QCHALLenge

Quantum-Classical Hybrid Optimization Algorithms for Logistics and Production Line Management

© Projekt QCHALLenge

Projektbeschreibung
Das Projekt QCHALLenge löst Optimierungsprobleme aus Produktion und Logistik mittels bestehender Quantum Computing (QC) Hardware. Hierfür werden Algorithmen, Konzepte und Werkzeuge entwickelt, die der Wirtschaft branchenübergreifend und niederschwellig den Einsatz von QC ermöglichen. QCHALLenge setzt hierbei die Domänen Produktion und Logistik aufgrund ihrer Schlüsselrolle für die deutsche Wirtschaft in den Fokus. Daraus ergeben sich Use Cases wie die Optimierung von Lieferketten und Warenlagern sowie der Einsatz von QC in der Automatisierung. Implementierungen erfolgen vorrangig in hybrider (quanten-klassischer) Form und werden so gestaltet, dass potenzielle Kunden schnell von einem Quantenvorteil profitieren, ohne sich mit der Technologie des QC auseinandersetzen zu müssen.

Herausforderung und Innovation
In der vorherrschenden NISQ-Ära (d. h. limitiert auf die aktuelle, vergleichsweise kleine und fehleranfällige Quantenhardware) besteht eine der größten Herausforderungen für QCHALLenge darin, Use Cases mit potenziellem Quantenvorteil zu identifizieren. Insbesondere sind hierbei Fragen zur Skalierung unter Berücksichtigung von Entwicklungen in der QC-Hardware zentral. Darüber hinaus stellt das erklärte Ziel der Hardware-Agnostik aus technischer Sicht auf Grund der sehr diversen Softwareschnittstellen der Hardwarehersteller eine nicht unerhebliche Hürde dar. Auf Basis dieser und weiterer Schwierigkeiten in der Umsetzung von QC-Lösungen für anwendungsrelevante Problemstellungen bringt QCHALLenge zahlreiche Innovationen in die Praxis: (1) Die Entwicklung von generischen Entwicklungswerkzeugen und -umgebungen, (2) Die Schaffung von nutzerfreundlichen, ingenieurstechnischen Anwendungen wie z. B. Optimierungen für spezifische Anwendungsfälle, (3) Die Entwicklung von Software-Lösungen für die Integration von konventionellen Computern und QC-Systemen (Hybride Quanten-Software), sowie (4) Die Gestaltung von Strategien und Methoden zur strukturierten Analyse von anwendungsseitigen Problemen hinsichtlich der zielgerichteten Anwendung und Entwicklung von QC-Lösungen.

Lösungsansatz
Im Zentrum von QCHALLenge steht die Integration von QC in bestehende Software-Workflows zur Lösung von Anwendungsproblemen vorwiegend im Bereich Optimierung. Insbesondere zielt QCHALLenge auch auf die Optimierung von Methoden im Machine Learning und der Simulation ab. Dazu werden geeignete Schnittstellen anhand industrieller Use Cases identifiziert und implementiert, die den gewinnbringenden Einsatz von QC-Lösungen ermöglichen. Zentral bei der praktischen Umsetzung ist dabei der Zugriff auf QC-Hardware, wobei Problem- und Lösungsansatz-spezifisch die jeweils optimale QC-Hardware ausgewählt wird. Darüber hinaus werden QC-Lösungen umgesetzt, die den unmittelbaren Einsatz von QC ohne tieferes Verständnis der Technologie ermöglichen und Entwicklungswerkzeuge entwickelt, die die Implementierung von QC-Lösungen erleichtern. Als Endergebnis des Projekts steht nach einer eingehenden Evaluation und bedarfsgemäßer Überarbeitung ein umfassender Prototyp, der die niederschwellige Integration von QC in bestehende Softwarelösungen ermöglicht. Als Beiprodukt entstehen im Laufe des Projekts Handlungsempfehlungen für die Industrie und nutzerfreundliche QC-Anwendungen für praxisrelevante Use Cases, deren Nutzung kein tieferliegendes QC-Verständnis voraussetzt, um die zielgerichtete Entwicklung von QC-Lösungen zu fördern.

Konsortium
Ludwig-Maximilians-Universität München (Konsortialführer), BASF SE, BMW AG, SAP SE, Siemens AG

Laufzeit
Juli 2022 – Juni 2025

Budget
Gesamtvolumen: 7,1 Mio €
Fördermittel: 4,3 Mio €