• Entwicklung präziser Medizinentherapien durch Verknüpfung von Genomen und Ergebnissen
• Steigerung der Effizienz der Small-Molecule-Drug-Discovery und Verbesserung der Patientenergebnisse
• Aufbau neuartiger biologischer Produkte basierend auf Protein-Faltungsvorhersagen

2. Künstliche Intelligenz

Googles Quantenmaschine

Maschinelle Intelligenz basiert auf dem Prinzip des Lernens aus Erfahrung. Je mehr Datensätze Sie zum Training von KI nutzen, desto genauer wird sie. Da die Genauigkeit/Stärke von KI davon abhängt, Millionen oder gar Milliarden Datenpunkte zu analysieren, ist sie ein idealer Kandidat für Quantenberechnung.

Für bestimmte Modelle wird Quanten-Maschinelles-Lernen weit effizienter sein als klassisches Maschinelles Lernen. Es erstreckt sich auf einen Forschungszweig, der strukturelle und methodische Ähnlichkeiten zwischen spezifischen physikalischen Systemen und Lernsystemen – insbesondere neuronalen Netzen – erforscht.

Man sagt, KI werde für das 21. Jahrhundert das sein, was Elektrizität für das 20. war. Wir sind bereits an dem Punkt, an dem KI fähig ist, eine weitere KI zu erschaffen – ihre Bedeutung wird daher schnell eskalieren.

Um die Entwicklung zu beschleunigen, haben Google, Volkswagen und die Universität Waterloo TensorFlow Quantum gestartet – eine Open-Source-Bibliothek für das Prototyping von Quanten-Maschinellen-Lernmodellen. IBM, Microsoft und andere Tech-Giganten investieren ebenfalls massiv in Quanten-Maschinelles-Lernen.

Weiterlesen: Künstliche Intelligenz vs. Maschinelles Lernen vs. Deep Learning

1. Teilchenphysik

Proton-Proton-Kollision im LHC, die ein Higgs-Boson erzeugt | CERN

Vielleicht die aufregendste und nützlichste Anwendung von Quantencomputing ist die Erforschung neuer Physik. Teilchenphysik-Modelle sind bemerkenswert komplex und erfordern enorme Ressourcen und lange Rechenzeiten für numerische Simulationen.

Beispiel: Experimente am Large Hadron Collider (LHC) am CERN produzieren erstaunliche 1 Petabyte pro Sekunde Daten aus einer Milliarde Teilchenkollisionen pro Sekunde. Die Analyse erfolgt auf einer Million CPU-Kernen in 170 Rechenzentren weltweit. Bis 2027 wird die benötigte Rechenleistung für Verarbeitung und Analyse von CERN-Daten um den Faktor 50–100 steigen.

Hier kommt Quantencomputing ins Spiel. Es wird Physikern ermöglichen, Kernphysik, Streuung von Kernen, Quarks sowie fundamentale Wechselwirkungen zu simulieren.

CERN arbeitet bereits mit IBM an Quantencomputern. Forscher nutzten die „Quantum Support Vector Machine“, um zu prüfen, wie überwachtes Quanten-Maschinelles-Lernen Higgs-Boson-Ereignisse in Kollisionsdaten identifizieren könnte.

Ein weiteres Forscherteam simulierte erfolgreich Gitter-Eichtheorien auf einem Quantencomputer, die die Wechselwirkung zwischen Elementarteilchen wie Quarks und Gluonen beschreiben.

Weiterlesen: Was ist Quantenüberlegenheit? Und warum ist sie wichtig?

Insgesamt macht Quantencomputing Fortschritte in diversen Feldern – von Vielteilchenphysik bis Molekülenergetik. Es wird aktuelle Techniken disruptieren und Forschern ermöglichen, Probleme anzugehen, die sie nie zuvor zu lösen versucht hätten.