Quantum computing: new potentials for automated machine learning

Quantencomputing ermöglicht es, rechenintensive Technologien wie das maschinelle Lernen (ML) weiterzubringen. Im Projekt »AutoQML« entwickeln acht Partner aus Forschung und Industrie deshalb Lösungsansätze, die Quantencomputing und ML verknüpfen. Eine Open-Source-Plattform soll Entwickler befähigen, Algorithmen des Quanten-Machine-Learnings ohne tiefgehendes Fachwissen nutzen zu können. Das Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA ist am Projekt maßgeblich beteiligt und bringt seine Expertise im Quantencomputing und in Verfahren des herkömmlichen ML ein. Wie gelingt es Unternehmen, die Potenziale der Digitalisierung zu nutzen und wettbewerbsfähig zu bleiben? Der Einsatz von Technologien wie künstlicher Intelligenz (KI) kann dabei helfen, von der digitalen Transformation bestmöglich zu profitieren. Vor allem ML spielt in der Digitalisierungsstrategie vieler Unternehmen bereits eine große Rolle und ermöglicht unter anderem effizientere Prozesse sowie neue Geschäftsmodelle. Allerdings fehlt es oft an Fachkräften. So ist die Implementierung von ML-Lösungen bisher noch häufig mit hohem Arbeitsaufwand verbunden. Von der Datenakquisition über die Wahl der passenden Algorithmen bis hin zur Optimierung des Trainings ist ein detailliertes Fachwissen in ML notwendig.

New approach: quantum computing takes machine learning to a new level

Der Ansatz des automatisierten maschinellen Lernens (AutoML) wirkt diesen Herausforderungen entgegen und erleichtert Fachkräften den Einsatz von KI. Dabei wird insbesondere die Wahl der konkreten ML-Algorithmen automatisiert. Anwender müssen sich somit weniger mit ML beschäftigen und auskennen und können sich mehr auf ihre eigentlichen Prozesse konzentrieren. In diesem Zusammenhang markiert Quantencomputing den Durchbruch in eine neue technologische Ära, denn damit lässt sich der AutoML-Ansatz signifikant verbessern. Zudem bietet Quantencomputing die für AutoML oftmals nötige Rechenpower. Das Verbundprojekt »AutoQML« setzt an dieser Innovation an und verfolgt zwei wesentliche Ziele: Zum einen wird der neue Ansatz AutoQML entwickelt. Dieser wird um neu entwickelte Quanten-ML-Algorithmen erweitert. Zum anderen hebt Quantencomputing den AutoML-Ansatz auf ein neues Niveau, denn bestimmte Probleme lassen sich mithilfe von Quantencomputing schneller lösen als mit konventionellen Algorithmen. Unter Leitung des Fraunhofer-Instituts für Arbeitswirtschaft und Organisation IAO ermöglicht das Projekt Entwicklern einen vereinfachten Zugang zu konventionellen und Quanten-ML-Algorithmen über eine Open-Source-Plattform. Neben Fraunhofer beteiligen sich die Unternehmen GFT Integrated Systems, USU Software AG, IAV GmbH Ingenieursgesellschaft Auto und Verkehr, KEB Automation KG, TRUMPF Werkzeug-maschinen GmbH + Co. KG und die Zeppelin GmbH am Projekt. Die entwickelten Lösungen werden anhand von konkreten Anwendungsfällen aus dem Automotive- und Produktionsbereich erprobt.

The best of both worlds: Software library for hybrid total solutions

The project consortium will integrate components of quantum computing into current machine learning solution approaches in order to be able to use the performance, speed and complexity advantages of quantum algorithms in an industrial context. In the so-called AutoQML-Developer Suite - a software library - developed quantum ML components and methods will be brought together in the form of a toolbox and made available to developers in an open-source platform. This will enable users to apply machine learning and quantum machine learning and to develop hybrid overall solutions. The project will run for three years. Further market dissemination by the corporate partners will enable the transfer of research-based high-technology to a broad industrial environment with the aim of significantly strengthening Germany as an industrial location. The project is funded by the German Federal Ministry of Economics and Climate Protection. More information: http://www.autoqml.ai/

This article originally appeared on m-q.ch - https://www.m-q.ch/de/quantencomputing-neue-potenziale-fuer-automatisiertes-maschinelles-lernen/