{"id":93641,"date":"2022-12-23T09:59:58","date_gmt":"2022-12-23T09:59:58","guid":{"rendered":"http:\/\/prod.novarion.systems\/?p=93641"},"modified":"2022-12-23T12:03:17","modified_gmt":"2022-12-23T12:03:17","slug":"terra-quantum-will-die-bewertung-von-quantencomputern-vereinfachen","status":"publish","type":"post","link":"https:\/\/www.novarion.systems\/de\/unkategorisiert\/terra-quantum-will-die-bewertung-von-quantencomputern-vereinfachen\/","title":{"rendered":"Terra Quantum will die Bewertung von Quantencomputern vereinfachen"},"content":{"rendered":"

Benchmarking von Quantencomputern f\u00fcr industrielle Anwendungen<\/h4>\n

Terra Quantum, ein europ\u00e4isches Unternehmen, das sich mit Quantentechnologie besch\u00e4ftigt, legt einen umfassenden Bericht zum Benchmarking \u00f6ffentlich verf\u00fcgbarer simulierter und nativer Quantencomputerplattformen vor. Damit lassen sich, wie das Unternehmen mitteilt, die jeweils beste, verf\u00fcgbare Option f\u00fcr industrielle Anwendungen finden.<\/p>\n

Ein solches Benchmarking ist laut der Anfang dieses Jahres erschienen Studie von Boston Consulting Group (\u201eThe Race to Quantum Advantage Depends on Benchmarking“<\/a>)\u201c ein wichtiges Thema in der Branche. Die Studie\u00a0\u201cBenchmarking simulated and physical quantum processing units using quantum and hybrid algorithms\u201d<\/a>vergleicht Geschwindigkeit, Kosten und Ergebnisqualit\u00e4t von \u00f6ffentlich verf\u00fcgbaren nativen Quantenprozessoren: von Ionq, Rigetti, Oxford Quantum Circuits und IBM sowie von simulierten Quantenprozessoren von QMware und Amazon Braket. Der erste Benchmark<\/a>\u00a0wurde am 25. November 2022 abgeschlossen.<\/p>\n

Ziel der Studie war es, zu untersuchen, wie die Vorhersagegenauigkeit und die Trainingszeit von neuronalen Quantennetzen durch die Verwendung eines hybriden quantenklassischen Ansatzes verbessert werden k\u00f6nnen. Der Benchmark ergab, dass die Kombination aus simulierten Quantenprozessoren und klassischen Hochleistungscomputern den leistungsf\u00e4higsten, kosteneffizientesten und robustesten Ansatz liefert.<\/p>\n

In der Auswahl<\/h3>\n

Der erste und umfasst eine Vielzahl \u00f6ffentlich verf\u00fcgbarer nativer (QPUs: \u201eIonq Harmony\u201c, \u201eRigetti Aspen M-2\u201c, Oxford Quantum Circuits\u2019 \u201eOQC Lucy\u201c und \u201eIBM Falcon r5.11\u201c) und simulierter\u00a0Quantencomputer<\/a>\u00a0(\u201eAWS m5.24xlarge\u201c, \u201eAWS SV1\u201c und \u201eQmware HQC4020\u201c. Da sich die Studie auf reale Anwendungen konzentrierte, wurden bewusst Systeme ausgeschlossen, die exklusiv sind oder sich noch in einem experimentellen Stadium befinden, zum Beispiel der IBM-Simulator \u201eStatevector\u201c und die \u201eAtos Quantum Learning Machine\u201c; QPUs wie der IBM \u201eEagle\u201c-Prozessor, das Honeywell-System \u201eModel H1\u201c und der \u201eSycamore\u201c-Prozessor von Google, aber auch Quantensimulations-Backends<\/a>\u00a0wie die \u201eQiskit\u201c-Suite von IBM f\u00fcr maschinelles Lernen und das \u201eQulacs\u201c-Paket. Terra Quantum plant, das Benchmarking fortzusetzen und die Studie entsprechend zu erweitern, sobald nach dem Daf\u00fcrhalten des Unternehmens die Technologie ausgereift genug ist.<\/p>\n

Markus Pflitsch,\u00a0CEO<\/a>\u00a0und Gr\u00fcnder von Terra Quantum, liefert folgende Erkl\u00e4rung: \u201eDer Benchmark liefert verl\u00e4ssliche Erkenntnisse f\u00fcr jeden, der die Implementierung von Quantencomputing evaluiert, um die Vorteile der Quantentechnologie heute effizient zu nutzen und sich auf die Quantenzukunft vorzubereiten.\u201c<\/p>\n

Mit diesen Einschr\u00e4nkungen wurde bei dem Benchmarking die Kombination aus Geschwindigkeit, Betriebskosten und Qualit\u00e4t der Leistung gemessen. Die Ergebnisse zeigen, dass eine Kombination aus simulierten Quantenprozessoren und klassischen Hochleistungsrechnern Hochleistungsrechnern (hybrider Ansatz) die derzeit zeit- und kosteneffizienteste L\u00f6sung f\u00fcr das Training von Quantenalgorithmen darstellt.<\/p>\n

Das Ausklammern von Problemen<\/h3>\n

Zum Beispiel vermeidet das Training der neuronalen Netze auf einem simulierten Quantenprozessor die kostenintensiven Wiederholungen, die bei nativen Quantenprozessoren durch h\u00e4ufige Berechnungsfehler erforderlich sind. Die heutigen Fehleranf\u00e4llige native Quantenprozessoren reduzieren die Funktionsf\u00e4higkeit gro\u00dfer physikalischer\u00a0Qubits<\/a>\u00a0auf nur wenige nutzbare Qubits.<\/p>\n

Tats\u00e4chlich ist die \u00dcberwindung dieser Fehler derzeit einer der gr\u00f6\u00dften Herausforderungen f\u00fcr die Anbieter von nativen Quantenprozessoren. Simulierte Quantenprozessoren bieten zurzeit bis zu 40 fehlerfreie, so genannte algorithmische Qubits – QMware bis zu 40 und AWS SV1 bis zu 34 simulierte Qubits. Georg Gesek,\u00a0CTO<\/a>\u00a0und Mitbegr\u00fcnder von Qmware, erl\u00e4utert: \u201eBei Algorithmen, die weniger als 30 Qubits ben\u00f6tigen, lieferten sie sogar schnellere Ergebnisse als ihre nativen Gegenst\u00fccke.\u201c<\/p>\n

Er setzt hinzu: Die von Qmware simulierte\u00a0QPU<\/a>\u00a0ist bis heute die schnellste \u00f6ffentlich verf\u00fcgbare Option f\u00fcr Algorithmen, die weniger als 27 Qubits ben\u00f6tigen.\u201c In dem Benchmark habe die Soft- und Hardwareplattform des Herstellers die Daten zu 78 Prozent schneller als die zweitbeste verarbeitet.<\/p>\n

\n

ARTIKELFILES UND ARTIKELLINKS<\/h3>\n
\n

Link:<\/span>\u00a0Bewertung von Quantencomputer-Leistung; Atos bringt mit Q-Score ein Benchmark-Tool f\u00fcr Quantencomputer auf den Markt<\/a><\/p>\n

Link:<\/span>\u00a0Interview mit Georg Gesek und Markus Pflitsch vom Quantencomputing-Pionier QMware; 2022 folgen mehr Datacenter f\u00fcr die hybride Quantencomputing-Cloud, auch in Deutschland<\/a><\/p>\n<\/div>\n<\/section>\n","protected":false},"excerpt":{"rendered":"

Terra Quantum, ein europ\u00e4isches Unternehmen, das sich mit Quantentechnologie besch\u00e4ftigt, legt einen umfassenden Bericht zum Benchmarking \u00f6ffentlich verf\u00fcgbarer simulierter und nativer Quantencomputerplattformen vor. Damit lassen sich, wie das Unternehmen mitteilt, die jeweils beste, verf\u00fcgbare Option f\u00fcr industrielle Anwendungen finden.<\/p>\n

Ein solches Benchmarking ist laut der Anfang dieses Jahres erschienen Studie von Boston Consulting Group (\u201eThe Race to Quantum Advantage Depends on Benchmarking“)\u201c ein wichtiges Thema in der Branche. Die Studie\u00a0\u201cBenchmarking simulated and physical quantum processing units using quantum and hybrid algorithms\u201dvergleicht Geschwindigkeit, Kosten und Ergebnisqualit\u00e4t von \u00f6ffentlich verf\u00fcgbaren nativen Quantenprozessoren: von Ionq, Rigetti, Oxford Quantum Circuits und IBM sowie von simulierten Quantenprozessoren von QMware und Amazon Braket. Der erste Benchmark\u00a0wurde am 25. November 2022 abgeschlossen.<\/p>\n","protected":false},"author":15,"featured_media":93644,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[212],"tags":[],"class_list":["post-93641","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-unkategorisiert"],"_links":{"self":[{"href":"https:\/\/www.novarion.systems\/de\/wp-json\/wp\/v2\/posts\/93641","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.novarion.systems\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.novarion.systems\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.novarion.systems\/de\/wp-json\/wp\/v2\/users\/15"}],"replies":[{"embeddable":true,"href":"https:\/\/www.novarion.systems\/de\/wp-json\/wp\/v2\/comments?post=93641"}],"version-history":[{"count":0,"href":"https:\/\/www.novarion.systems\/de\/wp-json\/wp\/v2\/posts\/93641\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.novarion.systems\/de\/wp-json\/wp\/v2\/media\/93644"}],"wp:attachment":[{"href":"https:\/\/www.novarion.systems\/de\/wp-json\/wp\/v2\/media?parent=93641"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.novarion.systems\/de\/wp-json\/wp\/v2\/categories?post=93641"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.novarion.systems\/de\/wp-json\/wp\/v2\/tags?post=93641"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}